Approche multi-niveaux pour la recherche de texte par l'exemple dans les images de documents historiques
Abstract
Dans cet article, nous présentons un système d'indexation et de recherche par l'exemple dans les documents, adapté aux images de documents historiques dégradés. Les textes présents dans les documents sont encodés en séquences de primitives, provenant de deux dictionnaires (codebook), qui correspondent à deux niveaux d'analyse différents. L'un exploite les informations provenant des composantes connexes. Le second, plus fin, utilise les glyphes. Un glyphe est un caractère ou un morceau de caractère. Lors de la recherche, une stratégie multiniveaux est exploitée. Le premier niveau et sa description plus grossière des textes est d'abord utilisé. Puis, la recherche peut être affinée si nécessaire, à l'aide du second niveau de primitive. Une méthode de comparaison de chaînes de caractères est ensuite exploitée, et permet de réduire le temps de réponse des recherches de manière significative. Les expérimentations, menées sur des données provenant de divers documents historiques, présentent des temps de réponse très prometteurs, ainsi que des résultats pertinents en présence de dégradation.