Compression de données Compression des images

INTRODUCTION

1 - PROBLÉMATIQUE

• 1.1 - Présentation de l’étude
• 1.2 - Information de source
• 1.3 - Théorème du codage de source sans bruit
• 1.4 - Compression avec distorsions
  Figure 1 - Courbe débit - distorsion Figure 2 - Calcul des critères EQM et PSNR à partir d’une image originale
• 1.5 - Le codage de source et de canal
  Figure 3 - Schéma fonctionnel d’un processus complet
• 1.6 - L’image en couleur
  Figure 4 - Représentation de la couleur

2 - MÉTHODES SANS DISTORSION

• 2.1 - Codes à longueurs variables
  Figure 5 - Algorithme de décodage du code S donné par le tableau Tableau 1 - Exemple des symboles d’une source S et des mots binaires correspondants
• 2.2 - Codage arithmétique
  Figure 6 - Algorithme du codage arithmétique Figure 7 - Codage arithmétique : exécution de l’algorithme de la figure pour l’exemple de l’alphabet de quatre symboles donné tableau Tableau 2 - Valeurs des probabilités d’un alphabet de quatre symboles
• 2.3 - Codage par plage
• 2.4 - Algorithme Lempel-Ziv
  Figure 8 - Exemple d’une table de traduction après initialisation Figure 9 - Logo de l’ENST Figure 10 - Exemples d’images Tableau 3 - Codage des premiers mots du texte de l’exemple

3 - MÉTHODES AVEC DISTORSIONS

• 3.1 - Quantification scalaire
  Figure 11 - Principe de quantification scalaire Figure 12 - Densité de probabilité des niveaux de gris d’une base de données d’images toutes sous-exposées Figure 13 - Quantification scalaire non uniforme adaptée au signal
• 3.2 - Quantification vectorielle
  Figure 14 - Principe de quantification vectorielle Figure 15 - Codage d’une image par quantification vectorielle Figure 16 - Quantification vectorielle dans l’espace des couleurs Figure 17 - Exemple d’une image décomprimée après quantification vectorielle
• 3.3 - Prédiction linéaire
  Figure 18 - Exemple de prédiction linéaire : le MICDA
• 3.4 - Transformation en cosinus discrets ou DCT
  Figure 19 - Transformation linéaire : exemple d’un signal acoustique Figure 20 - Schéma fonctionnel d’une transformation linéaire inversible Figure 21 - Compression par transformation linéaire : parties compression et décompression
• 3.5 - Fractales
  Figure 22 - Exemple d’une image décodée par transformation linéaire en DCT Figure 23 - Répartition des coefficients annulés pour l’image décodée de la figure 22 Figure 24 - Exemple d’homothétie dans une image de scène naturelle Figure 25 - Exemple d’application d’affine contractante : cercle comme image de départ Figure 26 - Exemple d’application d’affine contractante : image de départ autre qu’un cercle Figure 27 - Triangle de Sierpinski Figure 28 - Schéma fonctionnel d’un codage d’image par IFS Figure 29 - Théorème du collage : exemple d’opération effectuée par le codeur Figure 30 - Théorème du collage : exemple d’opération effectuée par le décodeur
• 3.6 - Compensation de mouvement
  Figure 31 - Schéma fonctionnel d’un codage d’image par prédiction temporelle Figure 32 - Compensation de mouvement : exemple d’image avec vecteurs déplacements et objets auxquels ils sont attribués

4 - QUELQUES CRITÈRES DE CHOIX EN COMPRESSION DE DONNÉES

• 4.1 - Données informatiques
• 4.2 - Signaux d’images