contribution à la compression d’images par la transformation en ondelettes et les réseaux de neurones artificiels

dc.contributor.advisorBrahim Minaoui
dc.contributor.authorHOUDA CHAKIB
dc.date.accessioned2023-10-31T14:05:46Z
dc.date.accessioned2025-11-07T11:39:51Z
dc.date.available2023-10-31T14:05:46Z
dc.date.issued2017
dc.description.abstractDans le présent travail de cette thèse, nous avons élaboré un système de compression des images fixes intégrant des techniques de l’intelligence artificielle et de traitement du signal à savoir les réseaux de neurones et les transformées en ondelettes. Pour élaborer ce système, nous avons, dans un premier temps, étudié les performances de différents types de transformation en ondelettes en compression d’images en termes du Taux de Compression (TC), d’Erreur Quadratique Moyenne (EQM), du Nombre de Bits par Pixels (BPP) (NBP) et du Rapport Signal sur le Bruit Crête (PSNR). Cette étude a mis en évidence la dépendance de la qualité de la compression d’une image du type de la transformée en ondelettes adopté. En se basant sur le résultat de cette étude, nous avons, dans un deuxième temps, développé un système de compression d’images basée sur une approche de compression qui consiste à utiliser un réseau de neurones multicouche entrainé à l’aide d’un apprentissage à rétro-propagation à partir d’une base de données images, pour sélectionner la transformée en ondelettes la plus appropriée pour la compression d’une image. L'association de ces deux techniques, classification par réseau de neurone et compression par transformation en ondelettes, a permis d'améliorer la compression d’images. Afin d’améliorer davantage les performances du système de compression développé, le réseau de neurones est entrainé, après modification de sa structure, à proposer en plus de la transformée en ondelettes appropriée, le taux optimal de compression convenable pour compresser une image sans perte d’information. Une évaluation du système de compression d’images ainsi élaboré, réalisée sur un corpus d’images différent de celui utilisé au cours de l’apprentissage, a mis en évidence l’amélioration de la qualité de compression des images. Des tests effectués sur un ensemble d’images ont mis en évidence que le système de compression ainsi élaboré permet bien d’améliorer la qualité de la compression des images.
dc.description.collaboratorBrahim Minaoui
dc.description.collaboratorMohamed Fakir
dc.description.collaboratorMohamed Sajieddine
dc.description.collaboratorNejma Fazouan
dc.description.collaboratorNajlae Idrissi
dc.identifier.urihttps://toubkal.imist.ma/handle/123456789/25466
dc.identifier.urihttps://doi.org/10.83129/toubkal-3966
dc.language.isoFr
dc.publisherFaculté des Sciences et des Techniques, Béni Mellal - Doctorat ou Doctorat Nationalfr_FR
dc.subjectcompression d’imagesfr_FR
dc.subjecttransformation en ondelettesfr_FR
dc.subjectréseau de neurones multicouchefr_FR
dc.subjectapprentissage par rétro-propagationfr_FR
dc.subjectcompression sans perte d’information.fr_FR
dc.subject.other1. Natural Sciences
dc.subject.specific1.3 Physical sciences
dc.titlecontribution à la compression d’images par la transformation en ondelettes et les réseaux de neurones artificielsfr_FR

Files

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
143-17 HOUDA CHAKIB.pdf
Size:
3.85 MB
Format:
Adobe Portable Document Format