Proposition sujet 1 tatouage biométrique Encadrant : Pr. Najoua
Transcription
Proposition sujet 1 tatouage biométrique Encadrant : Pr. Najoua
Proposition sujet 1 : Développement d’une approche intelligente de tatouage biométrique pour la sécurisation de l’empreinte digitale Encadrant : Pr. Najoua Essoukri Ben Amara, Amara [email protected] Structure d’accueil : SAGE-ENISo ENISo, Equipe SID -Signal, Image, Document L’empreinte digitale est l’une des modalités biométriques les plus utiliséess à travers le monde pour la vérification de l’identité des individus. individus Pour des raisons de sécurité, l’utilisation l de l’empreinte digitale s’est est répandue comme moyen, parmi les plus fiables,, d’authentification des personnes pour le contrôle d’accès d notamment [XUN12]. L’intégratio intégration récemment des empreintes digitaless dans le passeport pour la vérification de son authenticité et l’identité de son titulaire, dans les es sites web, les smart phones…témoigne phones de l’’efficacité de cette technologie en reconnaissance des personnes [YAM15]. Dans le cadre de ce projet de master, master il s’agit d’améliorer une approche che de tatouage de l’empreinte digitale d’une une personne par son visage [RZO14]. Le tatouage est effectué dans da le domaine multi-résolution, l’idée idée étant d’utiliser d une technique pour le calcul du pas des de bits secrets à cacher dans chaque bloc. bloc Un algorithme d’optimisation (PSO ou GA ou LASSO) sera adopté pour trouver les meilleurs endroits des coefficients dans lee bloc où les données secrètes de l'image du visage pourraient p être intégrées, s, de sorte que la distorsion dans l'image l'imag produite hôte soit minimale. L’approche L devrait améliorer la force d’intégration du tatou sans pour autant toucher aux caractéristiques de l’image originale. Références [XUN12] T. Xunqiang, X. Yang, Y. Zang, Zang X. Jia, J.Tian, "A novel measure of fingerprint image ima quality using Principal Component Analysis(PCA)," Biometrics (ICB), 2012 5th IAPR International Conference on , vol., no., pp.170,175, March 29 2012-April April 1 2012 [KHA 13] A. Ben Khalifa, L. Rzouga, N. Essoukri Ben Amara. ara. Wavelet, Gabor Filters and Co-occurrence Co Matrix for Palmprint Verification, International Journal of Image, Graphics and Signal Processing, Vol.5, No.8, 2013, pp. 1-8. [RZO14] L. Rzouga Haddada, B. Dorizzi, N. Essoukri Ben Amara “Watermarking Signal Fusion in Multimodal Biometrics”, IEEE IPAS’14: The International Image Processing application and system Conference 2014. SAGE, Ecole Nationale d’Ingénieurs de Sousse, www.sage-eniso.org , Tél : 73 369 500/502 Fax : 73 369 506 Proposition sujet 2 : Développement ppement des d systèmes de reconnaissance dees textes dans les journaux-télévisés télévisés Arabe en utilisant la base de données AcTiV Encadrants : Najoua Essoukri Ben Amara, [email protected] Dr. Mme. Sameh Masmoudi Touj, Touj [email protected] Structure d’accueil : SAGE-ENISo ENISo, Equipe SID -Signal, Image, Document Contexte et objectifs Avec l’augmentation massive de la production de données multimédias, l’accès à ces dernières devient problématique et doit passer par une indexation efficace des contenus. Le texte incrusté dans les vidéos est une source d’information fondamentale pour les applications d'indexation et de traitement automatique des documents multimédia. En général, il est classé en deux catégories: texte de scène et texte artificiel. Comparé au texte de scène, le texte artificiel peut fournir une brève et directe description de contenu vidéo (sous-titres, (sous titres, lieux, noms, évènement, …). Accéder à l’information textuelle dans la vidéo ne va cependant pas sans poser de problèmes. Cette information est généralement noyée dans le reste de l’image. Il est donc généralement impossible d’utiliser un système OCR classique sur des images de flux vidéos, celui-ci ce ci n’étant pas en mesure de distinguer le texte du reste de l’image. Travail demandé Il s’agit de contribuer au développement d’un système automatique de reconnaissance des de textes en utilisant la base AcTiV (Arabic Text in Video) [1] qui se compose de 80 vidéo clips collectés à partir de 4 chaines TV différentes. différentes Les principales étapes à entreprendre sont les suivantes: • Etude de l’état de l’art des différentes approches de la reconnaissance de texte arabe dans les vidéos [4]. • Etude de l’état de l’art des de : (1) différentes caractéristiques « conçues manuellement » pour la reconnaissance de texte [2] et (2) Modèles d’apprentissage automatique de caractéristiques (i.e. les Machines de Boltzmann restreintes<RBMs> <RBMs> et les auto-encodeurs profonds convolutionnels <SCAE>). • Utilisation des SCAEs pour l’apprentissage non supervisé profond des caractéristiques. • Développement des systèmes de reconnaissance. • Evaluation avec la base de données AcTiV. References [1] O. Zayene, J. Hennebert, S. M. Touj, R. Ingold and N. E. Ben Amara, “A Dataset for Arabic Text detection, tracking and recognition in news Videos_AcTiV”, International Conference on Document Analysis and Recognition (ICDAR), (ICDAR) 2015. [2] O. Zayene, “Contribution ion à la reconnaissance de l’écriture Arabe à très basse résolution”, résolution” Master thesis, 2012. [3] F. Slimane, O. Zayene, S. Kanoun, A. M. Alimi, J. Hennebert, R. Ingold “New features for f complex Arabic fonts in cascading recognition system”, International Conference nference on Pattern Recognition (ICPR), 2012. SAGE, Ecole Nationale d’Ingénieurs de Sousse, www.sage-eniso.org , Tél : 73 369 500/502 Fax : 73 369 506