Upload
lucien-raynal
View
112
Download
2
Embed Size (px)
Citation preview
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 1
Traitement d'images
4TC - Option « Télécoms »
Hugues BENOIT-CATTIN
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 2
• I. Compression
• II. Segmentation
• III. Indexation
• IV. Tatouage
Plan
Remerciements à A. Baskurt, C. Odet pour la partie II
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 3
I. Compression
• 1. Introduction
• 2. Approches directes (Vectorielle, Quadtree, Fractale)
• 3. Approches par transformation (SPIHT, JPEG2000)
• 4. Compression de séquences d'images (MPEG4)
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 4
1 Introduction
Historique
Objectifs
•1952 : Codeur entropique (Huffman)
•1978 : DCT (Pratt)
•1980 : Vectoriel (Linde-Buzo-Gray)
•1986 : Sous-bandes (Woods)
•1986 : Vectoriel sur treillis (Fisher)
•1989 : JPEG•1989 : MPEG-2
•1989 : Ondelettes (Mallat, Daubechies)
•1990 : Fractales (Jacquin)
•1996 : SPIHT•1996 : MPEG-4•1997 : MPEG-7•1998 : JPEG2000
Réduction du volume occupé par les images numériques pour faciliter leur transfert et/ou leur stockage
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 5
Classification des méthodes de compression
Sans pertes / avec pertes contrôlées Sans pertes (Huffman, Quadtree)
• image originale = image comprimée TC limité (#3)
Avec pertes contrôlées
• On perd l'information qui se voit peu TC augmente
• Recherche d'un compromis Tc / Qualité
Directe / Transformation Directe Quantification & codage des pixels de l'image
Transformation Quantification & codage des coeff. transformés
image Quantification CodageTransformation bits
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 6
Evaluation d'une méthode compression Dépend de l'application
• Taux de compression (Tc)
• Qualité
compriméfichier du Volume
originale image VolumeTc
2
10)ˆ,(
12log10
XXEQMRSB
b
dB
1
0
21
0 .
ˆ)ˆ,(
M
j
ijijN
i NM
XXXXEQM
• Critère mathématique (RSB)
• Critères subjectifs- Courbes ROC (médecine)
- Notations subjectives (TV)
Ex : image (512x512x8bpp) avec Tc=10 512x512x8/10=26215 bits 0.8 bpp
Avec
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 7
• Autres critères
• Vitesse d'exécution : codeur /décodeur
• Complexité- Additions / multiplications
- Soft / Hard
• Résistance au bruit de transmission
• Intégration de post-traitements- Prise en compte du récepteur (homme / machine)
• Coût financier
• Scalability
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 8
2 Approches directes
Codage Huffman Codage arithmétique Codage par longueur de plage Codage type dictionnaire
Quantification scalaire
Quantification vectorielle
Méthodes prédictives
Approche quadtree
Codage fractale
Codeurs de source(Th. Information)
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 9
Quantification scalaire
• Traitement pixel à pixel
Diminuer le nombre de niveaux de gris utilisés : Nnq < Nnp
• Problèmes- Comment choisir les seuils de quantification (si) ?- Comment choisir les niveaux de quantification (qi) ?
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 10
Quantification scalaire uniforme linéaire
• Seuils répartis de façon uniformeNnq
ssPQ ii
minmax1
• C'est un quantificateur linéaire
A
Bqp
BpAr
ˆ
.
minminmax
1minmax
1
NnqB
NnqA
• Niveaux = milieux des seuils2
1 iii
ssq
avec
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 11
Quantification scalaire uniforme optimale
• Seuils répartis de façon uniformeNnq
ssPQ ii
minmax1
• Niveaux = Barycentre (histogramme)
Quantification optimale (Loyd-Max : 1960)
• Minimise l'erreur de quantification
ij
ppMin 2)ˆ(
• Algorithme itératif très long pour des distributions inconnues
• Tables pour des dist. gaussiennes, laplaciennes, ...
• Fait le travail du codeur !
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 12
Quantification vectorielle
• Extension de la quantification scalaire
Pixel Vecteur = bloc de pixels contigus• Vecteur de taille et forme variable
Approche optimale : Linde Buzo Gray (1980)
• Phase d'apprentissage : dictionnaire de vecteurs• Vecteur = représentant d'une région de Voronoï de taille variable• Dictionnaire connu du codeur /décodeur
Phase d'apprentissage délicate Temps de recherche dans le dictionnaire
Approche treillis
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 13
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 14
Approche Treillis : Fisher, Conway, Sloane (1986)
• Extension de la quantification linéaire uniforme
• Treillis = vecteurs régulièrement répartis dans Rn
Dictionnaire pré-défini Pas d'apprentissage Algorithme de quantification rapide
• Algorithme de quantification vectorielle sur treillis
- Choix de la norme : L1 Laplacien PyramideL2 Gaussien Sphère
- Choix de la taille des vecteurs- Choix du treillis : Zn, An, Dn (4), En(8), n(16)
Taux (B) K rayon du dictionnaire contenant 2nB vecteurs Procédure de dénombrement
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 15
Bornage des vecteurs par le facteur d'échelle A = Es/K Ramène les vecteurs à l'intérieur du dictionnaire- Traitement spécial pour les vecteurs d'énergie > Es
Quantification- Vecteur vecteur du dictionnaire le plus proche
Codage des vecteurs : code produit- Rayon : code Huffman- Index : code de longueur fixe
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 16
Illustration de la quantification vectorielle sur treillis
Vecteurs 2x1
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 17
Structure de fichier codé
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 18
Approche Quadtree
• Découpage récursif en carrés homogènes
Critère de split : variance, ...
