Conclusion

1.1 - Décomposition en ondelettes
1.2 - Analyse multirésolution et fonction échelle
1.3 - Pyramide laplacienne et ondelettes
1.4 - Algorithmes de décomposition et de recomposition en ondelettes orthogonales
1.5 - Algorithmes de décomposition en ondelettes des images

Figure 10 - Recomposition de s (x)
1.6 - Application à la compression des images
1.7 - Application à la reconnaissance des formes

Figure 18 - Trame spatiale hexagonale
1.8 - Conclusion sur l’analyse multirésolution

2 - Analyse psychovisuelle de la qualité des images

2.1 - Tests subjectifs d’évaluation de la qualité d’une image de télévision

Figure 25 - Méthode à double stimulus Figure 27 - Allure de la sigmoïde
2.2 - Application à l’évaluation subjective de la qualité des images compressées

Figure 30 - Image « LENNA »
2.3 - Tests d’évaluation de la qualité des images médicales

Figure 33 - Trois types de courbes ROC

3 - Conclusion

Présentation

Auteur(s)

Jean-Paul DUBUS : Ingénieur du Conservatoire national des arts et métiers - Docteur ès sciences - Professeur à l’université des sciences et technologies de Lille

Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.

Lire l’article

INTRODUCTION

Aans le domaine de la productique, comme en mesure et interprétation ou en sécurité et en surveillance, on doit généralement résoudre des problèmes d’analyse statistiques, texturelles et spectrales des images comme techniques préliminaires à l’analyse de données qui conduit à la caractérisation, à la reconnaissance ou au codage de l’information contenue dans les images.

Dans le domaine de l’audiovisuel, on met en œuvre pratiquement les mêmes techniques de traitement d’image qu’en productique. Mais dans ce domaine il faut ajouter des techniques de restauration d’image, de rehaussement de contraste, et de compressions de données.

Dans un premier chapitre nous présentons l’analyse multirésolution des images qui tend à fournir des caractéristiques conjointes spatiales et spectrales. Nous décrivons une application empruntée à la reconnaissance des formes proposée dans le cadre de l’analyse d’une scène routière et une application en compression des images.

En terme de compression d’images, la valeur du taux de compression ne se détermine qu’en tenant compte de la qualité de l’image restituée. C’est la raison pour laquelle, dans un second chapitre, nous décrivons deux procédures de tests normalisés ayant fait l’objet, pour l’une de recommandations de l’UER (Union européenne de Radiodiffusion), pour l’autre d’une convention professionnelle en radiologie.

En conclusion nous citons quelques documents qui développent d’autres exemples d’application de l’analyse du contenu d’une image dont la liste pourrait être très importante.

Cet article est réservé aux abonnés.
Il vous reste 92 % à découvrir.

Pour explorer cet article Consulter l'extrait gratuit

Déjà abonné ? Se connecter

DOI (Digital Object Identifier)

https://doi.org/10.51257/a-v1-r632

Lecture en cours
Présentation

Page
suivante

Analyse multirésolution

Article inclus dans l'offre

"Mesures et tests électroniques"

(79 articles)

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques.

Des contenus enrichis

Quiz, médias, tableaux, formules, vidéos, etc.

Des modules pratiques

Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses.

Des avantages inclus

Un ensemble de services exclusifs en complément des ressources.

Voir l'offre

3. Conclusion

Les méthodes d’analyse que nous venons de présenter peuvent être utilisées hors ligne pour caractériser le signal image. Dans ce cas, le traitement s’effectue sur une station de travail ou un micro-ordinateur. On utilise généralement une base d’outils constituée par un logiciel de traitement. Sans être exhaustif, on peut citer quelques logiciels parmi les plus connus tels que MATLAB^© , MATHEMATICA^© , VISILOG^©...

Nous avons vu que les méthodes d’analyse participaient aussi, dans certains cas, à l’exécution en ligne des traitements utilisés dans les applications. Dans ce cas, l’exécution des tâches doit se faire en temps réel. On peut choisir deux filières de traitement temps réel : une filière câblée ou une filière programmée. La filière câblée met en jeu des circuits numériques réalisés par intégration monolytique ou à l’aide de composants du type FPGA (Field Programmable Gate Array). Mais, en général, les traitements nécessitent un nombre important de données et d’opérations à exécuter. Il est alors nécessaire de mettre en œuvre des architectures numériques programmées composées de processeurs de traitement de signal puissants et rapides. Aujourd’hui, un seul processeur ne suffit plus. On a recours à des architectures multiprocesseurs qui exécutent les calculs sous forme parallèle.

Les images peuvent provenir d’une caméra ou d’une banque d’images récupérées sur un réseau. Lorsqu’elles proviennent d’une caméra, le signal vidéo qu’elle fournit est échantillonné à l’aide d’un numériseur. Il existe un grand nombre de cartes d’acquisition d’images proposées par plusieurs constructeurs. Ces cartes d’acquisition possèdent des processeurs internes qui exécutent des prétraitements tels que des tables de conversion de niveau de gris pour augmenter la dynamique des valeurs des échantillons pris sur le signal vidéo d’entrée. Certaines possèdent une mémoire permettant de stocker les images acquises, d’autres stockent directement les images dans la mémoire vive du sytème de traitement, micro-ordinateur ou architecture multiprocesseur par accès direct mémoire.

Enfin, les applications de traitement d’images ne manquent pas, notamment en robotique ou en télésurveillance. Dans le domaine de la mesure, on peut citer, par exemple, quelques applications...