Compression d'image animmée par le codage EZW 3D

Conclusion générale

Nous avons étudié une méthode de compression d'images basée sur l'utilisation de TOD 3D (la transformée en ondelettes tridimensionnelles) et le codage hiérarchique EZW 3D (Embedded Zerotree wavelet 3D).

Ce travail se base sur l'utilisation de ce codeur sur différent transformée en ondelettes (Haar, daubechies, Biorthogonale) et leur influence sur des séquences d'images biomédicale (IRM) sur le plan qualitatif et quantitatif.

Cette étude nous a permit d'obtenir des résultats satisfaisants de point de vue PSNR (rapport signal sur bruit) et taux de compression (qui peut attendre 90%).

Notre travail a été appliqué et analysé sur des images 3D « deux séquences d'images biomédicales » .Le codeur EZW à la propriété de la transmission progressive des données. Il permet aussi le choix entre une compression conservatrice ou non selon le choix du seuil de signifiance.

La qualité des images reconstituées peut être améliorée en utilisant progressivement plus de coefficients d'ondelettes. Ceci est possible car le codage EZW permet de classifier ces coefficients par ordre décroissant d'importance. Notons aussi que la séquence de transmission des coefficients d'ondelettes dépend des résultats désirés. Pour avoir une image reconstituée qui ressemble a l'image originale, il faut transmettre au début des coefficients d'ondelettes importants qui contribuent à faire apparaître sur l'image reconstituée les informations de hautes fréquences comme les bords et par la suite, des coefficients d'ondelettes de moindre importance qui à leur tour contribuent à faire apparaître sur l'image reconstituée les informations de basses fréquences comme des zones de niveaux de gris constants.

En perspectives nous proposons:

· D'utiliser un autre langage de programmation tel que le langage C. Parce que la programmation du schème de compression utilise énormément de structures et

la programmation par TM

MATLAB n' y est pas adaptée.

· L'Application d'un codage arithmétique sur le flux à transmettre.

Chapitre 1

[1.1] http://fr.wikipedia.org/wiki/Image_num%C3%A9rique

[1.2] http://danjean.developpez.com/video/signal-video-numerique

[1.3] http://fr.wikipedia.org/wiki/MPEG-1 [1.4] http://fr.wikipedia.org/wiki/MPEG-2 [1.5] http://fr.wikipedia.org/wiki/MPEG-4 [1.6] fr.wikipedia.org/wiki/MPEG-7

[1.7] http://fr.wikipedia.org/wiki/MPEG-21

[1.8] http://fr.wikipedia.org/wiki/Compression_de_donn%C3%A9es

[1.9] http://fr.wikipedia.org/wiki/Compression_d%27image

[1.10] fr.wikipedia.org/wiki/Compression_vidéo

Chapitre 2

[2.1] S.Mallat,(1989). Multifrequency channel decomposition of images and wavelet models. IEEE Transactions and Acoustics. Speech and Signal Processing, 37(12),pp (2091-2110). [2.2] Alpert B.K., (1992). Wavelets and Other Bases for fast Numerical Linear alagbra. Acadernic Press.

[2.3] Bourges-Sévenier Mikael, (1994). Wavelib 1 .O User's guide. IRISA/INRIA, Campus de Beaulieu, 35042 RENNES, France.

[2.4] S. Mallat, (1989). A theory for multiresolution signal decompostion : The wavelet representation. IEEE Trans Pattern analvsis and machine Intellinence,ll, pp. 674- 693

[2.5] Grossmann, A., Morlet, J., (1987). Math. & Phys., Lectures on recent results. L.Streit, World Scientific.

[2.6] Beylkin G., Coifman R. and Rokhlin.,(1991). Fast Wavelet Transform and Numericals Algorithms. Communications on Pure and Applied Mathematics, XLIV, pp. 141-183.

[2.7] Battle G., (1987). ABlock Spin construction of Ondelettes. Comm. Math. Phvs., 110, pp. 601-615.

[2.8] Antonini M., Badaud M., Mathieu P. and Daubechies I., (1992). Image Coding Using Wavelet Transfom. IEEE Transactions on image Processinq, i(2), pp. 205-220.

[2.9] Belfiore J.C. and Vallet R., (1992). Apport des Modulation fractales pour les Canaux à Évanouissements.

[2.10] Chui C.K., (1992). An introduction to Wavelets. Academic Press.

[2.11] Chui C.K., (1992). Wavelets : A Tutorial in the Theorv and Applications. Academic Press.

[2.12] Coifman R.R., Meyer Y., Quaks S. and Wickerhauser M.V., (1990). Signal Processing and Compression with Wave Packet. Num. Algo. Research Group,Dept of Math. Yale University.

[2.13] Coifman R.R and Wickerhauser MeV., (1990). Entropy-based Algorithms for Best Basis Selection. IEEE Transaction on Information Theory, 38(2), pp. 7 13-7 18.

[2.14] Coifman R.R and Wickerhauser M.V., (1990). Best adapted wave Packed bases Num. Algo. Research Group, Dept of Math. Yale University.

[2.15] Bond D.M. and Vavasis S.A., (1994). Fast Wavelet Transforms Matrices Arising from Boundarv Element Methods.

[2.16] Alpea B.K., (1993). A Class of Banes in ²

I for the Sparse Representation of Integral

Operators SIAM J. Math. Ad., 3(1), pp. 246-262.

Chapitre 3

[3.1] Shapiro, J.M.(1993), Embedded image coding using zerotrees of wavelet coenicients, IEEE Trans. On signal processing, 4 1 (1 2), pp.3445-3456.

[3.2] Said, A., Pearlman, W. (1996) New, fast and efficient image codec based on set partitioning hierarchical trees, IEEE Trans. Cire.& Sys. Video Tech, vo1 .6 no.3, pp. 243-249.

Chapitre 4

[4.1] Un schéma de compression avec pertes efficace pour les images médicales volumiques. [4.2] Z.Athmane Compression d'images en mouvement par la transformée en ondelettes. [4.3] Beong-Jo Kim and William A.pearlman, ( An Embedded wavelet video Coder Using

Three-Dimensional Setprtitioning in hiérarchical trees ( SPIHT) ) .

[4.4] Y.chen and W. A.pearlman « Three-dimension Subband Coding of video using the zerotree methode in visual communications and image precessing « Prov SPIE2727 pages 1302-1309 mars 1996.