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 19
• Codage de l'arbre : règle de parcours (Peano)
• Codage des régions homogènes : moyenne, interpolation ...
1 | 1001 | 0000 | 01000 | 0001 | 0000
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 20
Compression par fractale
• Les Fractales (B. Mandelbrott)
- Observations naturelles : nuages, plantes ...- Auto-similarité à toutes les échelles redondance dans l'image
• Les 'Iterated Functions Systems' (IFS)
- Wi : Transformation affine contractante
i
i
i
i
ii
ii
i
o
f
e
z
y
x
s
dc
ba
z
y
x
W
..
.
.
'
'
'
rotations,réflexions
scalingvariance
niveaude gris
offsetmoyenne
déplacement
position
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 21
• Recherche d'un IFS pour générer une image très fort taux de compression mais image spéciale
• Approche directe
Transformation de l'image = morceau de l'image
image # w1(image) w2 (image) ... wn (image)
• Utilisation de bibliothèque d'IFS image segmentée en un ensemble d'IFS connus
Fougère : 4 transformations = 192 bits512² : Tc = 1365
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 22
• Compression par IFS local (Jacquin 1990)
- Approche valable sur des images quelconques
Codage
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 23
Mettre les Dj à la taille de R : Sous-échantillonnage +- moyennage
Définir la zone de recherche - toute l'image- limitée (ei,fi)
Recherche du (WiDj) le plus proche de Ri
- Mesure de distance L1, L2, L
Ex : pour L2
-
-
- ai, bi, ci, di = (0,-1,1)
4 rotations (-90, 90,180,0)
4 réflexions(_ | / \)
Codage de longueur fixe ou variable code = wi
)var(
),cov(
j
ji
i D
DRs
)(.)( jiii DmoysRmoyo
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 24
Variantes
- formes des blocs- recherche des wi
- codage des wi
Codage très long Décodage instantané
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 25
It n° 1RSB = 23,8 dB
Point dedépart
It n° 2RSB = 27,33 dB
It n° 3RSB = 32,16 dB
Tc = 10
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 26
3. Approches par transformation
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 27
• Une Transformation Réversible (sans perte) Orthogonale (énergie conservée) Rapide
Représentation différente de l'image
Décorrélation Gain en performances
Temps de calcul supplémentaire
DCT JPEGOndelettes SPIHT, JPEG2000
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 28
Compression DCT bloc : JPEG (1989)
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 29
• Schéma général
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 30
Compression sous-bandes / ondelettes
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 31
Décomposition en sous-bandes / ondelettes
• Esteban/Galland 1977 - Woods/O ’Neil 1986 - … - Mallat (1989)
• Filtres FIR 1D, 2D
• Filtres IIR 1D, 2D
Une Décomposition
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 32
Une reconstruction
• Décomposition / Reconstruction sans pertes cascades
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 33
Pyramidale(itérée en octave)
Adaptative
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 34
• Réversible
• Concentration d ’énergie
• Spatio - fréquentiel
Analyse & Compression
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 35
• Décomposition pyramidale en sous-bandes
banc de filtres FIR 1D : bi-orthogonaux 9-7
- phase linéaire, rec. parfaite, pas orthogonaux,
réguliers
Concentration d'énergie dans la BB
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 36
• Quantification séparée des sous-bandes (Woods 86)
Allocation des bits aux sous bandes par modèle
- Min(D) avec B<Bf Optimisation
- Théorie de la distorsion : bruit de quantification D=f(B)
- très rapide sous-optimal (modèle réalité)
)(.2 2.).()( BBXXX
XaBBD g
Sous-bande BF : histogramme - DPCM + scalaire + codeur entropique
Sous-bandes HF : histogramme laplacien
- QV treillis, ...
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 37
• Exemples
Originale Sous-bandes Tc=32
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 38
Sous-bandes Tc=32RSB = 30.1 dB
JPEG Tc=32RSB -3%
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 39
Originale Sous-bandes Tc=60 !!
