La reconnaissance d’image est une discipline délicate. Elle met en œuvre les plus performants des algorithmes de traitement du signal. Si l’image est nette, et que le sujet de détache bien du fond, les résultats obtenus sont satisfaisants. Par contre, en présence d’une image floue ou de très faible résolution, le problème se complique.

En outre, les machines nécessaires à de tels traitements doivent disposer d’une puissance considérable si l’on veut disposer du résultat rapidement.

Et pourtant, l’être humain est capable de reconnaître un objet, même si son image est très floue, en utilisant pour cela sa « base de connaissance » c'est-à-dire toutes les formes d’objets qu’il a naturellement en mémoire.

C’est sans doute forts de ce constat que plusieurs chercheurs du Massachussetts Institute of Technology ont présenté récemment un nouvel algorithme de reconnaissance d’images floues dont l’exécution est étonnement rapide.

Il fonctionne en effet comme notre cerveau et dispose d’une base de données de plus de 80 millions d’images miniatures à basse résolution, glanées sur le réseau internet par les chercheurs, associées chacune au nom de l’objet qu’elles représentent.

L’algorithme compare alors l’image floue à reconnaître au contenu de cette base de données pour ne retenir que le nom de celle dont elle se rapproche le plus. La méthode semble simpliste mais, de l’avis des chercheurs, les résultats obtenus sont impressionnants.

Aucune application immédiate de ce procédé n’est envisagée pour l’instant mais sa simplicité de mise en œuvre devrait très rapidement lui trouver des débouchés.