Accueil > Informatique, science de l’information et bibliothéconomie > RIST > Volume 15 > Numéro 01 et 02
Optimisation de la compression fractale d’images basée sur les réseaux de Neurones
La phase de codage de la compression fractale d’images pose un grand problème, du fait du temps qu’elle consomme, à cause du grand nombre de calcul nécessaire pour le codage. Des améliorations ont été apportées à la méthode classique (classification, partitionnement), mais ça n’a pas donné les améliorations au niveau de temps de calcul. Dans cet article on a exploité les réseaux de neurones pour accélérer la phase de codage. Le type de réseau de neurones qui a été proposé est le SOM ( Self Organizing Map ou carte auto- organisatrice ). L’idée est d’utiliser la capacité des réseaux SOM dans la classification, dans la réduction de l’espace de recherche des blocs domaines .
Le réseau de Kohonen a été appliqué avec une compression fractale utilisant l’algorithme adaptatif .L’algorithme adaptatif consiste à chercher pour un bloc source le meilleur bloc destination avec les paramètres de transformation contractante équivalente La méthode proposée par A.Bogdan et H.Meadows [2] présente deux inconvénients , tout d’abord sa lenteur puisqu’une seule itération consomme 30 minutes à cause de la grande dimension d’entrée, et son incapacité à s’adapter à un partitionnement variable.
La méthode proposée par Stephen Welstead [3] utilise ce même type de réseau de neurones, mais d’une façon améliorée en codant les blocs non pas sur la base des pixels, mais sur la base d’un petit nombre de caractères de texture et de style du bloc. Pour accélérer la phase de compression fractale utilisant les carte auto- organisatrice (SOM ) , on a pensé à réduire la dimension de l’entrée .Les vecteurs caractères sont indépendants de la taille et de la forme des blocs à partir des quels ces blocs sont extraits. Ainsi le réseau résultant pourra être utilisé pour une image différente : L’apprentissage ne se fera qu’une seule fois et le temps nécessaire pour l’apprentissage ne sera plus compté avec le temps de codage. Une autre amélioration consiste à ne pas appliquer directement l’algorithme du codage fractal utilisant les carte auto- organisatrice sur les pixels mais plutôt sur des mesures calculées sur l’ensemble des pixels du bloc sur la base d’un petit nombre de caractères de texture et de style du bloc. Le champ de recherche est réduit avec le réseau de neurones, ce qui a engendré une réduction du temps de codage. Le temps d’exécution est amélioré de un tiers par rapport à celui consommé dans la méthode de base sans le réseau de neurones.
Auteur(s)
Boukelif A.
Articles de cet auteur
- ARTIFICIEL NEURAL NETWORK ET MULTILEVEL 2-D WAVELET DECOMPOSITION CODE-BASED IRIS RECOGNITION
- Implémentation et performances comparées des algorithmes cryptographiques des , RSA IDEA , 3 WAY ET RC5 ,
- Du Cursus traditionnel centre sur les cours magistraux vers l’apprentissage par problèmes
- Bridging the Informationand Communication Gap in the Mediterranean
- Détection et reconnaissance des visages basée sur les réseaux de neurones artificiels
- [...]
Mokhtari Mohamed
Mots-clés
- Compression fractale
- Problème inverse
- Réseaux de kohonen
-
Réseaux de neurones
-
- Approche neuronale pour l’estimation des transferts thermiques dans un fluide frigoporteur diphasique
- Une nouvelle approche MLI basée sur le principe des réseaux de neurone pour la commande des onduleurs
- Authentification et Identification de Visages basées sur les Ondelettes et les Réseaux de Neurones.
- Commande vectorielle par les réseaux de neurones artificiels de l’énergie d’une MADA intégrée à un système éolien
- Reconnaissance hors ligne des chiffres manuscrits isolés par l’approcch Neuro-Génétique
fr
Informatique, science de l’information et bibliothéconomie
RIST
Volume 15
Numéro 01 et 02
?