Les images sont des documents très importants de nos jours ; Elles comprennent divers informations, qui sont utilisées dans des différents domaines notamment le domaine médicale. Les images médicales ne cessent de se développer en donnant une représentation de plus en plus précise des différentes parties du corps humain. Cependant plus l’image est précise plus la quantité des données engendrées est grande.
Dans une image médicale, il existe souvent une corrélation entre les pixels, d’où l’existence d’une redondance de l’information. Le but de la compression est de minimiser ou supprimer cette redondance.
Le but principal de la compression des images est de réduire la quantité de bits nécessaire pour les décrire tout en gardant un aspect visuel acceptable des images reconstruites. Cette technique nécessitent l’application d’une opération de codage de plus, Elle permet l’exploitation des différentes corrélations spatiales et temporelles.
Les techniques de compression d’image sont classées en deux catégories: compression sans perte et compression avec perte. Le premier type, utilise uniquement le principe de réduction de l’information et n’engendre pas de perte, le deuxième type est exprimé par l’élimination de la redondance qui existe dans les images, ce type est utilisé où une perte négligeable de fidélité est tolérable pour atteindre une réduction considérable du débit binaire.
Contexte médicale et légale
La quantité importante des images volumiques que génère chaque jour un PACS dans un service classique de radiologie se chiffre à plusieurs Téra octets de données en une année [1]. La compression des images devient une nécessité afin d’assurer leur transfert sur des réseaux de débit limité mais également l’archivage (systèmes connus sous le nom de PACS( Picture Archiving and Communication Systems). Pour des raisons médicales (suivi des patients), juridiques (expertises en cas de litige) et afin d’éviter des examens redondants, les clichés médicaux doivent être archivés à plus ou moins long terme. La loi prévoit une conservation des données relatives à un patient durant au minimum 20 ans, même après son dernier contact hospitalier. Pour les problèmes de nature héréditaire, la conservation est illimitée dans le temps . Les coupes des IRMs ont souvent une résolution de 256× 256 pixels qui tend à aller vers 512 × 512 sur du matériel récent et en IRM3D. 512 × 512 est également la résolution la plus courante pour les scanners. Lorsque les coupes ne sont pas compressées, chaque pixel est stocké sur 2 octets (16 bits dont l’utilisation effective varie entre 12 et 16 selon le matériel). L’étude menée dans le PACS d’un département de radiologie montre que la production des scanners a évolué de 19875 coupes par mois en moyenne pour l’année 2000 à 552773 pour l’année 2004, tandis que celle des IRMs s’est plus faiblement accrue de 66315 à 104457. Ainsi en 2004 plus de 3TB ont été produits par les scanners et 657 GB par les IRMs, pour un total de plus de 5 TB produits, toutes modalités d’images confondues. En Janvier 2006, leurs prévisions de production étaient de quasiment 16 TB pour l’année 2010 alors qu’elles n’étaient que de 13 TB 7 mois plus tôt. Les réseaux des hôpitaux souffrent également d’une consultation accrue de ces images volumineuses. Bien qu’il existe une augmentation perpétuelle des capacités de stockage et des débits grâce aux avancées scientifiques, les couts matériels pour le transfert et l’archivage deviennent faramineux. La compression des images volumiques en vue du stockage et/ou d’une transmission efficace est donc un enjeu important [3].
Généralité sur la compression des images
But de la compression
L’objectif de la compression est de résoudre les problèmes de transmission et d’archivage des données numériques. Ces problèmes sont liés au volume très important d’informations numériques acquises quotidiennement en imagerie médicale. Cependant la réduction de ce volume ne doit pas entrainer de modifications dans l’interprétation qualitative des images et la valeur des paramètres représentant l’état de l’organe étudié [4].
Les méthodes de compression et de codage réduisent le nombre de bits par pixel à stocker ou à transmettre, en exploitant la redondance informationnelle dans l’image. Les principaux critères d’évaluation de toute méthode de compression sont [5]:
• La qualité de reconstitution de l’image.
• Le taux de compression.
• La rapidité du codeur et décodeur (codec).
Etape de la compression
Première étape : La décorrélation :
Les pixels composant l’image numérique sont généralement corrélés ceci génère une information redondante qu’il faut exploiter pour la compression afin de diminuer la taille de l’image [6]. En effet, en plus de réorganiser l’information, elle doit représenter les composantes importantes d’un signal avec le moins d’éléments possibles : c’est ce qu’on appelle donner une représentation creuse du signal ou, de manière équivalente, compacter l’énergie [2].
Deuxième étape : La quantification :
Dans le schéma de compression, l’étape de quantification est celle qui dégrade de manière irréversible l’image. Elle est cependant d’une importance capitale dans la réduction du débit binaire [2]. Elle représente une étape clé de la compression. Elle approxime chaque valeur d’un signal par un multiple entier d’une quantité q, appelée quantum élémentaire ou pas de quantification.
Troisième étape : Codage :
Le codage entropique est employé à la dernière étape de la chaine de compression avec pertes [7]. Il consiste à donner la représentation binaire plus compacte de l’entité quantifiée, il existe différents types de codeur utilisés dans la compression d’image notamment, le codeur huffman et le codeur arithmétique. Un codeur doit satisfaire a priori les deux conditions suivantes :
• Unicité : deux messages différents ne doivent pas être codés de la même façon.
