Vous êtes sur la page 1sur 17
Organisation du cours : 16 h Cours + 8 h TP Codage sans pertes Codage

Organisation du cours : 16 h Cours + 8 h TP

Codage sans pertes

Codage avec pertes Introduction : généralités, notions de théorie de l’information Quantification scalaire et
Codage avec pertes
Introduction : généralités,
notions de théorie de l’information
Quantification scalaire et
vectorielle
Codage RLC et de Huffman
Codage RLC et de
Huffman
Codage arithmétique et en dictionnaire Compression basée sur les transformations : DCT, WT, Fractales Compression
Codage arithmétique et en
dictionnaire
Compression basée sur les
transformations : DCT,
WT, Fractales
Compression hybride
Compressions standard :
JPEG, MPEG, MH264
Qualité
COMPRESSION
QUANTIFICATION VECTORIELLE QV = organise les données en vecteurs de taille d et quantifie tout

QUANTIFICATION VECTORIELLE

QUANTIFICATION VECTORIELLE QV = organise les données en vecteurs de taille d et quantifie tout le

QV = organise les données en vecteurs de taille d et quantifie tout le vecteur




d

x 1

x 2

M

x

x

         d  x 1 x 2 M

QV

~

x

       d  x 1 x 2 M x x




d

~

x 1

~

x 2

M

~

x

QUANTIFICATION VECTORIELLE Exemple : quantification de l’information taille-poids Deux quantificateurs scalaires à 3

QUANTIFICATION VECTORIELLE

QUANTIFICATION VECTORIELLE Exemple : quantification de l’information taille-poids Deux quantificateurs scalaires à 3

Exemple : quantification de l’information taille-poids

Deux quantificateurs scalaires à 3 bits

Total = 64 points

taille-poids Deux quantificateurs scalaires à 3 bits Total = 64 points Total = 32 points 5
taille-poids Deux quantificateurs scalaires à 3 bits Total = 64 points Total = 32 points 5
taille-poids Deux quantificateurs scalaires à 3 bits Total = 64 points Total = 32 points 5
taille-poids Deux quantificateurs scalaires à 3 bits Total = 64 points Total = 32 points 5

Total = 32 points

5 bit

QUANTIFICATION VECTORIELLE PRINCIPE – trouver la forme d’onde la plus proche de l’entrée, selon un

QUANTIFICATION VECTORIELLE

QUANTIFICATION VECTORIELLE PRINCIPE – trouver la forme d’onde la plus proche de l’entrée, selon un certain

PRINCIPE – trouver la forme d’onde la plus proche de l’entrée, selon un certain critère

Minimiser

d 2 ∑ ( x c ) t k t , t = 1
d
2
(
x
c
)
t
k t
,
t = 1

Codeur

Décodeur

QUANTIFICATION VECTORIELLE PRINCIPE – cas des images Dictionnaire Image source Indice du code le plus

QUANTIFICATION VECTORIELLE

QUANTIFICATION VECTORIELLE PRINCIPE – cas des images Dictionnaire Image source Indice du code le plus proche

PRINCIPE – cas des images

Dictionnaire Image source Indice du code le plus proche i Dictionnaire Image décodée
Dictionnaire
Image source
Indice du code le
plus proche i
Dictionnaire
Image décodée
du code le plus proche i Dictionnaire Image décodée • Bloc : vecteur • Plus proche

Bloc :

vecteur

Plus proche au sens de la distance euclidienne

2 Dist = (w w ) 2 + (x x ) 2 + ( y
2
Dist =
(w
w )
2 + (x
x )
2 + ( y
y )
2 + (z
z )
1
2
1
2
1
2
1
2
COMPRESSION
COMPRESSION
QUANTIFICATION VECTORIELLE EXEMPLE : COMPRESSION

QUANTIFICATION VECTORIELLE

QUANTIFICATION VECTORIELLE EXEMPLE : COMPRESSION

EXEMPLE :

QUANTIFICATION VECTORIELLE EXEMPLE : COMPRESSION
QUANTIFICATION VECTORIELLE Complexité algorithmique D 1 = w w Q ; D = 2 l

QUANTIFICATION VECTORIELLE

QUANTIFICATION VECTORIELLE Complexité algorithmique D 1 = w w Q ; D = 2 l l

Complexité algorithmique

QUANTIFICATION VECTORIELLE Complexité algorithmique D 1 = w w Q ; D = 2 l l

D

1

=

w

w

Q

;

D

=

2

l

l

Q

16 comparaisons

D

=

(

w

w

Q

)

