La recherche des images par le contenu dans des grandes bases généralistes d’images est une tâche fastidieuse vu le taux d’hétérogénéité assez élevé même au sein d’une seule classe de la base ainsi que la grande dimension de l’espace des descripteurs relatifs aux images. Pour cela, nous proposons de guider la recherche par des descripteurs de bas-niveau de taille réduite à base de sous-bandes d’ondelettes relatives aux régions les plus significatives dans chaque image après une phase de segmentation floue. De plus, nous proposons une technique de bouclage de pertinence négatif sur les poids relatifs aux régions. Les expérimentations et l’étude comparative avec des approches similaires prouvent la robustesse de l’approche proposée en termes d’apport sémantique offert par l’utilisation des sous-bandes d’ondelettes ainsi que par le bouclage de pertinence négatif....
Content-based image retrieval in large image data sets is a tiresome task considering the high rate of heterogeneity even within the same class as well as the high dimensionality of the descriptors space. For that, we propose to guide the research by low level descriptors of reduced size based on sub-bands of wavelet relating to the most significant regions in each image after a fuzzy segmentation step. Moreover, we propose a negative relevance feedback technique based on region weights. Experiments and comparative study with other similar approaches prove the robustness of the proposed approach in terms of semantic contribution thanks to the use of the wavelet sub-band and the negative relevance feedback....