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