Résumé
L'objectif de ce travail est le développement d'une méthodologie optimisée de compression des images fondée sur la théorie des fractales. La compression par fractale est basée sur la détection, la meure et le codage de l'auto-similarité présente dans les scènes naturelles se manifestant en termes de ressemblance entre des structures locales à différentes échelles, orientations et dispositions spatiales. Après un partitionnement adapté de l'image, chaque partie élémentaire est mise en correspondance avec une autre partie d'échelle différente recherchée dans toute l'image. Chaque correspondance est modélisée par une transformation affine locale et l'union de ces transformations appelée Local Iterated Funcion Systems (LIFS) forme le code fractal. En ce qui concerne le schéma de base, des améliorations sont apportée s à différents niveaux. L'influence du choix de la norme utilisée dans la mesure de l'auto-similarité est étudiée et une nouvelle méthode de codage basé sur la norme L͚ est proposée et comparée à celle basée sur a norme Lα. Afin de réduire la complexité du codage par fractale des images pleine résolution, une classification paramétrique des blocs source et destination est faite en utilisant la variance ou la dimension fractales des blocs cible. En ce qui concerne les schémas hybrides (fractale/TCD et fractale / sous bandes), une synthèse complète de l'état de l'art est effectuée. Un e méthode originale de codage par fractale intra-sou s bandes adaptatif est proposée, méthode qui permet de profiter des avantages des deux théories (ondelettes et fractale) pour augmenter les performances de l'algorithme de codage en termes de minimisation de la distorsion et du temps de calcul. En ce qui concerne l'accélération du codage par fractale, un nouvel algorithme de compression hybride fractale/QV/sous-bandes avec une approche non-itérative de classification des blocs source est développé et comparé aux algorithmes d'accélération existants en termes de complexité d'algorithme et temps de codage.
The goal of this work is to develop an optimize method to the image compression based on fractal theory. The fractal coding is based on the detection, the measure and a coding of the self-similarity presented in the natural pictures. It is well known that the quality of decoded images depends directly on the efficiency of the measurement of the self-similarity between objects of the original image. We present two coding schemes based on L͚ and Lα metrics. The performance of these schemes is compared with various standard images in terms •of PPSNR and maximum local distortion. Concerning the hybrid schemes, we propose a new image compression scheme based on fractal coding of the coefficients of a wavelet transform, in order to take into account the advantages of the two theories (wavelet and fractal) and the self-similarity observed in each sub band. Concerning the acceleration of the fractal coding, a new approach using a hybrid fractal/QV / sub band coding scheme is developed and compared. This approach uses a fast non-iterative algorithm for black clustering in order to code a wavelet • transform coefficients. Our fast non-iterative algorithm is compared with other algorithm in terms of rate improvement obtained.
Mot(s) clés libre(s) : TRAITEMENT IMAGE, COMPRESSION IMAGE, FRACTALE, AUTOSIMILARITE, THEORIE INFORMATION, TRANSFORMATION ORTHOGONALE, SEGMENTATION IMAGE, THEORIE ONDELETTE, QUANTIFICATION, CODAGE
