Type de contrat : postdoc (CDD)

Durée : 12 mois

Localisation : Laboratoire LITIS, Université de Rouen, Technopôle du Madrillet (76)

Encadrants : Laurent Heutte (Professeur, LITIS), Stéphane Nicolas (Maître de Conférences, LITIS)

Contacts : {Laurent.Heutte, Stephane.Nicolas, Pierrick.Tranouez}@univ-rouen.fr

 Description :

Ce postdoc s’inscrit dans le cadre d’un projet franco-anglais (programme européen interrégional Interreg) intitulé DocExplore, visant à l’élaboration d’une plateforme logicielle pour l’étude et la valorisation de documents historiques anciens. Le but est de faciliter le travail des historiens qui étudient ces documents, en leur offrant des fonctionnalités avancées d’analyse d’images et de l ‘écriture, ainsi que des fonctionnalités avancées de recherche d’information par le moyen de technique d’indexation automatique.

Nous avons notamment choisi dans le cadre de ce projet de nous focaliser sur la problématique du word spotting [1][2], qui permet de rechercher les multiples occurrences d’un mot dans l’image d’un document, la requête pouvant être formulée de différentes manières par l’utilisateur : soit en désignant dans l’image un exemple du mot à rechercher (requête image)[3], soit en tapant directement le mot à rechercher (requête texte). Ces différents types de requête impliquent différentes manières de résoudre le problème [4].

L’intérêt de la technique du word spotting est qu’elle facilite l’indexation et la recherche d’information dans des documents historiques numérisés relativement complexes et dégradés, pour lesquels les techniques classiques de reconnaissance automatique des caractères (OCR) ne peuvent s’appliquer.

Les documents que nous avons ciblés pour le projet DocExplore sont principalement des documents manuscrits médiévaux. Parmi ces documents nous avons identifié différents groupes définis par le type d’écriture utilisé, caractéristique d’une époque donnée. Notre objectif est de vérifier la validité des techniques existantes de word spotting vis-à-vis de ces catégories de documents (ou d’écriture), et de proposer des procédures automatiques d'adaptation d'un système existant au niveau de l'état de l'art, aux diverses familles d'écritures qui seront appréhendées au cours du projet, ou d'améliorer les techniques existantes. On pourra pour cela s'appuyer notamment sur les nombreux travaux effectués dans le cadre du projet Graphem[1], sur la caractérisation des écritures [5].

Dans le cadre de ce postdoc de 12 mois,  il s'agira dans un premier temps de faire un état de l’art exhaustif et rigoureux du domaine du word spotting, et des différentes méthodes envisageables, afin de proposer un système performant sur les documents appréhendés par le projet.

Dans un deuxième temps on s'intéressera à la manière de permettre une adaptation automatique à diverses familles d'écritures, permettant ainsi l'évolution du système, ou bien à la manière de sélectionner automatiquement la meilleure approche au regard du type d'écriture présenté au système.

 Les développements pourront être effectués sous Matlab ou dans le langage de programmation de votre choix, mais il pourrait être souhaitable qu'ils soient effectués en Java pour faciliter l'intégration dans la plateforme logicielle qui est elle-même développée en Java.

Profil recherché : Il est souhaitable que le candidat ait des connaissances en traitement et analyse d'image, et en reconnaissance des formes. Quelques connaissances en analyse d'images de documents peuvent également être les bienvenues, ainsi que des compétences solides dans au moins un langage de programmation (C, C++ ou Java) ou en Matlab.

Mots-clés : word spotting, traitement d'image, reconnaissance des formes, analyse de l'écriture, analyse d'image de documents, valorisation du patrimoine

Références bibliographiques:

[1] R. Manmatha, C. Han and E. M. Riseman, "Word Spotting: A New Approach to Indexing Handwriting", CVPR, 1996, pp 631.

[2] Tony M. Rath and R. Manmatha. 2007. Word spotting for historical documents. Int. J. Doc. Anal. Recognit. 9, 2 (April 2007), 139-152.

[3] M. Rusiñol, D. Aldavert, R. Toledo and J. Lladós., "Browsing Heterogeneous Document Collections by a Segmentation-free Word Spotting Method" In Proceedings of the Eleventh International Conference on Document Analysis and Recognition, ICDAR11, pages 63-67, 2011.

[4] S.N. Srihari,  H. Srinivasan, C. Huang and S. Shetty, "Spotting Words in Latin, Devanagari and Arabic Scripts", Vivek: Indian Journal of Artificial Intelligencen vol.16, no.3, pp. 2-9, 2006. 

[5] G. Joutel, V. Eglin, H. Emptoz., "Recherche d'information dans les bases d'images de manuscrits anciens par une caractérisation multi-échelle des écritures", actes de CORIA 2007, Saint Etienne. pp. 413-424, 2007.