Visual image processing in various representation spaces for documentary heritage preservation

Résumé

Cette thèse établit un cadre de travail de traitement d’images pour le rehaussement et la restauration des images de documents historiques (IDH) dans deux espaces de représentations différents : l’espace des niveaux de gris et de couleur et l’espace multispectral (MS). Elle consiste en trois contributions majeures: 1) la binarisation d’IDH en niveaux de gris ou en couleur, 2) la restauration des IDH capturées au moyen de l’imagerie MS, et 3) l’estimation de données de référence (DR) utilisées à des fins d’évaluation des algorithmes de binarisation d’IDH. La binarisation d’IDH est l’une des techniques de rehaussement qui produit des informations binaires faciles à manipuler par des méthodes d’analyse de haut niveau (OCR, par exemple), et moins coûteuse en termes de calcul par rapport aux images couleurs ou en niveaux de gris. La restauration des IDH dans un espace de représentation MS améliore leur lisibilité, ce qui n’est pas possible avec les méthodes classiques de restauration basées sur l’intensité ou la couleur. La lisibilité des IDH est la principale préoccupation des historiens et bibliothécaires qui souhaitent toujours transférer les connaissances et faire revivre l’ancien patrimoine culturel et scientifique. L’utilisation des systèmes d’imagerie MS est une piste de recherche à la fois nouvelle et attrayante dans le domaine du traitement numérique d’IDH. Dans cette thèse, ces systèmes sont également utilisés pour estimer automatiquement des DR plus précises à utiliser pour l’évaluation d’algorithmes de binarisation d’IDH afin de poursuivre le niveau de performance humaine. Notre première contribution est une nouvelle méthode de binarisation adaptative destinée aux IDH en niveaux de gris et couleurs. Puisque la dégradation est présente un peu partout sur la surface des IDH, les méthodes de binarisation doivent être adaptées pour gérer localement ces phénomènes de dégradation. Malheureusement, ces méthodes ne sont pas efficaces, car elles ne sont pas en mesure de capturer les traits de texte de faible intensité, ce qui entraîne une détérioration de la performance des moteurs de reconnaissance de caractères (OCR). L’approche proposée détecte en premier lieu un sous-ensemble de pixels de texte les plus probables, qui sont utilisés pour estimer les paramètres locaux des deux classes (texte et fond), puis effectue une classification à base de maximum de vraisemblance (MV) afin de classifier localement les pixels restants en fonction de leur appartenance aux classes. Au meilleur de notre connaissance, c’est la première fois que l’estimation des paramètres et la classification locale dans un cadre de MV a été introduite pour la binarisation d’IDH avec des résultats prometteurs. Une limitation de cette méthode, comme pour toutes les méthodes de ehaussement basées sur l’intensité, est qu’elles ne sont pas efficaces dans le traitement d’IDH gravement dégradées. Développer des méthodes plus avancées fondées sur les informations MS serait une alternative prometteuse de la recherche. Dans la deuxième contribution, une nouvelle approche pour la restauration visuelle d’IDH est définie. L’approche vise à fournir une meilleure qualité visuelle des IDH à l’utilisateur final (historien, bibliothécaire, etc.). Plus précisément, elle vise à les restaurer à partir des dégradations, tout en conservant intact leur aspect original. En pratique, ce problème ne peut pas être résolu facilement par les méthodes classiques de restauration basées sur l’intensité. Pour faire face à ces limitations, l’imagerie MS est utilisée pour produire d’autres images spectrales dans la lumière invisible (infrarouge et ultraviolet), ce qui donne un meilleur contraste au contenu des IDH. Le cadre de travail variationnel de ’inpainting’ proposé ici pour la restauration d’IDH consiste à isoler les dégradations dans les images spectrales infrarouges, puis les retoucher (’inpainting’) dans les images spectrales visibles. L’image couleur finale à visualiser est donc reconstruite à partir des images spectrales visibles restaurées. Au meilleur de notre connaissance, c’est la première fois que la technique de ’inpainting’ a été mise en place pour la restauration d’IDH ultispectrales. Les résultats expérimentaux sont prometteurs, et notre objectif, en collaboration avec la BAnQ (Bibliothèque et Archives nationales du Québec), est de rendre disponible les documents du patrimoine dans le domaine public et de construire un moteur intelligent pour y accéder. Il est utile de noter que le modèle proposé peut être étendu à d’autres applications basées sur les images MS. Notre troisième contribution, qui consiste à considérer un nouveau problème d’estimation de DR, est présentée afin de montrer l’importance de travailler avec des images MS plutôt que des images en niveaux de gris ou en couleur. Les DR sont nécessaires pour comparer différents algorithmes de binarisation, et ils sont habituellement générés par un expert. Cependant, les DR d’un expert sont toujours sujettes à des erreurs d’étiquetage et de jugement, en particulier dans le cas des données dégradées traitées dans des espaces de représentation restreints (images en niveaux de gris ou couleur). Dans la méthode proposée, plusieurs RD générées par plusieurs experts sont utilisées en combinaison avec l’image de document MS pour estimer une nouvelle RD plus précise. L’idée est d’inclure la fidélité de données multivariée et le degré de consensus des experts à propos des étiquettes dans un cadre unique de classification Bayésien pour estimer la probabilité a posteriori des nouvelles étiquettes formant la RD finale à estimer. Nos expériences montrent que les RD estimées sont plus précises que celles générées individuellement par l’expert. Au meilleur de notre connaissance, aucun travail similaire, combinant les RD générées par un expert et les données MS, a été effectuée pour l’estimation des RD.

Date	28 juin 2013
langue originale	Anglais américain
Établissement diplômant	École de technologie supérieure
Superviseur	Mohamed Cheriet (Directeur(-trice))