@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.}
}