@Workshop{Supelec484,
author = {Mohamed Hariti and Jean-Louis Gutzwiller and Michel Barret},
title = {{Compression d'images hyperspectrales: un codeur par arbres de zéros bien adapté aux transformations à base d'ACI \'e}},
year = {2008},
booktitle = {{Séminaire Compression d'images multicomposantes du CNES}},
month = {Octobre},
address = {Toulouse (France)},
organization = {CNES},
abstract = {Pour traiter et stocker le volume croissant de données issues de capteurs d’images multispectrales et hyperspectrales embarqués dans les satellites de nouvelle génération, le développement d’algorithmes de compression capables d’exploiter les redondances spectrale et spatiale de ces données est nécessaire. Une précédente étude a montré que, pour des schémas de compression associant des décompositions en ondelettes 2D (pour réduire la redondance spatiale) à des transformations linéaires adaptables (pour réduire la redondance spectrale), la transformation spectrale optimale, à hauts débits, peut être calculée par des algorithmes d’Analyse en Composantes Indépendantes (ACI) modifiés. Dans le cadre de nos travaux de recherche, nous avons poursuivi cette étude en nous focalisant sur deux points essentiels. Le premier a consisté à rechercher une matrice à base d’ACI à coefficients fixes qui ne s’adapte plus à l’image, dans le but de réduire la complexité de codeurs utilisant des transformations optimales. Pour y parvenir, nous avons calculé une transformation quasioptimale exogène sur une base d’apprentissage constituée d’images issues d’un même capteur, puis testé cette transformation sur une base de test différente de la base d’apprentissage. Les performances en compression des transformations exogènes à base d’ACI ont été évaluées et comparées à celles obtenues par la KLT en utilisant comme codeur le VM9 (Verification Model version 9), qui est compatible avec la Partie 2 du standard JPEG2000. Les premiers résultats obtenus ont été complétés par une autre étude portant sur des images Hyperion (voir l’exposé de I. P. Akam Bita et al.) Le second point a consisté à rechercher un codeur par construction d’arbres de zéros 3D bien adapté aux transformations à base d’ACI. Nous avons commencé par développer un codeur n’utilisant que des arbres de zéros 2D, de type SPIHT, qui gère des images 3D avec une allocation quasioptimale entre composantes. Ce SPIHT modifié, que nous appellerons SPIHT2D dans la suite a été conçu pour gérer des images 3D avec le meilleur compromis que nous avons obtenu entre complexité de l’algorithme et performances. Disposant de ce codeur SPIHT2D de référence, nous avons cherché des structures par arbres de zéros 3D et comparé les performances de codeurs utilisant ces structures (ezw3d, spiht_3D, spihtN_3D et spihtN_3D2, la valeur de N est un paramètre) associés ou non à un codeur arithmétique avec modélisation de contextes.}
}