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 40
• Quantification globale des sous-bandes (shapiro 93) SPIHT
http:\\ipl.rpi.edu/research/SPIHT
Algorithme très rapide, RSB élevé, 'embedded'
Basé sur :
- Transmission progressive par plan de bits = Q. scalaire
- Exploite l'auto-similarité inter-sous-bandes : arbres de coeffs
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 41
SPIHT (Set Partitionning In Hierarchical Trees) Said & Pearlman 96
• Décomposition en ondelettes (9-7)
• Partition des coeffs en arbres signifiants
• Transmission progressive par plan de bits
• +- Codeur arithmétique
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 42
• Transmission progressive par plan de bits
Minimiser l'erreur de quantification D
2
,,2ˆ
1)ˆ()ˆ(
i jjiji cc
NccDppD
Signe s s s s s s s s s s s s
msb 5 1 1 0 0 0 0 0 0 0 0 0 0
4 1 1 0 0 0 0 0 0 0 0
3 1 1 1 1 0 0 0 0
2 1 1 1 1
1
lsb 0
Représentation binaire des coefficients ordonnés par amplitude
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 43
Algorithme de codage par plan de bits
Sortir n=log2(max(i,j){ci,j})
Sorting pass
Sortir n, suivi des coordonnées et du signe des n coefficients ci,j tels que 2n
|ci,j| < 2n+1
Refinement pass
Sortir le néme bit le plus significatif de tous les coeff tels que ci,j 2n+1 (ceuxdont les coordonnées ont été transmises à la sorting pass précédente), dansle même ordre que les coordonnées.
Décrémenter n de 1. Retourner en 2
Place importante prise par les coordonnées des coeff. Exploiter la corrélation inter-échelles
Partitionning in hierarchical trees
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 44
• Partitionning Tree
Relation de parenté inter sous-bandes
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 45
Règles de signification
|ci,j| 2n
sinon 0
2max si 1)( ,
nji
n
cS
Définition des ensembles
O(i,j) coordonnées des 4 descendants directs
D(i,j) coordonnées de tous les descendants
L(i,j) D(i,j) - O(i,j)
H(i,j) Racines des arbres
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 46
Règles de division Partition initiale : les noeuds H(i,j) et leur descendants
D(i,j) signifiant L(i,j) + 4 coeffs O(i,j)
L(i,j) signifiant 4 D(k,l) avec (k,l) O(i,j)
Listes de signifiants !
SPIHT ne fait que de la gestion de liste
de coordonnéeset du masquage binaire
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 47
Algorithme de codage Initialisation
Sortir n=log2(max(i,j){ci,j}) Mettre LSP à videAjouter les H(i,j) dans LIP, ou LIS comme entrée type D.
Sorting pass
2.1 : Pour chaque entrée (i,j) de LIP faire :2.1.1 : Sortir Sn(i,j)2.1.2 : Si Sn(i,j) = 1, mettre (i,j) dans LSP et sortir signe ci,j
2.2 : Pour chaque entrée de LIS faire
2.2.1 : Si l'entrée est de type D alors- Sortir Sn(D(i,j))- Si Sn(D(i,j)) =1 alors
- Pour chaque (k,l) O(i,j) faire :- Sortir Sn(k,l)- Si Sn(k,l) = 1, ajouter (k,l) dans LSP et sortir signe ck,l
- Si Sn(k,l) = 0, ajouter (k,l) à la fin de LIP- Si L(i,j) 0, Déplacer (i,j) à la fin de LIS avec le type L
Aller au 2.2.2.- Si L(i,j) = 0, supprimer (i,j) de LIS.
2.2.2 : Si l'entrée est de type L- Sortir Sn(L(i,j))- Si Sn(L(i,j)) =1 alors
- Ajouter les (k,l) O(i,j) à la fin de LIS en type D.- Supprimer (i,j) de LIS
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 48
Refinement pass
Pour chaque (i,j) de LSP, sauf ceux qui viennent d'être inclus dans ladernière sorting pass, sortir le néme bit significatif des ci,j
Décrémenter n de 1. Retourner en 2
La stratégie de parcourt est connue du décodeur
les coordonnées ne sont plus codées !
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 49
• Exemples
SPIHT Tc=32RSB : 32.45
JPEG Tc=32RSB : 30.25
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 50
SPIHT , TC=30 SPIHT , TC=240 !
