11 Acetates 1

Département d’informatique et de génie logiciel
Compression de données
IFT-4003/IFT-7023
Notes de cours
Codage par transformation
Édition Hiver 2012
Mohamed Haj Taieb

Local: PLT 2113
Courriel: mohamed.haj-taieb.1@ulaval.ca
Faculté des sciences et de génie
Département de génie électrique et de
génie informatique
Plan de la présentation
Codage par transformation:
 Exemple de motivation
 Processus de transformation
 Transformation KLT
 Transformation DCT
 Quantification des coefficients de la
transformation
 Codage des coefficients
IFT-4003/7023 Compression de données Mohamed Haj Taieb, Département de génie électrique et de génie informatique
Exemple de motivation (1)
 Exemple
 Soit un ensemble de mesures de la longueur X (en pouces)
et du poids Y (en livres).
 X et Y sont fortement corrélés: y=2.5 x.
200
Mesures
180 Modèle y=2.5 x
160
Poids (livres)
140
120
100
80
0 20 40 60 80
longueur (pouces)
 Rotation
Transformation :   Ax
 x0 longueur 
Vecteur source: x   
 1
x poids 
cos  sin  
Matrice de rotation: A   
  sin  cos  
 angle entre l'axe des x et la ligne y  2.5 x
 0 
Résultat de la rotation    
1 
0.37139 0.92848
A 
 0.92848 0.37139 
 Résultat de la rotation
 Toute l’énergie est concentrée autour la première
coordonnée.
250
200
150
100
50
-50
0 50 100 150 200 250
 Compression
 On peut éliminer la seconde coordonnée en mettant toute
les valeurs à zéro.
 Ceci réduit de moitié les valeurs à encoder.
 Mais aussi il y a un certaine distorsion qui résulte suite à
cette compression.
 Reconstruction
 On applique la transformation inverse (rotation dans le
sens inverse).
1cos   sin  
Matrice de rotation inverse: A  
sin  cos  
Rotation inverse Comparaison entre les données

250
originales et reconstruites
200
200
150
150
100
100
50 50
0 0
0 50 100 150 200 250 0 10 20 30 40 50 60 70 80
Données originales Données reconstruites
 Erreur de reconstruction
 L’erreur de reconstruction est la même que l’erreur induite
par l’élimination de la seconde coordonnée de θ.
250
200
150
100
50
-50
0 50 100 150 200 250
N 1 N 1
MSE   ( xi  xˆi )   (i  ˆi ) 2
2
i 0 i 0
MSE  32  22  42  12  42  62  ...
MSE  662.17
Karhuen-Loéve Transform (KLT) [1]
 Transformation Hotelling
 Cette transformation considère les vecteurs propres de la
matrice d’autrocorrélation: [ R ] i , j  E [ X n X n  |i  j | ]
 Cette transformation minimise l’erreur géométrique
moyenne : G  n x1 x 2  x n
 Elle assure le gain de codage par transformation maximal
 transformation optimale.
 Cependant, cette transformation dépend des données.
 La transformation (la matrice d’autocorrélation) doit être
envoyée au récepteur pour procéder à la reconstruction.
 Le gain de compression peut être supprimée lors de l’envoi
de la transformation.
 La transformation est étudiée pour connaitre les limites.
 Exemple KLT de taille 2
 Matrice d’autrocorrélation de la source:
 R xx ( 0 ) R x x (1) 
R   
 R x x (1) R xx ( 0 ) 
 Détermination des valeurs propres revient à résoudre cette
équation: d e t(  I  R )  0
  0   R x x ( 0 ) R x x (1) 
d e t(     ) 0
 0    R x x (1) R x x ( 0 ) 
   R x x ( 0 ) R x x (1) 
d e t(  )  0
 R x x (1)   R x x ( 0 ) 
(   R x x ( 0 )) 2  ( R x x (1)) 2  0
 1  R x x ( 0 )  R x x (1) e t  2  R x x ( 0 )   R x x (1)
 1  R x x ( 0 )  R x x (1) e t  2  R x x ( 0 )  R x x (1)
 Exemple KLT de taille 2 (suite)
 Détermination des vecteurs propres:
R V 1   1V 1
R V 2   2V 2
 1  R x x ( 0 )  R x x (1) e t  2  R x x ( 0 )  R x x (1)
 R x x ( 0 ) R x x (1)   V 1 ( 0 )  V1 ( 0 ) 
 R (1) R ( 0 )   V (1)    1  V (1) 
 xx xx  1   1 
 R x x ( 0 )V 1 ( 0 )  R x x (1)V 1 (1)   R x x ( 0 )V 1 ( 0 )  R x x (1)V 1 ( 0 ) 
 R (1)V ( 0 )  R ( 0 )V (1)    R ( 0 )V (1)  R (1)V (1) 
 xx 1 xx 1   xx 1 xx 1 
R x x (1)V 1 (1)  R x x (1)V 1 ( 0 )  V 1 ( 0 )  V 1 (1)  
d e la m ê m e fa ç o n : V 2 ( 0 )   V 2 (1)  
   
