Upload
marty
View
19
Download
0
Embed Size (px)
DESCRIPTION
Présentation des Algorithmes de compression encadré par Alexandrina Rogozan. Isabelle Bondoux Céline Capron Ugo Campiglio Florian Boitrel. Soizic Geslin Samy Fouilleux Minh Le Hoai Maxime Chambreuil. UV de Statistiques – ASI 3 – Année 2002. Déroulement. Objectifs du projet - PowerPoint PPT Presentation
Citation preview
Présentation des Algorithmesde compression
encadré par Alexandrina Rogozan
Soizic Geslin
Samy Fouilleux
Minh Le Hoai
Maxime Chambreuil
UV de Statistiques – ASI 3 – Année 2002
Isabelle Bondoux
Céline Capron
Ugo Campiglio
Florian Boitrel
Déroulement
• Objectifs du projet
• Algorithme ACP
• Algorithme LDA
• Spécifications
• Conclusion
UV de Statistiques – ASI 3 – Année 2002
Objectifs
• Prendre une image en entrée
• Extraire des coefficients qui la décrivent
• Appliquer l’algorithme
• Récupérer les coefficients en sortie de l’algorithme ( 9 par défaut )
• Recomposer l’image avec ces coefficients
UV de Statistiques – ASI 3 – Année 2002
UV de Statistiques – ASI 3 – Année 2002
Algorithmed’Analyse en Composantes
Principales
Exemple d’une image satellite
Principe
Algorithme ACP 1 / 6
UV de Statistiques – ASI 3 – Année 2002
Dans l'exemple suivant, l’ACP a porté sur les canaux vert, rouge et proche-infrarouge d'une image SPOT, afin de générer les trois canaux ACP1, ACP2 et ACP3. Canal vert Canal rouge Canal infrarouge
Algorithme ACP 2 / 6
UV de Statistiques – ASI 3 – Année 2002
Le premier canal (ACP1), le plus intéressant, présente la brillance globale de l’image, améliorant considérablement les contrastes. Ce canal d’une grande richesse thématique est une bonne représentation synthétique de l’image.
Algorithme ACP 3 / 6
UV de Statistiques – ASI 3 – Année 2002
Le deuxième (ACP2), rend compte des principales différences spectrales entre les canaux sources. Il est en général très bien adapté à l’étude de la végétation et est assez fortement corrélé avec le canal proche infrarouge et dans une moindre mesure avec l’indice de végétation normalisé.
Algorithme ACP 4 / 6
UV de Statistiques – ASI 3 – Année 2002
Le troisième (ACP3) est généralement constitué du bruit résiduel, et ne présente que rarement de l’intérêt. Les pixels aberrants ou les défauts des capteurs, qui apparaissent sur ce canal, sont ainsi absents des deux autres.
Algorithme ACP 5 / 6
UV de Statistiques – ASI 3 – Année 2002
La composition colorée de plusieurs canaux ACP est toujours très intéressante et fortement contrastée. Dans l'exemple ci-dessous, le codage est le suivant :
RVB = ACP1 / ACP2 / ACP3
Algorithme ACP 6 / 6
UV de Statistiques – ASI 3 – Année 2002
La mise en oeuvre mathématique de l'ACP peut être divisée en 6 étapes principales :
1. Préparer les données pour le traitement2. Calculer la matrice des coefficients de corrélations des variables3. Extraire les valeurs et vecteurs propres de cette matrice4. Classer les vecteurs propres dans l'ordre décroissant des valeurs
propres associées5. Calculer la matrice des composantes principales6. Fournir une ou plusieurs représentations graphiques
UV de Statistiques – ASI 3 – Année 2002
Algorithmed’Analyse Discriminante
Linéaire
Algorithme LDA (1/4)
•On cherche à réduire le nombre de coefficient de l’image
•On cherche ΘTp tel que:
yp =ΘTp.x
Ou yp est le vecteur de dimension p que l’on cherche, ΘT
p une matrice n*p, et x le vecteur des données.
UV de Statistiques – ASI 3 – Année 2002
Algorithme LDA(2/4)
Première étape:
On calcule:
X= (1/N) Σ1..Nxi (Moyenne sur l’ensemble des données)
T=(1/N) Σ1..N(xi-X)(xi-X)T (variance sur l’ensemble des
données)
Puis on calcule ces mêmes vecteurs mais sur les j premières valeurs du vecteur de données.( respectivement Xj et W)
UV de Statistiques – ASI 3 – Année 2002
Algorithme LDA(3/4)•Enfin on calcule
W= (1/N) Σ1..NWi
La méthode de l’analyse Discriminante linéaire utilise une projection simple qui maximise le rapport T/W
Θp=argmax Θp(| ΘpT.T. Θp|/| Θp
T.W. Θp|)On peut montrer que les p solutions de cette équations sont les vecteurs propres de W-1.T qui ont les valeurs propres les plus grandes.
UV de Statistiques – ASI 3 – Année 2002
Algorithme LDA(4/4)
•On obtient ainsi la matrice Θp qui nous permet de calculer le vecteur solution:
yp= Θp.x
UV de Statistiques – ASI 3 – Année 2002
Spécifications
• Format de l’image en entrée
• Nombre de coefficients en entrée et en sortie des algorithmes
UV de Statistiques – ASI 3 – Année 2002
Conclusion
• Les algorithmes seront appliqués à la lecture sur les lèvres
• Ils doivent donc être rapides
• Ils seront développés en C
UV de Statistiques – ASI 3 – Année 2002