2

+

(

l

l

Q

)

2

32 comparaisons 3*32 additions/soustractions

QUANTIFICATION VECTORIELLE Exemple 2D • Points QV ƒ Données d’entrée x 1.1 1.4 3.4 4.1

QUANTIFICATION VECTORIELLE

QUANTIFICATION VECTORIELLE Exemple 2D • Points QV ƒ Données d’entrée x 1.1 1.4 3.4 4.1 -1.9

Exemple 2D

QUANTIFICATION VECTORIELLE Exemple 2D • Points QV ƒ Données d’entrée x 1.1 1.4 3.4 4.1 -1.9

Points QV ƒ Données d’entrée

x

1.1

1.4

3.4

4.1

-1.9

-1.3

-1.0

1.0

1.5

-2.1

3.6

1.0

2.0

2.1

Indices

 

0

4

2

0

3

4

0

Q(x)

1.0

1.0

4.0

2.0

-3.0

-2.0

1.0

1.0

2.0

-3.0

4.0

2.0

1.0

1.0

QUANTIFICATION VECTORIELLE Quantification scalaire versus vectorielle QS QV Diagramme de Voronoi Débit : R =

QUANTIFICATION VECTORIELLE

QUANTIFICATION VECTORIELLE Quantification scalaire versus vectorielle QS QV Diagramme de Voronoi Débit : R = log

Quantification scalaire versus vectorielle

QS

VECTORIELLE Quantification scalaire versus vectorielle QS QV Diagramme de Voronoi Débit : R = log 2

QV

Diagramme de Voronoi

scalaire versus vectorielle QS QV Diagramme de Voronoi Débit : R = log 2 N d

Débit

:

R

=

log

2 N

d

[

bits ech

/

]

- Complexité ~ Nd

+ Plus de liberté dans le choix des clusters

+ QV – codeur optimal même si les données d’entrées ne sont pas corrélées

+ Optimisation spatiale

QUANTIFICATION VECTORIELLE Construction du dictionnaire – problème essentiel de la QV - Nécessite un processus

QUANTIFICATION VECTORIELLE

QUANTIFICATION VECTORIELLE Construction du dictionnaire – problème essentiel de la QV - Nécessite un processus

Construction du dictionnaire – problème essentiel de la QV

- Nécessite un processus d’apprentissage

- Dégrée de généralité – une taille conséquente pour la base d’apprentissage

Définition du problème : Entrée : Base d’apprentissage X contenant n vecteurs de taille d
Définition du problème :
Entrée : Base d’apprentissage X contenant n vecteurs de taille d
Sortie : n codes c(0), c(1),…, c(n-1) qui minimisent la distorsion :
2
D =
x
c indice
(
(
x
))
x
X
2
(
2
2
x
,
x
,
,
x
)
=
x
+
x
+
x
0
1
d
1
0
1 2 +
d
1

Algorithme de Lloyd généralisé ou LBG (Linde, Buzo, Gray) 1980

= généralisation de l’algorithme de Lloyd pour La QS

QUANTIFICATION VECTORIELLE Algorithme de Lloyd généralisé 1. Choisir la base d’apprentissage X et une erreur

QUANTIFICATION VECTORIELLE

QUANTIFICATION VECTORIELLE Algorithme de Lloyd généralisé 1. Choisir la base d’apprentissage X et une erreur >0

Algorithme de Lloyd généralisé

1. Choisir la base d’apprentissage X et une erreur >0 Initialiser les codes c(0), c(1),…,c(n-1)
1. Choisir la base d’apprentissage X et une erreur >0
Initialiser les codes c(0), c(1),…,c(n-1)
Evaluer X(j)={x| x X le plus proche de c(j)
Calculer la distorsion D pour c(0), c(1),…,c(n-1)
2. Calculer les nouveaux codes :   1 c ' ( j ) =
2. Calculer les nouveaux codes :
1
c
' (
j
)
= round 
∑ x
(
centroide
)
c
c’; X
X’; D
D’
X
(
j
)
 
x
X
(
j
)
  
3. Evaluer X’(j)={x| x X le plus proche de c’(j)
NON
OUI
D
D'
STOP
<
4. Evaluer la distorsion D’ pour c(0), c(1),…,c(n-1)
D
COMPRESSION
COMPRESSION
QUANTIFICATION VECTORIELLE Illustration (1) c(0) c(1) c(2) c(3) Codes Vecteurs de test Vecteurs de test