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 51
JPEG 2000 (96-Dec 2000 : ISO standard)
Un objectif ambitieux
Un standard de compression d'image fixe pour le 21ème siècle
- Performant même à taux élevé (<0.25 bpp)- Toutes les tailles- Des images binaires aux images vectorielles- Du Lossless au Lossy- Du naturel aux images de synthèse- Transmission progressive- ROI management- Fixed rate / fixed size- Robustesse aux erreurs- Rapidité- Sécurité (watermark, encryption)- Description par le contenu- Complexity and Quality Scalability
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 52
JPEG2000 : le standard
1 - « Core coding system » JPEG 2000 Codec family
2 - « Extensions » Extensions spécifiques applications
3 - « Motion-JPEG2000 » Extension pour compression video intra-frame
4 - « Conformance testing » Procédures de tests
5 - « Reference software » Exemples de softs
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 53
JPEG2000 : Marchés et applications
• Internet• Mobile• Printing / Scanning• Digital photography• Remote sensing• Facsimile• Medical• Digital Libraries• E-Commerce
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 54
JPEG2000 : codec overview
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 55
JPEG2000 : image originale
• Multi-component : up to 214
• Integer pixel value : up to 38 bpp• Size and sample grid / component• Reference grid : 231x231 • Independent image tiling
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 56
JPEG2000 : PreProcessing
• Component zero centering
JPEG2000 : InterComponentTransform
• Reduce correlation between components• Ex : RGB YUV
JPEG2000 : IntraComponentTransform
• 2D Wavelet transform• 1D FIR implementation• Filter bank choice : 5/3 integer, 7/9 real …• Decomposition choice
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 57
JPEG2000 : Quantization
• Integer mode (lossless) : no quantization• Real mode : uniform linear scalar quantizer• Quantization step Rate control1
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 58
• Goal : generate a collection of independant embedded bitstream
• Subband block partition (2nx2m)– Independant coding
• Bit plane coding – Within a subband block, with a stripe raster– Significance propagation : 8 neighbors significance– Refinement pass in the current bit plane– Cleanup pass to encode the remaining coeff– Context arithmetic coding
JPEG2000 : Tier-1 coding
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 59
JPEG2000 : Tier-1: bit plane coding
1st pass in the MSB bit plane
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 60
JPEG2000 : Tier-1 coding / Code blocks
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 61
JPEG2000 : Tier-1 coding / bit plane coding
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 62
JPEG2000 : Tier-2 coding
• Goal : bitstream multiplexing for inclusion in the codestream to enable rate, fidelity, resolution scalability
• Packetization process of the bit plane coding passes
• L quality layers of coding pass
• Code block precinct
• Packet = header + body– header = list of coding pass – body (component, resolution, layer, precinct) = coding pass data
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 63
JPEG2000 : Tier-2 coding / Layers
• Layer : a collection of some consecutive bit-plane coding passes trough code blocks, subbands, components
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 64
JPEG2000 : Tier-2 coding / Precincts
• Precinct : set of code code block within a resolution.
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 65
JPEG2000 : Tier-2 coding / Packets
• Packets : compressed data representing a specific tile, layer, component, resolution, precinct
• Packet ordering : Progression
– 1 : Layer - Resolution - Component - Position (precinct order)
Fidelity
– 2 : Resolution - Layer - Component - Position Resolution
– 3 : Resolution - Position - Component - Layer– 4 : Position - Component - Resolution - Layer– 5 : Component - Position - Resolution - Layer
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 66
Medium resolution / highest SNR
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 67
Highest resolution / Target SNR quality
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 68
Highest resolution / Target visual quality
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 69
JPEG2000 : Data hierarchy and rate control
• Data hierarchy
– Image, component, tile
– Resolution, subband
– Precinct (code blocks)
– Coding pass
– Quality layer
– Packet (component, resolution, layer, precinct)
Scalar quantizer
Rate control
• Rate allocation : encoder choice- None, iterative, post-compression ...
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 70
JPEG2000 : Progressive by resolution
2 bpp, Tc=4
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 71
JPEG2000 : Progressive by quality
0.0625 bppTc=128
0.25 bppTc=32
0.5 bppTc=16
0.125 bppTc=64
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 72
JPEG2000 : Region of interest management
• A simple good idea in the Tier-1 coding
– Local bit shifting of the ROI subband coeff
WT
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 73
4 bits shift, 0.0625 bpp, Tc=128 2 bits shift, 0.25 bpp, Tc=32
JPEG2000 : ROI
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 74
5 bits shift, 0.0625 bpp, Tc=128 3 bits shift, 0.25 bpp, Tc=32
JPEG2000 : ROI
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 75
JPEG2000 vs JPEG
0.125 bpp, Tc=64
0.25 bpp, Tc=32
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 76
JPEG2000 vs JPEG
0.125 bpp, Tc=64
0.25 bpp, Tc=32
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 77
JPEG2000 reference
• JPEG site : http://www.jpeg.org
• Jasper software : http://www.ece.uvic.ca/~mdadams/jasper/
• JJ2000 software : http://jpeg2000.epfl.ch/
• Full course : http://ltswww.epfl.ch/~dsanta/teaching/ICIP2001_JPEG2K.pdf
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 78
4 Compression de séquences d'images
Supprimer la redondance spatiale ou intra-image
approches 2D
Supprimer la redondance temporelle ou inter-image
utiliser le déjà vu et le mouvement
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 79
Les normes MPEG H261 (1988)
La base de la compression de séquences d'images- Block matching- DCT bloc + Run length + DPCM
MPEG 1 (1988-92)Vidéo + Audio / 1.5 Mbs CDI
MPEG 2 (1990-94)4-30 Mbs TV numérique (Digital Video Broadcasting)
MPEG 4 (1996-99)L'approche multimédia interactif
MPEG 7 (1997-01) Indexation & recherche d'information
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 80
Les bases de H261 à MPEG2
3 types d'images : 3 codages
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 81
• Images I (intra)- Codées JPEG'- Point d'accès séquence (0.5s)- Tc faible
• Images P (Prédites)- Prédites à partir de I ou P- Codage DPCM des vecteurs mvt- Codage JPEG* de l'erreur de prédiction- Tc élevé- Propagation de l'erreur
• Images B (Bidirectionnelles)- Interpolées à partir des I P- Tc le plus élevé
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 82
Codage et TVnum
• Numérisation brute : 200 Mb/s
• DVB # DVD = MPEG2 MP@ML
- 720 x 480/576 (30/25 Hz) avec IPB
- 4 Mb/s (PAL/SECAM) à 9 Mb/s (studio)
- Tc de 40 à 18
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 83
MPEG4 : caisse à outil multimédia !