V e c te u rs p ro p re s : V 1    , V2   
    
 Exemple KLT de taille 2 (suite)
 Supposons que les vecteurs propres sont orthonormales
(on sait déjà que les vecteurs propres sont orthogonales):
   
V e c te u rs p ro p re s : V 1    , V 2   

     
 1   1 
 2  2 
V1    , V2   
 1   1 
   
 2  2 
M a tric e d e tra n s fo rm a tio n K L T
1 1 1 
K  V 1 V 2   1
2   1 
 Application pour la compression d’image
 On découpe l’image en blocs de 4x4.
 Chaque blocs, après redimensionnement, constitue un
vecteur 16x1.
 On détermine les vecteurs propres de ces matrices et on
les ordonne suivant les valeurs propres décroissantes.
 Ces vecteurs propres forme une matrice V 16x16.
 Transformation KLT
 On redimensionne chaque bloc 4x4 en un vecteur X 16x1.
 La transformation de ce vecteur: T=VX.
 On remarque que l’énergie est concentrée autour des
premiers coefficients.
 Compression
 On garde les premiers coefficients et on élimine les autres.
 Ou bien on quantifie avec plus de précision les premiers
coefficients.
matrice 1 matrice 2 matrice 3 matrice 4
matrice 1 matrice 2 matrice 3 matrice 4 matrice 1 matrice 2 matrice 3 matrice 4
Élimination de 15 coefficients Élimination de 14 coefficients Élimination de 13 coefficients
Élimination de 15 coefficients Élimination de 14 coefficients Élimination de 13 coefficients
Discrete Cosine Transform (DCT) [1]
 DCT
 Les coefficients de la matrice C de la transformation DCT
sont donnés par :  1 (2 j  1)i
 cos i  0, j  0,1, , N  1
 N 2N
Ci , j  
 2 cos (2 j  1)i i  1, 2, , N  1, j  0,1, , N  1
 N 2N
 Contrairement à la KLT, la DCT est indépendante des

données à encoder.
 Pas besoin de transmettre la base de la transformation au
récepteur.
 La DCT est efficace à la compaction d’énergie lorsqu’il y a
une corrélation significative entre les échantillons de la
source. Exemple: pixels d’une image.
 (2 j  1)i
 Vecteurs de Bases de la DCT 
1
cos i  0, j  0,1, , N  1
 N 2N
Ci , j  
 2 (2 j  1)i
 cos i  1, 2, , N  1, j  0,1, , N  1
N 2N
i=0 i=1 i=2
0.4 0.5 0.5
0.2 0 0
0 -0.5 -0.5
0 5 10 0 5 10 0 5 10
i=3 i=4 i=5
0.5 0.5 0.5
0 0 0
-0.5 -0.5 -0.5

0 5 10 0 5 10 0 5 10
i=6 i=7
0.5 0.5
0 0
-0.5 -0.5
0 5 10 0 5 10
u1 
 DCT
u  v  u2    v1 v2 v3 
 Le produit tensoriel des lignes de la matrice C u3 
u1v1 u1v2 u1v3 
u  v  u2 v1 u2 v2 u2 v3 
u3v1 u3v2 u3v3 

11 Acetates 1

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

11 Acetates 1

Transféré par

Droits d'auteur :

Formats disponibles

Département d’informatique et de génie logiciel

Mohamed Haj Taieb

Rotation inverse Comparaison entre les données

matrice 5 matrice 6 matrice 7 matrice 8

matrice 9 matrice 10 matrice 11 matrice 12

matrice 13 matrice 14 matrice 15 matrice 16

matrice 1 matrice 2 matrice 3 matrice 4 matrice 1 matrice 2 matrice 3 matrice 4

matrice 5 matrice 6 matrice 7 matrice 8 matrice 5 matrice 6 matrice 7 matrice 8

matrice 9 matrice 10 matrice 11 matrice 12 matrice 9 matrice 10 matrice 11 matrice 12

matrice 13 matrice 14 matrice 15 matrice 16 matrice 13 matrice 14 matrice 15 matrice 16

Élimination de 15 coefficients Élimination de 14 coefficients Élimination de 13 coefficients

 Contrairement à la KLT, la DCT est indépendante des

-0.5 -0.5 -0.5

Vous aimerez peut-être aussi