Transformée en ondelettes et compression numérique des images

Wavelet transform and image coding

• Auteur / Autrice : Marc Antonini
• Direction : Michel Barlaud
• Type : Thèse de doctorat
• Discipline(s) : Sciences de l'ingénieur
• Date : Soutenance en 1991
• Etablissement(s) : Nice
• Jury : Président / Présidente : Claude Jacques Gueguen
• Jury : Examinateurs / Examinatrices : Murat Kunt, Pierre Mathieu
• Jury : Rapporteurs / Rapporteuses : Albert Bijaoui, Claude Labit

Mots clés

Mots clés contrôlés

Codage

Compression d'images

Ondelettes

Résumé

ADans de nombreux domaines, l'image numérisée noir et blanc remplace les images analogiques classiques telles que les photographies, radiographies. . . Cependant, le très grand nombre de données brutes nécessaires pour décrire l'image numérique rend la durée de transmission souvent trop longue et le stockage trop couteux. Il est donc nécessaire de compresser l'information contenue dans celle-ci en en extrayant l'information visuelle qui seule sera codée. Nous proposons un nouveau schéma de compression d'images qui prend en compte les effets de masquage psychovisuels humain à la fois dans le domaine spatial et dans le domaine fréquentiel. Cette nouvelle méthode comporte deux étapes. Premièrement nous utilisons une transformée en ondelettes, introduite par A. Grossmann et Y. Meyer, dans le but de décomposer l'image originale à différentes échelles. Cette décomposition peut être soit dyadique (facteur de résolution 2) et privilégier les directions horizontales et verticales soit avec un facteur de résolution 2 et être alors presque isotrope. Ces transformées sont mises en œuvre à l'aide de filtres à réponse impulsionnelle finie (rif) ou infinie (rii) et maintiennent constant le nombre de données nécessaires pour décrire l'image. Dans une deuxième étape, selon la théorie sur le taux de distorsion introduite par Shannon, les coefficients d'ondelettes sont quantifiés vectoriellement en utilisant un codebook multi résolution. Nous évaluons les performances d'un quantificateur vectoriel par rapport à un quantificateur scalaire, en calculant le gain en distorsion pour différents modèles statistiques de la distribution des coefficients d'ondelettes. Nous effectuons une comparaison, au niveau des résultats de quantification des images de coefficients d'ondelettes, entre les différentes méthodes d'apprentissage lbg et réseau de neurones de Kohonen, ainsi qu'avec de nouveaux quantificateurs vectoriels en treillis introduits par Conway & Sloane. Nous proposons aussi, un algorithme d'allocation des débits binaires dans les différentes sous-images obtenues par la transformée en ondelettes, ainsi qu'un schéma de prédiction inter échelles des coefficients d'ondelettes. Enfin, tous ces résultats théoriques sont validés par des résultats expérimentaux et de nombreuses images traitées (quantifiées-codées) illustrent ce mémoire