MPEG4 = beaucoup + que de la compression
MPEG4
Eléments technologiques standardisés
Auteurs - Fournisseurs de services - Utilisateurs
Production - Distribution - Accès
TV NumAppli. graph. interactives
WWW
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 84
Auteurs- Rendre faisable et flexible la production d'objets intégrant des technos TV, Web, VRML ...- Protéger leur droit
Utilisateurs- Bénéficier de nouveaux produits avec une forte interactivité
Fournisseurs de service- Fournir une info transparente, auto-adaptable aux réseaux- Gestion de la Qualité de service (QoS)
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 85
Les AVO de MPEG4
• Données = Audio Visual Objects
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 86
• Scène = (AVO's)
• Interactivité pour les utilisateurs- Changement de point de vue- Navigation dans la scène- Interaction avec la scène- Modification de la scène
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 87
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 88
La compression d'images dans MPEG4
• Boite à outils adaptée aux AVO- JPEG, MPEG2- Ondelettes, Zerotree- Méthodes de 2ème génération
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 89
La compression par maillage actif
• ObjectifDéformer un maillage pour l'adapter à l'image :
- Noeuds sur les contours & Cellules homogènes
• Stratégie de déformation- Modèle mécanique avec minimisation d'énergie
• Stratégies de codage- Codage de la structure : position des noeuds
- DPCM + Codeur entropique
- Codage de la texture : intérieur des cellules- Interpolation- Wharping + méthodes par transformation
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 90
Maîtriser le temps de déformation
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 91
La compression par modèle
• Principe- Déformer le modèle pour le faire coller à l'image- Coder la déformation au cours du temps- Coder l'intérieur des mailles
Spécifique à des modalités d'images
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 92
La compression par approche Objets
• Principe- Segmenter () l'image en régions homogènes : les objets
- Coder la carte des objets () : 'chain coding'
- Coder l'intérieur des Objets : shape DCT
• Chain coding
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 93
Plan
• I. Compression
• II. Segmentation
• III. Indexation
• IV. Tatouage
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 94
II. Segmentation
1 Définitions & classification
2 Approche fonctionnelle
3 Quelques méthodes de segmentation
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 95
La segmentation est un traitement bas-niveau qui consiste à créerune partition de l'image I en sous-ensembles Ri appelés régionstelles que :
i
i
jiji
ii
RI
RRji
R
0 ;
0
,
Une région est un ensemble de pixels connexes ayant despropriétés communes qui les différencient des pixels des régionsvoisines.
1 Définitions & classification
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 96
Le choix d'une technique est lié :
A la nature de l'image (éclairage, contours, texture ...)
Aux opérations en aval de la segmentation
- Compression- RF, interprétation- Mesure
Aux primitives à extraire (droites, régions, textures,...)
Aux contraintes d'exploitation (tps réel, mémoire ...)
Pas de norme ! Pas de méthode unique ! Pas de recette !
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 97
Approches "région"
- Basées sur l'homogénéité de caractéristiques localisées spatialement calculées sur les niveaux de gris
- Homogénéité : variation à l'intérieur d'une région < variation entre 2 régions
- Robustes aux bruits mais mauvaise localisation spatiale
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 98
Approches "frontière"
- Basées sur l'information de gradient pour localiser les frontières des régions
- 2 approches : (détection et fermeture de contours) ou (contours déformables)
- Sensibles aux bruits et aux contours mal définis, elles offrent une bonne localisation spatiale
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 99
Techniques de segmentation
Approches REGION
Approches FRONTIERE
Seuillage adaptatif
Méthodes variationnelles(contours actifs)
Méthodes dérivatives
Template Matching
Texture Méthodes
Markoviennes Approches structurales
Analyse et classification
Détection de contours+
Fermeture des contours
Vue d'ensemble
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 100
2 Approche fonctionnelle
Critères
Mesures
Evolution
Modification Arrêt
InitialisationImage
Carte desrégions
bloc élémentaire
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 101
Bloc 1
N1
Bloc k
Nk
Bloc 2
N2
Approche fonctionnelle et méthodes complexes
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 102
Bloc Mesures
- Réalise les mesures nécessaires pour évaluer l'homogénéité des régions
- Des mesures 'images' : moyenne, variance, entropie, gradient, texture ...
- spatiales- fréquentielles
- Des mesures 'régions' : forme, surface, périmètre ...
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 103
Le choix des mesures : un problème compliqué Texture
Détection decontour !
Seuillage
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 104
Texture = information visuelle qualitative:Grossière, fine, tachetée, marbrée, régulière, périodique...
Région homogène: Assemblage plus ou moins régulier de primitives plus ou moins similaires.
Texture microscopique: Aspect chaotique mais régulier, primitive de base réduite.
Texture macroscopique: primitive de baseévidente, assemblage régulier.
?
