Segmentation et classification dans les images de documents numérisés. (Segmentation and classification of digitized document images)

Les travaux de cette these ont ete effectues dans le cadre de l'analyse et du traitement d'images de documents imprimes afin d'automatiser la creation de revues de presse. Les images en sortie du scanner sont traitees sans aucune information a priori ou intervention humaine. Ainsi, pour les caracteriser, nous presentons un systeme d'analyse de documents composites couleur qui realise une segmentation en zones colorimetriquement homogenes et qui adapte les algorithmes d'extraction de textes aux caracteristiques locales de chaque zone. Les informations colorimetriques et textuelles fournies par ce systeme alimentent une methode de segmentation physique des pages de presse numerisee. Les blocs issus de cette decomposition font l'objet d'une classification permettant, entre autres, de detecter les zones publicitaires. Dans la continuite et l'expansion des travaux de classification effectues dans la premiere partie, nous presentons un nouveau moteur de classification et de classement generique, rapide et facile a utiliser. Cette approche se distingue de la grande majorite des methodes existantes qui reposent sur des connaissances a priori sur les donnees et dependent de parametres abstraits et difficiles a determiner par l'utilisateur. De la caracterisation colorimetrique au suivi des articles en passant par la detection des publicites, l'ensemble des approches presentees ont ete combinees afin de mettre au point une application permettant la classification des documents de presse numerisee par le contenu.