Traitement du signal et des images pour l’art et le patrimoine – Extraction interactive d’éléments de contenu et analyse de redondance des formes dans les imprimés anciens, Par Jean-Yves Ramel (LI Tours)

Le GdR Information, Signal, Image, viSion (ISIS) organise le 13 mai 2016 une journée autour du Traitement du signal et des images pour l’art et le patrimoine, à Télécom Paristech (amphi B310). Jean-Yves Ramel (Pr, LI Tours) présentera à cette occasion une partie des travaux effectués dans le cadre du projet Paradiit financé par deux Google Awards successifs en 2011 et 2012 et mené en collaboration avec l’équipe du programme BVH du CESR.

L’objectif de cette journée GdR ISIS est de réunir les chercheurs et industriels dont les travaux trouvent des applications dans le domaine de l’art, l’histoire de l’art ou du patrimoine culturel. En effet, le développement des technologies numériques notamment autour de l’image, est un enjeu important pour la préservation, la restauration, l’étude, la création et la diffusion des objets, monuments, œuvres, documents issus du domaine artistique et culturel. Réciproquement, les problèmes soulevés par ces problématiques posent de nouveaux challenges à la communauté scientifique de la vision par ordinateur et du traitement de l’image comme en témoignent l’augmentation des publications et la présence de sessions spéciales dans des conférences de référence de ces domaines.

Les thématiques visées par cette journée concerneront toutes les méthodes d’acquisition, de traitement et d’analyse de contenu dans le contexte spécifique de l’art et du patrimoine comme par exemple les méthodes liées à :

  • la préservation du patrimoine (restauration, débruitage, amélioration de la qualité) ;
  • la reconstruction et la visualisation (acquisition, représentation 3D, réalité virtuelle) ;
  • l’analyse et la gestion de contenu (reconnaissance, classification, segmentation, …).

Les travaux présentés pourront faire état des spécificités propres au patrimoine culturel (comme la rareté des données, ou leur fragilité par exemple). Les exposés permettront ainsi aux autres chercheurs de découvrir des méthodes nouvelles qui pourraient éventuellement s’adapter à leur champ d’application, ou bien de proposer des méthodes qui pourraient répondre aux domaines spécifiques abordés dans cette journée.

Extraction interactive d’éléments de contenu et analyse de redondance des formes dans les imprimés anciens

Jean-Yves RAMEL – Laboratoire Informatique de Tours

Nous présentons dans cet exposé une partie des travaux effectués dans le cadre du projet Paradiit financé par deux Google Awards successifs en 2011 et 2012 et mené en collaboration avec l’équipe du programme BVH du Centre d’Études Supérieures de la Renaissance de Tours (CESR). Notre projet vise à mettre à disposition des chercheurs en digital humanities un ensemble d’outils interactifs et de nouvelles bases de connaissances permettant une meilleure analyse, transcription et indexation des imprimés anciens numérisés. Pour cela, nous pensons qu’il est nécessaire de produire des outils interactifs exploitant des méta-données d’indexation aussi bien perceptuelles (orientées images) que sémantiques (contenu historique et notice bibliographique).

Dans ce cadre, un nouveau moteur d’extraction d’éléments de contenu et d’analyse de structures de pages numérisées a tout d’abord été développé. Ce logiciel permet l’identification et l’extraction automatique de différents éléments de contenu pouvant apparaître dans les ouvrages anciens et pouvant intéresser les historiens (caractères, lettrines, portraits, notes manuscrites en marge, …). Outre la définition d’algorithmes de traitement d’images suffisamment robustes pour supporter les spécificités des images de documents anciens, l’originalité des travaux réside dans la production d’une méthodologie générique, facilement adaptable à divers types d’images, interactives, et adoptant une approche incrémentale d’analyse du contenu des images. Ce moteur a été implémenté au sein de la dernière version du logiciel Agora disponible au téléchargement sur le site du projet Paradiit. Cette nouvelle méthode d’extraction de structures et d’éléments de contenu se base sur un mécanisme d’appariement séquentiel de sous-arbres. Les sous-arbres permettent, la description des structures à localiser dans l’état courant de l’interprétation du document représentée également par une structure arborescente. Un algorithme original de recherche d’appariements sous contraintes pouvant être exploité de manière incrémental permet la mise en place interactive de scénarios d’analyse permettant ainsi de répondre aux besoins spécifiques de chaque usager.

Pour ce qui concerne l’aide à la transcription, contrairement à la plupart des logiciels d’OCR (reconnaissance de caractères), les algorithmes développés (logiciel Retro) procède par analyse de la redondance des formes extraites des images. Cette technique ne reconnaît pas les caractères isolément et indépendamment des autres mais regroupe les formes similaires en clusters sans rechercher à les identifier. Une fois les clusters de formes construits, il devient possible d’analyser et d’exploiter les clusters produits pour obtenir une transcription de la majeure partie du texte en seulement quelques clics (de manière collaborative ou non).

Cette information sur la redondance des formes dans les ouvrages peut aussi être utilisée pour effectuer des analyses typographiques (production et exploitation de fontes anciennes, étude et suivi du matériel typographique utilisé par les imprimeurs de l’époque…).

Programme de la journée, résumés des interventions & inscriptions


Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *