Soutenance mémoire
Durant ces deux dernières décades, de nombreuses applications de traitements de signaux ont pu émerger grâce à la théorie des ondelettes. Parmi ces applications, la compression de données est un sujet largement développé. La compression de données a pour objectif de réduire la taille des données qui représentent l’information utile. En compression de données de type image, des techniques de compression basées sur la transformée en ondelettes sont utilisées.
D’un autre côté, les dernières évolutions technologiques et numériques, surtout avec l’avènement des smartphones, des appareils photos numériques et d’Internet, ne cessent de générer de grandes quantités d’image haute résolution. Rien que sur le réseau social Instagram par exemple (sans compter les autres réseaux sociaux comme Facebook, Pinterest, etc.), environs 216000 images par minutes sont partagées [1]. A noter que ces images seront pour la majorité, lues ensuite sur des téléphones mobiles qui sont limités et couteux en débits de transmission.
En imagerie médicale, les scans des patients sont devenus une méthode classique, démocratisée ; pourtant, les images médicales peuvent atteindre des gigaoctets par unité sans compression. Sans les techniques de compressions d’images, il serait ainsi impossible d’imaginer comment stocker toutes ces images même avec les innovations technologies de stockage de données de nos jours.
Compression d’image
Représentation d’une image numérique
Une image peut être présentée par une fonction à deux dimensions ?(?, ?), où ? et ? sont des coordonnées spatiales (planaires), et l’amplitude de ? à une paire de coordonnées (?, ?) se réfère à l’intensité de l’image à ce point. Le terme niveau de gris est également utilisé pour indiquer cette intensité sur une image noir et blanc (des couleurs entre le blanc et le noir) .
Une image couleur est généralement, formée de la combinaison de plusieurs images 2D. Par exemple, dans le système de couleur RGB, une image couleur est constituée de trois images composantes (rouge, verte et bleue). De cette façon, la plupart des traitements d’images applicables sur les images à niveaux de gris sont aussi applicables sur les images couleurs ; et c’est pourquoi, dans la plupart des expérimentations, des images à niveaux de gris sont utilisées pour faciliter les études .
Une image, en général (surtout pour les images de scène naturel), est de nature analogique, ce qui signifie que ses cordonnées x et y, ainsi que les amplitudes ? prennent des valeurs réelles continues. Ainsi, numériser une image consiste à numériser les valeurs de ces coordonnées et des amplitudes.
La numérisation des coordonnées s’appelle l’échantillonnage, et la numérisation des amplitudes s’appelle la quantification. Numériser une image consiste donc à échantillonner les coordonnées et à quantifier chaque valeur des échantillons. Quand les valeurs des coordonnées (?, ?) et des amplitudes de ? sont tous à valeurs finies et sont des quantités discrètes, on appelle l’image une image numérique.
Dans le cas d’une image numérique, le point aux coordonnées (?, ?) est appelé pixel, qui signifie picture element.
Le résultat de l’échantillonnage et de la quantification est une matrice de nombres réels, de taille ? × ?, représentant la largeur et la hauteur en pixels de l’image numérique, et où chaque élément (?,?) de la matrice (un pixel) est une quantité discrète représentant l’intensité de ce point.
L’expression ? × ? est également appelé résolution de l’image. Le terme « résolution » est quelque fois utilisé aussi pour indiquer le nombre de pixels par unité de longueur de l’image. La résolution en dpi signifie par exemple dots per inch ou points par pouce.
Compression de données
Une donnée est une représentation de l’information, et la quantité de donnée est mesurable. En général, dans le domaine de la numérique (le cas des images numériques), les données sont mesurées en nombre d’unité binaire (bits). Néanmoins, même si une donnée représente une information, elle est également composée de redondances. L’information est la partie qui doit être toujours préservée sous sa forme originale pour pouvoir bien interpréter la donnée. Les redondances sont les parties des données qui peuvent être enlevées quand c’est inutile ou qui peuvent être réinsérer quand on veut plus d’informations. La compression de données est la technique qui consiste à réduire les redondances dans la représentation des données afin de réduire la quantité de données nécessaire pour l’enregistrer. Réduire la taille de stockage est équivalent à réduire le débit nécessaire pour transmettre la donnée, ce qui signifie réduire également le coût de la transmission. Ainsi, le développement de techniques efficaces de compression de données est toujours un domaine de recherche actif pour le futur des systèmes de communications et ses applications dans le multimédia.
