République Algérienne Démocratique et populaire

République Algérienne Démocratique et populaireUniversité des Sciences et de la Technologie D’Oran – Mohamed

BOUDIAF -U.S.T.O. /M.B

Schéma de Codage Hybride appliqué à la Compression des Images de Mammographie

BENTORKI Soumya et BENAMRANE Nacéra

USTO-MB

R2I 12-14 Juin 2011 Université de Tizi-Ouzou .

Plan:

Introduction

La compression

Etat de l’art

Approche proposée

Résultats et discussion

La compression en médecine Les méthodes de compressionLes normes de compression

Conclusion

2

Introduction:

L’utilisation des images radiographies, ultrasonores, IRM, … pose un grand problème:

• Stockage• archivage, • transmission.

3

La compression:

minimiser le nombre de bits en allégeant les transferts et autorisant un accès à distance Les critères d’évaluation :

• La qualité de reconstitution de l’image ;• Le taux de compression;• La rapidité du codeur et décodeur (codec).

4

La compression:

La compression en médecine:

La compression des images médicales doit éviter l’introduction de distorsions ayant pour effet d’entrainer des modifications dans :

• L’interprétation qualitative des images.• La valeur des paramètres anatomiques ou fonctionnels

reflétant l’état de l’organe étudié.

5

Schéma général de la compression

Image originale Image compressé

Codage

QuantificationElimination des éléments secondaire

Décorrélationréorganisation de l’information

La compression:

6

Les méthodes de compression:

Méthodes sans perte d’information :

Entropique

RLE

dictionnairePar

répétitionstatistique

Les plages

arithmétique

Shannon-Fano

Huffman LZW

La compression:

7

Les méthodes de compression:

Méthodes avec perte d’information :

Transformées

QV

Prédictives Quantification Hybrides

TKL

QS

TFD

TH

TCD

Ondelette

Fractales

La compression:

8

Fractal Image Compression: Theory and Application, Yuval Fisher, Springer Verlag, New York, 1995.

Evolutionary fractal image compression, D.Saupe, M.Ruhl, Proc. Int. Conf. on Image Processing, ICIP‟96, Lausanne (1996).

La durée de la phase de codage est importante, due au grand nombre de comparaisons entre les blocs R et les blocs D.

Etat de l’art :

9

Etat de l’art :

10

A Fast Fractal Image Compression Method Based Entropy , Hassaballah , M.M. Makky and Youssef B. Mahdy, Mathematics Department, Faculty of Science, South Valley University, Qena, Egypt , 2004.

Réduction de la durée de codage. Un nombre important de blocs ayant une entropie élevée, ne sont pas utilisés.

Approximation of Image Blocks, D. M. Monro and F. Dudbridge, in Proc. Int. Conf. Acoustics, Speed, Signal Processing, Vol. 3, pp.4585-4588, 1992.

LA localisation l’ensemble des blocs D ; relativement au voisinage du bloc R courant.

Etat de l’art :

11

A Hybrid Coding Scheme Combining SPIHT and SOFM Based Vector Quantization for Effectual Image Comression, Chandan Singh D. Rawat and Sukadev MeherEuropean Journal of Scientific Research, ISSN 1450-216X Vol.38 No.03, pp 425-440 2009.

Une hybridation SPIHT et les RN. La décomposition d'image par les ondelettes bi-orthogonales; puis la compression par le SPIHT, qui résulte un Plan de bits qui est alimenté au codage de Q.V basé sur SOFM.

Etat de l’art :

12

Iteration Free Hybrid Fractal Wavelet Image Coder, Ramychitra Duraisamy, L. Valarmathi and Jeyalakshmi Ayyappan, Internatinal Journal of Computational, Vol. 6, No. 04 December, 2008.

Combinaison entre la vitesse de la transformée en ondelettes et la méthode fractale itéré pour réduire le temps d’exécution.Dans la phase de codage de fractale, le bloc moyen est mesuré et dans la transformation affine, le bloc entier est décalé avec le décalage des pixels.

Approche proposée :

Image originale

Transformation

Quantification

SPIHT

Transformée en ondelette

Détails

Seuillage & Binarisation

Construction de l’arbre des signifiants

DVS DDS DHS

Approximation

RLE

- seuil = 2(log2

|max (coeff)|)

- mettre en valeur les coefficients les plus signifiants.- construction de l’arbre des signifiants (qui sera utilisée comme segmentation).- les fractales entre les niveaux des détails les plus descendants.

FractaleCodage

Schéma de l’approche proposée 13

Approche proposée :

Décomposition par ondelettes de Daubechies (9-7) 14

Approche proposée :

La relation entre les coefficients dans différents sous bandes 15

Approche proposée :

Bloc père de 2x2

Bloc fils de 2x2

La décimation utilisant la carte du SPIHT et les relations entre les blocs D et les blocs R 16

Pour chaque bloc cible D de l’image dans le niveau 2: Pour chaque bloc destination R de niveau1 déterminer la fonction

contractive f définie par ses paramètres s (‘scalling’) et o (‘offset ’) tel que : f (D) = s * D+ o R

s = cov (Ri, Di )/ var (Di ) o = moy(Ri ) - moy (Di)

Parmi tous les couples (D, f), sélectionner celui qui minimise l’erreur d’approximation de R qui est : (f (D (i, j)) – R (i, j)) 2.

Collage des couples (D, f) sur R.

Approche proposée :

Algorithme :

17

18

Résultats et discussion :

sein droit TC= 67,29(%), PSNR=43,05 (dB) et Temps =4,25 (s) sein gauche TC= 89,41 (%), PSNR=41,87 (dB) et Temps =4,86 (s)

19

Résultats et discussion :

Résultats obtenus.

Image TC (%) PSNR (dB) Temps (s)

mdb001 (g) 67,29 43,05 4,25

mdb002 (d) 89,41 41,87 4,86

mdb007 (g) 85,70 42,81 4,99

mdb008 (d) 89,11 42,30 5,49

mdb025 (g) 72,17 42,09 5,41

mdb026 (d) 83,82 42,25 5,17

mdb055 (g) 69,41 44,38 3,94

mdb056 (d) 66,58 45,41 3,79

mdb087 (g) 81,64 44,24 4,02

mdb088 (d) 86,58 44,63 4,24

mdb127 (g) 66,35 44,23 4,14

mdb128 (d) 59,52 45,02 4,05

20

Résultats et discussion :

Comparaison entre SPIHT & SOM; Fractale & Ondelettes et l’approche proposée.

Image(128x128)

SPIHT & SOM Fractale & Ondelettes Approche Proposée  

TC (%) PSNR (dB) TC (%)

PSNR (dB) TC (%) PSNR (dB)

Lena 14.1 32.14 44 24.18 87,58 45,17  

Golden Hill 22.1 30.97 42 22.11 75,94 45,72  

Mandrill 16.1 31.90 43 23.21 89,11 44,81  

 

21

Conclusion :

Des résultats numériques et visuels encourageants et satisfaisants ; des TC intéressants et une bonne qualité de l’image reconstruite. Prise en considération un facteur qui joue un rôle important sur le compromis qualité de reconstruction - taux de compression : « nombre des blocs à comparer par rapport à la carte créée par le SPIHT », et la diminution du temps de calcul du codeur fractal en maintenant une qualité satisfaisante de l’image reconstruite.

Merci pour votre attention