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 105
Approches pour l'analyse de Texture
Structurelles: recherche de primitives de base bien définies et de leur organisation (règles de placement)Méthodes peu utilisées
Stochastiques: primitives mal définies et organisation +/- aléatoire.
Principe: évaluation d’un paramètre dans une petite région(fenêtre de taille dépendant de la texture (!) ): Analyse fréquentielle, statistiques, comptage d’événements, corrélation,....
Pas de modèle général de texture Nombreuses méthodes ad-hoc.
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 106
Trouver les bons paramètres
4x4 8x8
16x16 32x32
Le choix et le réglagedes mesures est
fondamental en segmentation
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 107
Bloc Critères
- Fusionne les mesures en un seul critère qui sera utilisé pour évaluer le besoin de modification
- Introduction d'hyper-paramètres conditionnant le résultat de la segmentation
M
i
ni
ni
n EwC1
.
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 108
Bloc Evolution
- Estime à partir des critères le besoin d'évolution des régions
- Evolution par seuillage : binaire ou progressive
- Evolution par dérivée : variation du critère entre 2 itérations
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 109
Bloc Modification
- Modifie la carte des régions- N constant : seuillage, contour actif, ...- N+ : split- N- : merge
- Stratégies diverses ... et représentation des régions adaptée- déplacement de point- étiquetage- maillage
- Considéré comme le cœur des méthodes de segmentation
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 110
Bloc Arrêt
- Décide l'arrêt des itération
- Par défaut, arrêt quand la carte de segmentation ne bouge plus
- Autres possibilités : manuel, nombre d'itération, nombre de points modifiés ...
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 111
3 Quelques méthodes de segmentation
V.3.1 Segmentation par seuillage adaptatif
V.3.2 Segmentation par détection / fermeture de contours
V.3.3 Segmentation par contours actifs
V.3.4 Segmentation par Split / Merge
V.3.5. Segmentation par Template Matching
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 112
H(N)
Seuil
N
Objet
Fond
• Détection de vallées, en prenant le minimum de l’histogramme situé entre les 2 pics• Optimisation du seuil S par modélisation Gaussienne p1(x) et p2(x) et en minimisant l’expression basée sur les fonctions de répartition :
Min F x S F x S1 1 2 ( ) ( )
V.3.1 Segmentation par seuillage adaptatif
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 113
Objectif : Trouver le seuil S qui minimise la somme des moments centrés d’ordre 2 (somme des Variances) des 2 classes
Centre de gravité G d’une classe
G S
xh x
h xi
x C
x C
i
i
( )
( )
( )
Var S x G h xi ix Ci
( ) ( ) ( ) 2
Variance Var d’une classe
h(x) : histogramme de l’image
Exemple : Méthode Fisher
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 114
)()( 21 SVarSVarMinSS
opt
Trouver S qui minimise la somme des variances :
En simplifiant les termes en carrés, cela revient à maximiser la fonctionnelle J(S) :
J S
xh x
h x
xh x
h x
x C
x C
x C
x C
( )
( )
( )
( )
( )
1
1
2
2
2 2
Le problème de seuillage ou de partitionnement revient à chercher S dans {0,255} qui maximise J(S)
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 115
Détection decontour
Extraction decontour
Fermeture decontour
La détection de contour est suivie d’une localisation de contour et de la recherche d’un ensemble connexe de points
3.2 Segmentation par détection / fermeture de contours
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 116
Détection de contour
• Un contour caractérise la frontière d’une région• Un contour est défini par une variation «rapide» de caractéristique
Contour Contour ? Contour ?
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 117
Définition continue d'un contour
Mesure du gradient de f(x,y) dans la direction rLa direction du contour est obtenue pour :
2 max
),(
gpour
r
yxf
f(x,y)
r
x
g
f x y
r
( , )
0
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 118
)sin()cos(
y
f
x
f
r
y
y
f
r
x
x
f
r
f
f
x
f
xsin( ) cos( ) 0
f x y
r
( , )
0
g
fy
fx
arctan( )
22
max
y
f
x
f
r
f
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 119
Applications aux images numériques
• Pour chaque pixel (i,j), on mesure du gradient dans deux directions orthogonales : Dx Dy
• Calcul de l’amplitude du gradient M D Dx y 2 2
• Calcul de la direction du gradient
Arctan
D
Dy
x
f(i,j)
Dx
Dy
M
Carte d’amplitude
Carte de direction
H1
H2
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 120
Un contour est détecté si M dépasse une certaine valeur (seuil).
La carte de direction est utilisée pour «suivre» les contours.
Exemples d’opérateurs H1 H2
Roberts
Prewitt
Sobel
0 1
1 0
1 0
0 1
1 0 1
1 0 1
1 0 1
1 1 1
0 0 0
1 1 1
1 0 1
2 0 2
1 0 1
1 2 1
0 0 0
1 2 1
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 121
« Roberts »
Zoom
Amplitude
Direction
blanc=...gris = +128x128
(inhomogénéitédu contour)
Exemple de détection de contours
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 122
Amplitude
Direction
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 123
Il existe de nombreuses méthodes de détection de contour:• Dérivation au premier ordre
Prewitt, Sobel, Roberts, Kirsh, Compass, dérivateurs...• Dérivation au second ordre
Laplacien, Marr et Hildreth,...• Filtrage optimal
Canny-Deriche, Shen• Modélisation des contours
Hueckel, Haralick
• Morphologie mathématiquegradient morphologique, ligne de partage des eaux...