Compression d’image
Définition
La compression d’image est l’application de la compression de données sur une image. Notons que la compression d’image est également appelée codage d’image. En général, pour la plupart des images, si nous choisissons un pixel sur l’image, il y a de forte chance que les pixels le voisinant possède des couleurs similaire ou le rapprochant. La compression d’image est basée sur ce fait que, sur une image, les pixels voisins sont fortement corrélés. Cette corrélation est appelé redondance spatiale. Ce sont ces redondances spatiales qui doivent être réduites lors d’une compression d’image.
Voici un exemple qui montre ce qu’on peut faire avec des pixels corrélés.
La séquence suivant donne l’intensité de 9 pixels adjacents :
12, 17, 14, 19, 21, 26, 23, 29, 41
Cette séquence a une moyenne de 22,44, et aucun des valeurs n’est identique.
En calculant la différence entre les pixels adjacents, on obtient la séquence suivant:
12, 5, −3, 5, 2, 4, −3, 6, 11
Cette nouvelle séquence a une moyenne de 4,33, ses éléments ont des valeurs moins élevées que la donnée originale et 3 paires de valeurs sont identiques. C’est la caractéristique typique d’une compression, puisqu’on a une réduction d’énergie (4,33 de moyenne au lieu de 22,44), des caractères qui se répètent (réduction du dictionnaire), et la valeur maximale que peut prendre un symbole a été réduite (12 au lieu de 41), cela signifie qu’il faut moins de bits pour stocker la nouvelle séquence. Ainsi, la compression d’image se reporte à un processus auquel la quantité de données utilisée pour représenter une image est réduite, afin de réduire le nombre de bits de stockage, et le nombre de bits à transmettre, tout en tenant compte que la qualité de l’image reconstruite doit satisfaire une certaine qualité en fonction du type d’application.
Le but d’une compression d’image est alors de stocker une image dans un format plus compact, c’est-à-dire, une représentation qui requière peu de bits par rapport à l’image originale. La compression des données est possible pour les images parce que, dans leurs formats bruts, elles contiennent une forte redondance de données.
|
Table des matières
INTRODUCTION
Partie I : Contexte général et cadre de l’étude
I. Problématique de l’étude
II. Présentation de la Société « Nouvelle Brasserie de Madagascar »
III. Panorama général des bières
IV. Bières produites par la Nouvelle Brasserie de Madagascar
CONCLUSION PARTIELLE I
Partie II : Etude théorique pour la mise en place du système HACCP de l’unité de brasserie NBM
I. Généralités sur la qualité et les normes pour les bières
II. Démarche HACCP et application dans le contrôle qualité des produits alimentaires
III. Lignes directrices et procédures opérationnelles sur la mise en place du système HACCP
IV. Développement du système HACCP pour la ligne de fabrication de bière de la société NBM
V. Remarques et recommandations sur l’application du système HACCP
CONCLUSION PARTIELLE II
Partie III : Vérification à l’échelle laboratoire de l’efficacité actuelle du système sur les étapes considérées comme CCP
I. Problématique et intérêt de la vérification de l’efficacité du système
II. Méthodologies expérimentales
III. Vérification de l’efficacité des bonnes pratiques de fabrication, des bonnes pratiques d’hygiène et des bonnes pratiques de laboratoire
IV. Contrôles et analyses des résultats
V. Quelques recommandations et suggestions d’amélioration
CONCLUSION PARTIELLE III
CONCLUSION GENERALE
REFERENCES BIBLIOGRAPHIQUES
PARTIES EXPERIMENTALES
ANNEXES
