Algorithme non intératif basé sur les ondelettes biorthogonales et les fractales pour la compression d'images satellitaires
Résumé
Un algorithme rapide basé sur les ondelettes biorthogonales et les fractales a été mis au point pour faciliter l’archivage d’images de grande taille avec de forts taux de compression et le minimum de distorsion. Pour cela, l’image à traiter est compressée puis décompressée en utili-sant des ondelettes biorthogonales et une quantification vectorielle. L’image d’ondelettes qui en résulte est ensuite soustraite de l’image originale pour donner une image résiduelle. Cette dernière est codée par des fractales en créant un domaine de contraction avec les blocs « source » extraits de l’image d’ondelettes et un domaine de destination obtenu à partir de l’image résiduelle. Les paramètres du code fractal sont ensuite déterminés en collant les blocs « destination » aux blocs « source ». Ces paramètres et ceux de la quantification vectorielle sont codés en utilisant l’algorithme de Huffman pour générer la séquence binaire représentant l’image compressée. Des transformations inverses permettent de décompresser l’image. À la différence des systèmes de fonctions itérées locales (LIFS), notre méthode n’exige aucune itération car l’opération de collage est réalisée en une seule étape. Les tests sur une image du visage d’une femme donnent un taux de compression atteignant 94 % et un PSNR de 32,9 dB. De plus, la durée du traitement est près de 200 fois plus courte qu’avec les LIFS. Cette méthode, testée sur diverses images satellitaires, a été employée pour archiver des images du canal à haute résolution dans le visible de METEOSAT acquises à toutes les 15 minutes en 2003. Après décompression, ces images sont reproduites fidèlement et l’espace-mémoire requis pour leur stockage est réduit de plus de 90 %.
Abstract
A fast algorithm based on both biorthogonal wavelets and fractals is implemented to facilitate the storage of large format images with high compression ratios and minimum loss of information. For this, the image to be processed is compressed and decompressed using biorthogo-nal wavelets at different resolutions and a vector quantization technique. An image of wavelets is then obtained and removed from the original ones. The resulting residual image is coded with fractals by creating a contraction domain using the source blocks extracted from the wavelet image and a destination domain deduced from the residual image. The fractal coding parameters are determined by pasting the destination to source blocks. To generate the binary sequence representing the compressed image, the fractal and vector quantization pa-rameters are coded using the Huffman algorithm. Inverse transformations enable us to decompress the image. Unlike the local iterated function system (LIFS), the above method requires no iteration since the pasting operation is achieved following only one step. The tests performed on an image of a woman’s face yield a compression ratio reaching 94 % and a PSNR of 32,9 dB. In addition, processing time is about 200 times shorter than for LIFS. This method was tested on various satellite images and then used to store high resolution visible METEOSAT images (MSG) collected every 15 minutes during 2003. After decompression, these images are faithfully reproduced and the memory space needed for their storage is reduced by more than 90 %.
Lire l’article

PDF de 16 pages, tel qu’imprimé dans la revue, pages 345 à 360. En libre accès.
Pas encore de consultation enregistrée.