Abstract FR:

La compression d'images numeriques est une question qui se pose de plus en plus aujourd'hui, du fait du developpement des communications et de l'augmentation considerable des volumes de donnees a transmettre ou a stocker (imagerie medicale, satellitaire,). Il existe de nombreuses techniques de compression parmi lesquelles la quantification dans un espace transforme, qui a permis au cours de ces dernieres annees d'augmenter de facon tres sensible les taux de compression. Nous proposons ici un schema associant transforme en ondelette et quantification vectorielle algebrique (qva) ou quantification vectorielle sur reseaux reguliers de points. Le travail presente porte sur la qva, pour laquelle une nouvelle methode d'indexage des vecteurs du dictionnaire est proposee. L'indexage est une difficulte majeure a l'utilisation de la qva dans une application de compression. Differentes solutions analytiques ont ete developpees par de nombreux chercheurs. Nous proposons ici une alternative basee sur la construction d'une table de correspondance et sur l'utilisation de certaines proprietes mathematiques des reseaux reguliers de points. Le codage des index est effectue a l'aide d'un code produit. Les methodes d'indexage ne peuvent cependant jamais etre a la fois faiblement couteuses en debit binaire, en complexite de calcul et en stockage. La methode proposee privilegie le cout calcul et possede les performances d'un code entropique sans en avoir les inconvenients. Ces performances sont egalement liees a la forme du dictionnaire qui est adaptee a la statistique de la source a comprimer. A cet egard, nous avons egalement etendu l'utilisation de la methode a des dictionnaires de forme elliptique pour le codage de sources gaussiennes avec memoire. Enfin, la methode proposee a ete appliquee sur des donnees brutes issues d'un radar a synthese d'ouverture (imagerie sar). Les performances obtenues en termes de debit/distorsion, tant sur des images grand public que sur des images sar, laissent entrevoir de nombreuses perspectives, notamment dans le domaine de l'imagerie satellitaire