Soutenance mémoire
Avec l’utilisation des appareils numériques tels que scanner, appareils photo, le besoin de stocker davantage se fait ressentir de plus en plus. Ainsi, les encyclopédies les plus complètes comportent environ 25000 mille pages, contenant des textes et des images. Si on estime à 1 Mo la taille d’une page scannée, l’espace de stockage total nécessaire sera alors de 25 Go. Même s’il existe aujourd’hui des mémoires de stockage de masse de grande capacité, le besoin de stocker s’avère encore insatisfait. Une des solutions à ce problème est le recours à des techniques de compression d’images fixes.
Devant ces faits, des chercheurs ont concentré leurs études sur de nouvelles méthodes de compression d’images. Les plus classiques étaient les méthodes de compression basées sur les codages sans perte ou avec perte : par exemple la compression de Huffman, ou dans le domaine transformé tel que la DCT. Plus tard, il y avait JPEG, JPEG 2000. Malgré les performances de la compression JPEG, elle n’est pas la meilleure car, entre autres, la transformation T.C.D. n’est pas optimale au sens de la décorrélation. C’est pourquoi, on va essayer dans ce travail de remédier à ces inconvénients de JPEG en utilisant la TKL dans une chaine de compression comme une transformation optimale. Ainsi, notre travail se porte sur « La compression d’images fixe couleur avec la méthode la TKLH ». La transformée de Karhunen est une méthode optimale de codage des images au sens de l’erreur quadratique moyenne. On ne trouve dans la littérature qu’une méthode adaptive dans le domaine spatiale. De nombreuses autres méthodes de codage sous-optimales ont été développées pour éviter les problèmes liés à la transformée avec l’analyse factorielle de données. De telles méthodes ont des performances inférieures à la TKL bien du point de vue de la qualité visuelle que de l’erreur quadratique moyenne.
GÉNÉRALITÉS SUR L’IMAGE ET LE TRAITEMENT D’IMAGE
Le traitement d’image est une étape à la fois importante et secondaire. Importante, parce qu’il faut bien connaître les processus de traitement pour tirer la quintessence de l’image. Secondaire parce que cette quintessence n’est pas créée par le traitement mais par la qualité de prise de vue. On ne dira jamais assez que la qualité d’une image est surtout le résultat d’étapes très classiques comme la collimation du télescope, la focalisation, le réglage de la webcam. On ne sera donc pas étonné du peu de longueur de la partie consacrée à la révélation des détails, car si la prise de vue est réussie, il ne reste plus grand-chose à faire au cours du traitement. D’une manière générale, plus une prise de vue est réussie, et moins l’image nécessite un traitement compliqué. Les longs scripts de traitement sont toujours révélateurs d’une prise de vue non optimale (que ce soit à cause des erreurs de l’observateur ou bien des conditions d’observation qu’il ne maîtrise pas). Le traitement d’image ou encore amélioration des images pour l’interprétation par un observateur humain permet une meilleure visualisation de l’image .
Définition de l’image
– Une image est un ensemble structuré d’informations qui, après affichage sur l’écran a une signification pour l’œil humain.
– Elle peut être décrite sous la forme d’une fonction ?(?, ?) de brillance analogique, définie dans un domaine borné tels que ? et ? sont les coordonnées spatiales d’un point de l’image. Sachant que ? est une fonction d’intensité lumineuse et de couleur. Sous cet aspect l’image est inexploitable par ordinateur, ce qui nécessite sa numérisation [1].
Image numérique
– Une image numérique est obtenue après numérisation d’une image analogique (Echantillonnage, Quantification, codage).
– Une image numérique est une image dont la surface est divisée en éléments de taille fixe appelée cellule ou pixel. Chaque pixel ayant chacun comme caractéristique, un niveau de gris (??). Ce niveau de gris (pour l’image noir et blanc) ou couleur prélevée à l’emplacement correspondant dans l’image réelle ou calculée à partir d’une description interne de la scène à représenter.
– La numérisation d’une image est la conversion de celle-ci, c’est-à-dire de son état analogique en une image numérique représentée par une matrice bidirectionnelle de valeur numérique?(?, ?). Mais dans ce cas-là, ? et ?: sont des coordonnées cartésiennes d’un point de l’image ?(?, ?).et ??: niveau de gris en ce point.
– Chaque élément ?(?, ?) représente un pixel de l’image et sa valeur est associée à un niveau de gris codé sur ? bits [1]. La valeur en chaque point exprime la mesure d’intensité lumineuse perçue par le capteur.
Image vectorielle
– Une image vectorielle ou image en mode trait, est une image numérique composée d’objets géométriques individuels.
– Par exemple, un segment de droite, polygones, arcs de cercle. Ceci définit chacun par divers attributs de forme, de position de couleur.
– Elle se différencie en cela des images matricielles qui elles sont constituées de pixels. L’intérêt est de pouvoir redimensionner l’image à volonté sans aucun effet d’escalier [2].
Image matricielle
– Une image matricielle ou carte de points, en anglais « bitmap », est une image constituée d’une matrice de points colorés.
