Organisation et indexation des données multimédias de grande dimension

Abstract

Récemment, la diffusion géométrique par marches aléatoires sur graphe est proposée

pour trouver une description géométrique significative des données afin de les organi-ser.

L’idée de base est de considérer un graphe modélisant tous les objets d’intérêt (image,

document, etc.) d’une base à travers leurs descripteurs. Les sommets représentent les

objets d’intérêt et la pondération des arêtes mesure la similarité entre objets. Ainsi, la

recherche d’un objet d’intérêt peut être vue comme une marche dans ce graphe. Cette

approche permet de tenir compte de toutes les propriétés statistiques liées au graphe

local pour caractériser au mieux l’information visuelle. Ainsi, l’utilisateur peut navi-guer dans la base et visualiser les images voisines à une image de référence.

Dans cette thèse de Doctorat nous proposons un framework unifié pour l’organisation

des données multimédias de grande dimension en utilisant cette nouvelle approche.

Ce framework se compose de deux grandes parties :

– Partie 1 : regroupement spectral par marches aléatoires sur graphe.

– Partie 2 : régularisation discrète sur graphe.

Après une phase de conception et d’analyse théorique, nous avons expérimenté et va-lidé ce framework sur des données réelles.