CHAPITRE V : IMPLEMENTATION ET EVALUATION
EXPERIMENTALE
Interprétation et Conclusion
Dans ce chapitre, il était question de présenter
les résultats du dernier point des travaux à réaliser
comme défini dans le cahier des charges qui consiste à charger
quatre images prises au hasard et leur appliquer tout abord une compression par
ondelettes puis par curvelets et comparer les résultats. Pour cela, nous
nous sommes appuyés sur quelques critères : le taux de
compression exprimé en ratio, le temps d'exécution exprimé
en seconde(s), l'erreur quadratique moyenne sans unité mesurant la
distorsion entre l'image originale et celle compressée (troisième
colonne) et enfin dans la dernière colonne le Peak signal noise ratio
PSRN exprimé en db renseignant également sur la distorsion de
l'image et généralement utilisé par les
développeurs pour apprécier la qualité de compression.
Pour comparer les résultats, nous avons ainsi procédé :
Pour chaque image et pour chaque transformée, grâce à
l'outil slider de MATLAB, nous avons fixé une valeur seuil qui, par un
seuillage dur devra fournir pour les deux transformées un taux de
compression identique. Les résultats obtenus sont celles
observées sur la figure 12 montrant que
· Ondelette est en moyenne vingt fois plus rapide que
curvelets dans la compression d'une image et semble mieux adaptée pour
les applications en temps réel.
· Les mesures de distorsion sont fonctions de l'image
compressée et ne renseignement pas toujours directement sur la
qualité visuelle de l'image mais sur la corrélation entre l'image
originale et celle compressée, néanmoins les résultats
sont flagrants et montrent que pour un même taux de compression le PSNR
est plus élévé pour une compression suivant curvelets que
celle suivant ondelettes.
· Une évaluation statistique basée sur une
analyse psycho-visuelle montre que la compression par curvelets fourni un taux
moyen de compression plus élevée que celle par ondelettes.
Rapport Rédigé et présenté
par SIMO TEGUEU et EMBOLO AURELIEN Page a
BIBLIOGRAPHIE
CONCLUSION GENERALE
Le projet de fin d'études intitulé
«Compression d'images fixes : comparaison de la méthode de
curvelets et celle par ondelettes » proposé par M. DJIMELI Alain et
Dr. TCHIOTSOP Daniel est celui auquel nous avons accordé un
crédit intellectuel dont l'atteinte des objectifs était
conditionnée par le respect fidèle des prescriptions qui nous ont
été soumises à travers le cahier des charges consistant
dans un premier temps à présenter une revue des
différentes méthodes de compression d'image où nous avons
à travers le chapitre I présenté pour chaque classe de
compression sans et avec perte les méthodes qu'y sont rattachées,
dans un second temps à faire une étude théorique de la
décomposition en ondelettes et ressortir les avantages par rapport
à la décomposition de Fourrier où nous avons à
travers le chapitre II retenu que l'analyse par ondelettes est adaptée
à une plus grande diversité d'applications et de signaux à
l'instar des signaux stationnaires mais que l'analyse de Fourrier reste une
alternative parfois plus satisfaisante, dans un troisième temps à
faire une étude théorique de la décomposition en curvelets
et trouver les avantages par rapport à la décomposition en
ondelettes, où il ressortait du chapitre IV que les ondelettes
séparables sont isotropes et ne peuvent donc pas capturer, par exemple,
la régularité d'un contour dans une image et le nombre
d'orientations est limité et fixe, les contours sont redondants d'un
niveau de résolution à un autre, dans un quatrième temps
se familiariser avec la boîte à ondelette et de curvelets de
Matlab (l'installer si elle n'existe pas, faire une décomposition
d'image, manipuler les coefficients ...), ce qui a été fait et
s'exprime à travers les figures 8, 10 et 12 et enfin quatre images de
test choisies au hasard doivent être compressées par les
ondelettes en premier et par les curvelets avant de pouvoir faire une
comparaison , où nous avons développé sous Matlab une
plate forme dynamique présentant les critères d'appui de
comparaisons tels que le taux de compression, la durée de compression,
le PSNR et le MSE et donc les résultats et leurs interprétations
sont présentés au chapitre V.
Au terme de ce projet, retenons que malgré les
réussites des divers étapes indispensables à la
réalisation de ce rapport nous avons concentré un maximum
d'énergie pour surmonter certaines difficultés telles que tout
d'abord le concept d'Analyse Multiresolution, ensuite la modélisation
d'une décomposition en ondelettes en bancs de filtres numériques
favorisant ainsi sa gestion algorithmique à l'instar de celui de haar et
enfin la conception modulaire de la plate forme dynamique pour
l'appréciation des résultats.
Rapport Rédigé et présenté
par SIMO TEGUEU et EMBOLO AURELIEN Page b
| 