– Cette image matricielle est constituée d’un tableau, d’une grille, ou chaque case possède une couleur qui lui est propre et est considérée comme un point. Il s’agit donc d’une juxtaposition de points couleurs formant, dans leur ensemble, une image. Les points de couleurs constituant l’image s’appellent des pixels [2].
Image à niveau de gris
– Le niveau de gris est la valeur de l’intensité lumineuse en un point.
– La couleur du pixel peut prendre des valeurs allant du noir ou blanc en passant par un nombre fini de niveau intermédiaire [0 255].
– Pour représenter les images à niveaux de gris, on peut attribuer à chaque pixel de l’image une valeur correspondant à la quantité de lumière renvoyée.
– Chaque pixel est codé sur 8 bits et peut prendre une valeur comprise entre 0 et 255. Pour cela, il faut que le matériel utilisé pour afficher l’image soit capable de produire les différents niveaux de gris correspondant.
– Le nombre de ?? dépend du nombre de bits utilisé pour décrire la couleur de chaque pixel de l’image. Plus ce nombre est important, plus les niveaux accessibles sont nombreux [1].
Colorimétrie et espace de représentation
– Un espace couleur, ou système de représentation, se définit par le choix des primaires utilisées et du blanc de référence qui fixe leurs valeurs unitaires.
– Il peut être défini quatre familles de systèmes de représentation :
o les systèmes de primaires,
o les systèmes luminance-chrominance,
o les systèmes liés à la perception humaine et
o les systèmes d’axes indépendants
– Des versions normalisées de ces systèmes sont proposées par la CIE. Les données étant définies dans un espace de dimension supérieure à 1, il est assez naturel de se poser la question du choix de l’espace dans lequel les traitements vont être effectués.
Faut-il travailler dans l’espace initial où sont obtenues les données, ou, au contraire, faut-il chercher un espace mieux adapté aux traitements envisagés. La réponse à cette question n’est pas unique et dépend bien sûr de la nature des images et des traitements que l’on désire effectuer. Les deux raisons essentielles suscitant la recherche d’un nouvel espace de travail sont :
– la volonté de réduire la dimensionnalité de l’espace initial des données ou bien
– la recherche d’un espace mettant en relief les informations nécessaires à l’élaboration des traitements.
La réversibilité de la transformation permettant de se projeter dans le nouvel espace, peut être un élément guidant le choix de la transformation, car elle permet, après traitement, de retrouver une image de même nature que l’image initiale [5].
|
Table des matières
INTRODUCTION GENERALE
CHAPITRE 1 GÉNÉRALITÉS SUR L’IMAGE ET LE TRAITEMENT D’IMAGE
1.1 Introduction
1.2 Définition de l’image
1.3 Image numérique
1.4 Image vectorielle
1.5 Image matricielle
1.6 Image à niveau de gris
1.7 Couleur
1.7.1 Définition de la couleur
1.7.2 Longueur d’onde de la couleur
1.8 Image couleur
1.8.1 La lumière
1.8.2 L’espace de couleur RGB
1.8.3 L’espace de couleur XYZ
1.8.4 L’espace de couleur HSV
1.8.5 L’espace Lab
1.9 Colorimétrie et espace de représentation
1.9.1 Matrice de couleur
1.9.2 Perception psychovisuelle de l’image
1.10 Caractéristique de l’image
1.10.1 Pixel
1.10.2 Dimension
1.10.3 Résolution
1.10.4 Bruit
1.10.5 Histogramme
1.10.6 Contour et texture
1.10.7 Luminance
1.10.8 Contraste
1.10.9 Région
1.11 Système de traitement d’image
1.11.1 Acquisition des données images
1.11.2 Prétraitement et post-traitement
1.12 Domaine d’application
1.12.1 Méthodes de traitement d’images
1.12.2 Opérateur statistique
1.12.3 Filtrage d’image
1.13 Conclusion
CHAPITRE 2 PRINCIPE ET METHODES DE COMPRESSION D’IMAGE
2.1 Introduction
2.2 Compression d’une image fixe
2.2.1 Principe
2.2.2 Synoptique général d’une chaîne de compression
2.2.3 Système de compression par transformée
2.3 Quantification et codage
2.3.1 Quantification
2.3.2 Codage
2.4 Méthodes d’évaluation d’une chaîne de compression
2.4.1 Outils de mesure d’évaluation
2.4.2 Différents types de mesure d’évaluation
2.5 Conclusion
CHAPITRE 3 MODELE DE COMPRESSION D’IMAGE AVEC TKL
3.1 Introduction
3.1.1 Historique
3.1.2 Transformation de Karhunen-Loeve
3.1.3 Catégories de KLT
3.1.4 Calcul des coefficients de TKL
3.2 Modèle de compression par TKL
3.2.1 Chaîne de compression avec TKL
3.2.2 Algorithme de la compression avec TKL
3.3 La reconstruction de l’image issue de compression par TKL
3.4 Conclusion
CHAPITRE 4 SIMULATION ET EVALUATION DE LA METHODE DE COMPRESSION D’IMAGES AVEC TKLH
4.1 Introduction
4.2 Modèle de compression proposée avec la méthode TKL
4.3 Objectifs
4.4 Modèle de simulation
4.5 Résultats et évaluation de la simulation
4.6 Conclusion
CONCLUSION GENERALE
