Allocations basées modèles et transformée en ondelettes au fil de l'eau pour le codage d'images et de vidéos

Model-based allocations and scan-based discrete wavelet transform for image and video coding

• Auteur / Autrice : Christophe Parisot
• Direction : Michel Barlaud
• Type : Thèse de doctorat
• Discipline(s) : Automatique, traitement du signal et des images
• Date : Soutenance en 2003
• Etablissement(s) : Nice

Mots clés

Mots clés contrôlés

Codage

Ondelettes

Compression d'images

Résumé

Les travaux développés dans cette thèse apportent des solutions à deux des problèmes posés en compression des images et des vidéos dans le domaine ondelettes. Nous proposons de nouvelles méthodes d’allocation de qualité et de débit basées modèles utilisant des distributions Gaussiennes généralisées pour modéliser la densité de probabilité des coefficients d’ondelettes de chaque sous-bande de la transformée. Les algorithmes proposés ont une complexité très faible et leurs performances de compression dépassent, dans un grand nombre de cas, celles du nouveau standard JPEG2000. Pour rendre possible la compression de très grandes images ou de vidées dans des applications qui requièrent un coût mémoire minimum, nous proposons des méthodes pour calculer la transformée en ondelettes au fur et à mesure de leur acquisition. Nous montrons la supériorité de cette approche par rapport aux méthodes de transformation par blocs pour le contrôle de qualité et de débit en codage d’images et de vidéos.

The work presented in this PhD thesis provides solutions for two major problems in wavelet image and video compression. We propose new model-based quality and bit allocation procedures using generalized Gaussian distributions to model the probability density functions of the wavelet coefficient in each subband of the wavelet transform. The proposed algorithms have a very low complexity and their compression performances are better than those of the new standard JPEG2000 in numerous cases. To allow the compression of very large images or videos in applications with minimum memory constraints, we propose methods to compute the wavelet transform simultaneously with data acquisition. We show the superiority of this “on-the-fly” approach against block-based wavelet transforms for quality and rate control in image and video coding.