Sur la redondance des transformations Mojette en dimension n et en ligne
Auteur / Autrice : | Pierre Verbert |
Direction : | Jean-Pierre Guédon, Nicolas Normand |
Type : | Thèse de doctorat |
Discipline(s) : | Électronique |
Date : | Soutenance en 2004 |
Etablissement(s) : | Nantes |
Ecole(s) doctorale(s) : | École doctorale sciences et technologies de l'information et des matériaux (Nantes) |
Mots clés
Mots clés contrôlés
Résumé
Ce mémoire traite de l'étude de la redondance engendrée par la transformation Mojette, une version discrète et exacte de la transformation de Radon. Dans une première partie, nous présentons des transformations orthogonales, continues ou discrètes ainsi que les frames et nous les illustrons par quelques unes de leurs utilisations dans le domaine du traitement d'image et des réseaux. Nous terminons cette partie en rappelant les résultats déjà établis pour la transformation Mojette qui permet une redondance contrôlable. La deuxième partie de cette thèse est consacrée à l'adaptation de cette transformation à la dimension n. Nous définissons tout d'abord la matrice de projection associée puis la maille dans l'espace projeté, ainsi que le nombre de bins, dans le cas 3D à des fins de visualisation. Nous généralisons les algorithmes et le théorème de la tranche centrale dans le cas n-dimensionnel très utilisé en reconstruction tomographique 2D et 3D. On met en évidence le fait que dans le cas de forme convexe hyperparallélépipèdique, le coût de redondance augmente avec la dimension. Nous décrivons une méthode de génération de supports n-dimensionnels par opérateur morphologique permettant de minimiser le nombre de bins. Mais dans le cas général de formes quelconques, la gestion de la redondance s'avère bien plus délicate. C'est pourquoi nous avons cherché à réduire la redondance en développant une nouvelle version de la transformation Mojette, spécifique aux données binaires : la Mojette Ligne. L'information a priori concernant la nature binaire du support est utilisée de façon à pouvoir réduire le nombre de bins nécessaires à sa reconstruction. Ainsi nous présentons les algorithmes qui lui sont associés et les critères de reconstruction de cette transformation dans une troisième partie. Nous présentons notamment une méthode utilisant des arbres n-aires, dont l'objectif est de sélectionner un ensemble de données répondant à un critère de coût minimal et permettant la reconstruction des données initiales. Nous finissons par exposer quelques possibilités d'utilisation de cette transformée à des fins de stockage et de compression de données intéressantes pour le codage des images et des volumes.