Caractéristiques:Complexité, précision de localisation, sensibilité au bruit, création de faux contours
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 124
Un contour = ligne de crête dans l’image de la norme du gradient (IG):
• des niveaux de gris toujours élevés• de faibles dénivelés le long de ces lignes• de forts dénivelés dans les autres directions
==> les points de contour = maxima locaux de IG
Le principe est de comparer le gradient G en un point M avec les gradients G1 et G2 des deux voisins pris dans la direction du gradientsi G>G1 et G>G2, alors M est un maximum local
contour
G
G1
G2
direction de G
M
Extraction des contours
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 125
Hypothèse : l’image de la norme de gradient est disponible et les extrémités des contours à fermer sont connues
contour de l’image A
arc d’un chemin solution
S0
Sf
S
Trouver le chemin du coût minimum :• S qui minimise
• S qui minimise la distance entre S et Sf
R
A S A R( ) ( )
Fermeture des contours
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 126
• Un contour actif est une courbe fermée ou non, initialisée à proximité du contour recherché qu’on déforme par itérations successives afin de converger vers le contour réel• L’évolution du contour actif est régie par une minimisation d’énergie• L’évolution s’arrête par un critère d’arrêt qui correspond à une condition de stabilité
Finalcontour
Initialcontour
La convergence traduit une adéquation entre la forme finale de la courbe C la fonction image au voisinage de la courbe
3.3 Segmentation par contours actifs
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 127
• Le contour actif est assimilé à une courbe C :
s est l‘abscisse curviligne, v(s,t) est un point courant de C, a et b sont les extrémités de C, l’évolution temporelle se fait entre 0 et T
• Une énergie E(C) est mesurée à chaque t durant l’évolution temporelle
• E(C) intégre :• les caractéristiques intrinsèques de la courbe C• les caractéristiques de l’image I au voisinage de C• l’interaction entre I et C
C v s t x s t y s t s a b t T ( , ) ( , ), ( , ) ; [ , ], [ , ]0
Contours actifs : définitions
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 128
Contours actifs : Energie du contour E(C)
E C E C E C E Cext image( ) ( ) ( ) ( )int
Eint : - lié à la rigidité (tension), il agit sur la longueur- lié à l'élasticité (flexion), il agit sur la courbure
Eext : - introduit des contraintes opérateur (points de contrôle ...)
Eimage : - introduit les caractéristiques images (gradient)
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 129
• Calculer l'énergie pour chaque point
• Faire la liste des points par ordre d’énergie croissante
• Faire évoluer le point avec l'énergie minimale
• Calculer l'énergie nouvelle pour ce point et organiser la liste
• si la distance entre deux points est trop grande, ajouter un
point entre les deux
Evolution temporelle du contour actif
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 130
• Le contour initial ne peut pas être sélectionné automatiquement
• Le contour initial doit être proche du contour final
• Le modèle n’est pas utilisable dans le cas de la présence de texture
• Le modèle peut être perturbé en présence de bruit
• La minimisation d'énergie demande l’inversion de matrices de grande
taille à chaque itération
==> calcul très long
Problèmes liés aux contours actif
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 131
• Les méthodes structurales visent à regrouper des ensembles de points ou de régions selon des critères d’homogénéité
• Ces méthodes garantissent la connexité des régions
• Les stratégies utilisées peuvent être :• ascendante : mécanisme de croissance (MERGE) de régions : du niveau élémentaire (ex : pixel) aux grandes régions
• descendante : mécanisme de division (SPLIT) de régions : du niveau haut (ex : image) vers la décomposition en petites régions
3.4 Segmentation par Split / Merge
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 132
• La croissance est conduite selon deux critères :
• homogénéité pour une région R formée de N pixels
• connexité (adjacence) du pixel à intégrer dans R
• Exemples de contrainte d’homogénéité :
• Variance Var(R) inférieure à un seuil
• Nombre de pixels M dont les NG se situe hors d’un intervalle
[Moy(R)-EcType(R),Moy(R)+EcType(R)] inférieur à un seuil
• Un pixel S est intégré à R si
• les caractéristiques de ce point (NG, couleur, texture centrée sur ce
point,..) est proche de celles de R
• S est connexe à R
Méthode ascendante : Croissance de régions
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 133
• Les méthodes descendantes divisent l’image ou une partie d’image en régions en utilisant des partitions élémentaires connues comme le quadtree
Méthodes descendantes : division de régions
• La division d’une région R en sous-régions se fait si R ne remplit pas la contrainte d’homogénéité fixée
• Le maillage peut être – régulier ou irrégulier– de type rectangulaire, triangulaire ou polygone quelconque
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 134
• La méthode Template Matching est basée sur la recherche de la position spatiale d’un motif (objet) M connu dans une image I
• La position du motif est donnée par les maxima de la fonction d’intercorrélation CIM
qp,t déplacemenpour tout
),(),(),( m n
IM qnpmMnmIqpC
3.5. Segmentation par Template Matching
• La recherche (ou le collage) se fait par le calcul de l’intercorrélation bidimensionnelle C(p,q) entre I et M :
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 135
Imageoriginale Motif
Image d’intercorrélation seuilléeImage d’intercorrélation
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 136
Plan
• I. Compression
• II. Segmentation
• III. Indexation
• IV. Tatouage
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 137
III. Introduction à l ’indexation Texte écrit recherche d'info. sur le contenu (symbolique du mot)
Images Contenu d'une image texte ! Indexation manuelle dans des bases de données Augmentation exponentielle du nombre d'images
Un défi
Automatisation de l'indexation d'images par le contenu Interfaces et moteurs de recherche adaptés
Rque : Analyse d'une image = quelques sec.
