Segmentation logique d'images de journaux anciens
Résumé
Les journaux anciens sont des documents riches et complexes, représentant un gisement d'informations pour le lecteur, ainsi qu'un défi pour la communauté des chercheurs en analyse de document. En effet leur structure complexe nécessite de mettre en place des techniques avancées afin de mieux valoriser leur valeur documentaire. Outre les multiples dégradations et déformations du support, ces documents possèdent une grande variabilité de mise en page. Nous tentons d'apporter une réponse à ces difficultés en présentant dans cet article une méthode destinée à la segmentation d'articles dans des journaux anciens. Cette tâche est accomplie à l'aide d'un modèle de Champs Aléatoires Conditionnels permettant d'étiqueter les zones d'intérêt avec un attribut logique. Ces éléments d'intérêt sont ensuite analysés afin de déterminer la structure et l'ordre logique des articles. La méthode repose sur la génération d'une grille de séparation inter articles que l'on applique sur le document de manière récursive, ce qui permet d'appréhender n'importe quel type de mise en page. Les résultats de cette méthode sont évalués sur une base d'images issues du fond du Journal de Rouen. Cette méthode est intégrée dans une chaîne de traitement capable de traiter de grandes quantités de documents et permettant de générer des objets numériques au format METS/ALTO décrivant le contenu physique et l'organisation logique de ceux-ci. Nous souhaitons ainsi ouvrir de nouvelles perspectives de parcours des corpus de journaux anciens.
Origine : Fichiers produits par l'(les) auteur(s)
Loading...