QUANTIFICATION VECTORIELLE

QUANTIFICATION VECTORIELLE Illustration (1) c(0) c(1) c(2) c(3) Codes Vecteurs de test Vecteurs de test c'(1)

Illustration (1)

c(0) c(1) c(2) c(3)
c(0)
c(1)
c(2)
c(3)
VECTORIELLE Illustration (1) c(0) c(1) c(2) c(3) Codes Vecteurs de test Vecteurs de test c'(1) X

Codes

Vecteurs

de test

Vecteurs

de test

c'(1) X (0) X (1) Codes c(0) Codes c(1) c'(0) Vecteurs Vecteurs de test de
c'(1)
X (0)
X (1)
Codes
c(0)
Codes
c(1)
c'(0)
Vecteurs
Vecteurs
de test
de test
X (2)
c'(2)
Centroids
c'(3)
X (3)
c(2)
c(3)
COMPRESSION
QUANTIFICATION VECTORIELLE Illustration (2) Codes Codes Vecteurs Vecteurs de test de test Codes Codes Vecteurs

QUANTIFICATION VECTORIELLE

QUANTIFICATION VECTORIELLE Illustration (2) Codes Codes Vecteurs Vecteurs de test de test Codes Codes Vecteurs

Illustration (2)

Codes Codes Vecteurs Vecteurs de test de test Codes Codes Vecteurs Vecteurs de test de
Codes
Codes
Vecteurs
Vecteurs
de test
de test
Codes
Codes
Vecteurs
Vecteurs
de test
de test
centroids
COMPRESSION
QUANTIFICATION VECTORIELLE Illustration (3) Codes Vecteurs de test Codes Vecteurs de test Centroids Codes Vecteurs

QUANTIFICATION VECTORIELLE

QUANTIFICATION VECTORIELLE Illustration (3) Codes Vecteurs de test Codes Vecteurs de test Centroids Codes Vecteurs de

Illustration (3)

Codes

Vecteurs

de test

VECTORIELLE Illustration (3) Codes Vecteurs de test Codes Vecteurs de test Centroids Codes Vecteurs de test

Codes

Vecteurs

de test

Centroids

VECTORIELLE Illustration (3) Codes Vecteurs de test Codes Vecteurs de test Centroids Codes Vecteurs de test

Codes

Vecteurs

de test

VECTORIELLE Illustration (3) Codes Vecteurs de test Codes Vecteurs de test Centroids Codes Vecteurs de test
COMPRESSION
COMPRESSION
QUANTIFICATION VECTORIELLE Méthode efficace du point de vue complexité – ARBRES k-d - Bentley 1975

QUANTIFICATION VECTORIELLE

QUANTIFICATION VECTORIELLE Méthode efficace du point de vue complexité – ARBRES k-d - Bentley 1975 -

Méthode efficace du point de vue complexité – ARBRES k-d - Bentley 1975

- Arbre utilisé pour stocker les données spatiales

- Division perpendiculaire de l’espace de recherche Construction du dictionnaire

les données spatiales - Division perpendiculaire de l’espace de recherche Construction du dictionnaire COMPRESSION
les données spatiales - Division perpendiculaire de l’espace de recherche Construction du dictionnaire COMPRESSION
les données spatiales - Division perpendiculaire de l’espace de recherche Construction du dictionnaire COMPRESSION
QUANTIFICATION VECTORIELLE ARBRES k-d COMPRESSION

QUANTIFICATION VECTORIELLE

QUANTIFICATION VECTORIELLE ARBRES k-d COMPRESSION

ARBRES k-d

QUANTIFICATION VECTORIELLE ARBRES k-d COMPRESSION
QUANTIFICATION VECTORIELLE ARBRES k-d COMPRESSION
QUANTIFICATION VECTORIELLE ARBRES k-d COMPRESSION
QUANTIFICATION VECTORIELLE ARBRES k-d COMPRESSION
QUANTIFICATION VECTORIELLE ARBRES k-d – la recherche des plus proches voisins Point investigué COMPRESSION

QUANTIFICATION VECTORIELLE

QUANTIFICATION VECTORIELLE ARBRES k-d – la recherche des plus proches voisins Point investigué COMPRESSION

ARBRES k-d – la recherche des plus proches voisins

QUANTIFICATION VECTORIELLE ARBRES k-d – la recherche des plus proches voisins Point investigué COMPRESSION
QUANTIFICATION VECTORIELLE ARBRES k-d – la recherche des plus proches voisins Point investigué COMPRESSION
Point investigué COMPRESSION
Point
investigué
COMPRESSION