• Déchiffrabilité : deux mots de codes successifs doivent être distingués sans ambiguïté.
Classification des méthodes de compression
Les méthodes de compression peuvent se regrouper, en deux classes :
• Les méthodes non destructive (sans perte d’information ou réversible).
• Les méthodes destructive (avec perte d’information ou irréversible).
Les expérimentations menées montrent que généralement les méthodes qui atteignent des taux de compression très élevés sont les méthodes avec distorsion. Par contre, les méthodes sans distorsion engendrent des taux de compression très faibles et ne sont utilisées que dans des applications sensibles telles que les images médicales et les images satellites [8].
Méthodes de codage sans perte
Certaines applications nécessitent une compression sans perte d’information (domaine médical). La notion de codage sans perte d’une source encore appelé codage entropique, a pour objectif d’atteindre une limite théorique du gain de compression caractérisée par l’entropie de la source, dans ce cas, l’opération de quantification n’interviendra pas [9].
|
Table des matières
Introduction Générale
Chapitre I : l’état de l’art sur la compression d’images médicales
I.1. Introduction
I.2. Contexte médicale et légale
I.3. Généralité sur la compression des images
I.3.1. But de la compression
I.3.2. Etape de la compression
I.3.2.1. Première étape : La décorrélation
I.3.2.2. Deuxième étape : La quantification
I.3.2.3. Troisième étape : Le codage
I.4. Classification des méthodes de compression
I.4.1. Méthodes de codage sans perte
A. Codage entropique
Notion de l’entropie
A.1. Codage de Huffman
A.2.Codage arithmétique
B. Codage Lempel-Zif-Welsh(LZW)
C. Codage par répétitions (Run Length Coding RLE)
I.4.2. Méthodes de codages avec perte
I.4.2.1. Codage par quantification
A). Quantification scalaire
B). Quantification vectorielle
I.4.2.2. Codage prédictif
I.4.2.3. Codage par transformée
A. Transformation de Karhunen-Loeve (TKL)
B. Transformation en Cosinus Discrète (TCD)
C. Transformation en ondelettes(TO)
I.4.3. Codages imbriqués
I.4.3.1. Algorithme EZW de Shapiro
I.4.3.2. Set Partitioning In Heirarchical Tree (SPIHT)
I.5. Evaluation de la qualité de la compression
I.5.1. Techniques psychophysiques
I.5.2. Techniques objectives
I.5.2.1. Entropie
I.5.2.2. Taux de compression
I.5.2.3. Mesure de distorsion
Erreur moyenne quadratique (MSE)
Rapport signal sur bruit crête (PSNR)
Rapport signal sur bruit (SNR)
Indice de similarité structurelle (SSIM)
I.5.2.4. Temps de calcul
I.6. Etat de l’art sur la compression des images médicales
I.7. Conclusion
Chapitre II : Compression hybride des images médicales
II.1. Introduction :
II.2. La transformée de Fourier
II.2.1. Transformation de Fourier à fenêtre glissante
II.3. La transformée en ondelettes
II.3.1. Généralités sur les ondelettes
II.3.2. Propriétés Fondamentales d’une ondelette
II.3.2.1. Support compact
II.3.2.2. Moments nuls et oscillation
II.3.2.3. Régularité
II.3.2.4. Symétrie
II.3.3. T RANSFORMEE EN ONDELETTES CONTINUES (TOC)
II.3.4. D ISCRETISATION DE TRANSFORMEE EN ONDELETTES
II.3.5. L’analyse multirésolution
A. Fonction d’échelle
B. Fonction d’ondelette
Les filtres H et G
II.3.6. Généralisation aux images
II.3.7. La biorthogonalité
a. Intérêt
b. Inconvénient
II.4. La transformée de Walsh Hadamard
II.4.1. La transformée de Hadamard
II.4.2. Définition formelle
II.4.3. La transformée de Walsh
II.4.4. Transformée de Walsh 1D
II.4.5. Fonctions de Walsh Bidimensionnelles
II.4.6. Propriétés communes aux transformées de Paley,Walsh et Hadamard
II.5. L‘algorithme de WWT (Wavelet Walsh Transform)
II.6. Conclusion
Chapitre III: Résultats expérimentaux
III.1. Introduction
III.2. Testes et résultats de la compression hybride
III.2.1. Présentation des différents résultats sur les images médicales en niveau de gris
III.2.1.1 : Influence des facteurs de quantification F1 et F2
III.2.1.2 : Le choix d’ondelettes
III.2.1.3. Les principales propriétés de choix d’ondelette
III.2.1.4. Les caractéristiques de l’ondelette bior4.4
III.2.2. Présentation des différents résultats sur les images médicales couleurs
III.2.2.1. Définition d’un espace couleur
III.2.2.1.1. Le codage RGB
III.2.2.1.2. Le codage YCrCb
III.2.2.2. Compression d’image médicale couleur
III.3. Conclusion
Conclusion Générale
Télécharger le rapport complet