Analyse en composantes indépendantes et compression de données
Auteur / Autrice : | Michel Narozny |
Direction : | Michel Barret |
Type : | Thèse de doctorat |
Discipline(s) : | Sciences appliquées |
Date : | Soutenance en 2005 |
Etablissement(s) : | Paris 11 |
Partenaire(s) de recherche : | Autre partenaire : Université de Paris-Sud. Faculté des sciences d'Orsay (Essonne) |
Résumé
Dans cette thèse nous nous intéressons à l'analyse en composantes indépendantes (ACI) lorsqu'elle est utilisée en compression de données. Nous montrons d'abord que tes transformations d'ACI sont moins performantes que la transformée de Karhunen-Loève (TKL) en codage d'images en niveaux de gris et d'un signal musical, mais plus performantes que la TKL sur certains signaux synthétiques. Dans le cas d'un codage à haut et moyen débits (respectivement bas débit), le débit de compression est obtenu en calculant l'entropie d'ordre 1 (respectivement d'ordre 2,4 et 9) des coefficients transformés. La mesure de distorsion utilisée est l'erreur quadratique moyenne entre le signal d'entrée et le signal décodé. Ensuite nous montrons que pour des signaux non gaussiens la recherche de la transformation linéaire optimale peut se ramener à un problème d'ACI modifié. Deux nouveaux algorithmes, GCGsup et ICAorth, sont proposés pour calculer la transformation linéaire optimale et la transformation orthogonale optimale respectivement. Dans nos simulations, nous montrons qu'il existe des images en niveaux de gris et des signaux synthétiques qui sont codés plus efficacement avec GCGsup et ICAorth qu'avec la TKL. Enfin, nous nous intéressons également à un schéma de codage d'images multicomposantes associant des décompositions en ondelettes pour la décorrélation spatiale avec les transformations retournées par GCGsup et ICAorth pour réduire la redondance spectrale. Dans ce cas, nous n'avons pas eu le temps de trouver des images multicomposantes pour lesquelles les nouvelles transformation permettent d'obtenir des gains de codage significatifs par rapport à la TKL.