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 138
Problème posé Retrouver des images semblables à celles que cherche
l'utilisateur• Que cherche l'utilisateur ? exemples, mots clés• Quelles mesures considérer sur les images ?• Quelles fonctions de ressemblance ?
Contraintes de robustesse• rotation• échelle• éclairage
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 139
2 Indexation par mesures globales
• Couleurs majoritaires • Histogramme RVB calcul de distances complexe, illumination!
Niveaux de gris
Mesures sur l'image entière et/ou des zones a priori
Couleur : idée visuelle vague : "fleur rouge, ciel bleu"
• Paramètres de texture
Utilisation de silhouettes• Seuillage binaire• Direction, nombre ...
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 140
3 Indexation par mesures locales
A adapter aux modalités d'images
Que segmenter ? objets, primitives ...
Que mesurer ? des angles, des nombres, des orientations
Problème reporté sur l'algorithme de segmentation
Mesures sur une image segmentée
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 141
3 Indexation et compression
• Vectoriel dictionnaire• Fractale LIFS• Sous-bandes répartition énergétique, direction• DCT Continuité, Activité fréquentielle locale• MPEG-4 multiplexage d'objets
Mesures fournies par/pendant la compression
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 142
4. Un exemple de produit : QBIC
• Images +- texte data base
• Indexation
• Requêtes itératives
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 143
• Silhouettes • Semi-automatique : croissance de régions, snakes
Segmentation des images
• Couleur • Barycentre RGB
• Histogramme 64 couleurs
• Texture (Y)• Directions privilégiées (Gradient)
• Fenêtres variables (variance NG) coarsness / contrast
• Forme• Orientation
• Surface, périmètre, compacité
• Imagette 64x64 de contour
Paramètres calculés sur images & objets
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 144
• Couleur moyenne • Histogramme couleur• Texture• Forme / position des contours• localisations d'objets
Recherche par texte / image / objet
Try the demo : http://wwwqbic.almaden.ibm.com
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 145
Couleur dominante + 64 coefs sous-bandes
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 146
5. MPEG-7 (98-2001)
Définir un standard de description de l'information multimédia – Texte, Image, graphique, 3D, audio
Objectif
• Extraction de descripteurs (Auto/manuel) • Moteurs de recherche adaptés• Retour d'informations
– classement– format– condition d'accès
Applications Services & Usages– Média numérique personnalisé– Choix d'un programme TV– Commerce électronique– Agents intelligents ...
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 147
Plan
• I. Compression
• II. Segmentation
• III. Indexation
• IV. Tatouage
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 148
IV. Introduction au tatouage
Protéger la propriété des images numériques
Objectif
Watermark = signal inséré dans l'image• Unique identifie l'image• Multiple identifie la source
• visible facile à enlever, propriétaire visible• invisible difficile à enlever, piéger les truands
2 types
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 149
• Impossible à enlever sans dégrader l'image• Résiste au scaling, cropping, coding, modif histogramme• Invisible mais extractible• En nombre suffisants
Contraintes !
• Original + watermark # original• watermark signature électronique
Remarques
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 150
• Domaine spatial (peu résistant)– flip des bits de poids faible de quelques pixels
– Modifications d'amplitude (YUV)
• Domaine fréquentiel – Modifications de coefs TFD / TCD / Sous-bandes
Quelles approches
Compromis entre (invisibilité / indélébilité)
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 151
Exemple avec la DCT (M. Barni et al., LCI/DIE/ Univ. Florence)
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 152
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 153
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 154
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 155
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 156
• Double watermark !
Limitations
• Qu'est ce qu'un bon watermak ?– Distorsion introduite !– Niveau de résistance– Besoin de l'original ?– Du PC au papier !
• Comment gérer ses droits ?
• Quels Usages ? Quels services ?
Questions
Dpt. Télécommunications, Services & Usages Traitement d'images H. Benoit-Cattin 157
V. Conclusion
Image numérique Indexation
CompressionSegmentation
Tatouage
Rec. formes
BDO
Transmission
Décision
• Image Multimédia• Des techniques complexes
et prometteuses
• Dimension affective forte• Au cœur de nouveaux
services & usages
• Image & Protocoles ...