Bio Image Analysis.ORG

Description : La détection de texte est une tâche majeure dans le domaine de la vision par ordinateur. Les applications sont diverses: l'indexation automatique du contenu, l'assistance aux déficients visuels, la lecture de plaques d'immatriculations, l'effacement de sous-titres dans des vidéos, etc. Et bientôt on pourra lire son journal les yeux fermés grâce aux google glass ! C'est une tâche très difficile du fait de la variabilité du texte présent dans notre quotidien (par exemple dans un environnement urbain: panneaux routiers, vitrines, annonces, etc). Aucune hypothèse ne peut être faite sur l'apparence du texte: la couleur, la forme, l'orientation, le style, la position, l'éclairage, les déformations de perspective, etc. Afin d'améliorer notre existante chaîne de détection du texte (et donc l'extraction du texte et par la suite sa lecture grâce à un OCR), nous souhaitons y ajouter une étape de pre-localisation. Le but de cette étape est de sélectionner une sous partie de l'image qui sera l'entrée de la chaîne de détection de texte. Ainsi, les zones qui ne sont évidement pas du texte (par exemple les motifs répétitifs) ne seront pas analysés ce qui permettra de gagner du temps de calcul (qui dans le cadre de la vidéo peut vite être contraignant).

Pré-requis : Connaissance d'une bibliothèque de traitement d'images (si possible en C++), notion d'apprentissage

Travail demandé : L'objectif de ce projet est de proposer, d'étudier et d’implémenter plusieurs descripteurs de textures (la DCT avait été étudiée par exemple) afin de classifier (par des approches d'apprentissage par exemple) une image en deux zones: texte et non-texte. Il faudra privilégier une approche qui conserve tout le texte et qui élimine le plus de faux-positif possible (zones de non-texte classifiés comme du texte) afin de ne perdre aucune zone de texte en entrée de la détection.