Compression Multimodale D'Images Numériques: Application Aux Images Médicales
| dc.contributor.author | Debab Med Amine | |
| dc.contributor.author | Ikkour Sofiane | |
| dc.contributor.other | Lahdir Mourad | |
| dc.date.accessioned | 2019-11-12T11:05:47Z | |
| dc.date.available | 2019-11-12T11:05:47Z | |
| dc.date.issued | 2011 | |
| dc.description | 87 f. : ill. ; 30 cm. (+ CD-Rom) | en |
| dc.description.abstract | Résumé Notre projet propose une approche pour la compression d’images médicales combinées au préalable avec un signal électrocardiogramme (signal ECG) en utilisant le codeur SPIHT. Ce type de compression appelé « compression multimodale » a pour objectif de compresser des images associées à des données en une seule fois permettant ainsi d’obtenir une seule séquence binaire à sauvegarder ou à transmettre. Pour mettre au point notre méthode, nous avons utilisé deux images médicales, l’une est radiographique et l’autre scanner, ainsi qu’un signal ECG que nous avons généré par le logiciel MATLAB. La procédure visant à insérer le signal ECG dans chacune des images consiste à remplacer chaque pixel sur deux de ces images par un point du signal. Cette technique est appliquée dans le domaine spatial et dans le domaine fréquentiel. Dans le domaine spatial, nous avons injecté le signal directement dans les images en remplaçant chaque pixel sur deux de celles-ci, puis, nous avons compressé chaque image combinée avec le signal par SPIHT générant ainsi une séquence binaire. Après la décompression, nous avons procédé à l’extraction de chaque signal correspondant à chaque image en restituant les positions des pixels qui ont été remplacés. Ensuite, nous avons récupéré les pixels perdus de chaque image par interpolation en calculant la moyenne des deux pixels voisins de chaque pixel perdu. Dans le domaine fréquentiel, nous avons d’abord décomposé les images en sous-bandes de fréquence par transformation en ondelettes discrètes. Nous avons par la suite inséré le signal ECG dans les sous-bandes contenant l’énergie la moins importante. Chaque image combinée avec le signal a été ensuite compressée et codée par SPIHT afin de générer une séquence binaire. Après la décompression, nous avons extrait chaque signal correspondant à chaque image et appliqué l’interpolation afin de restituer les pixels perdus de chaque sous-bande. Enfin, les images ont été reconstruites par transformation en ondelettes discrètes inverse. Dans chaque cas, nous avons calculé le rapport signal sur bruit des images reconstruites ainsi que des signaux restitués afin d’évaluer leur qualité. | en |
| dc.identifier.citation | Reseaux Et Telecommunications | |
| dc.identifier.other | MAST.ELN.18-11 | en |
| dc.identifier.uri | https://dspace.ummto.dz/handle/ummto/6784 | |
| dc.language.iso | fr | en |
| dc.publisher | Université Mouloud Mammeri | en |
| dc.subject | Images numériques | en |
| dc.subject | Commpresssion multimodale | en |
| dc.subject | Images médicale | en |
| dc.subject | Codeur SPIHT | en |
| dc.subject | Signal ECG | en |
| dc.subject | Transformée en ondelettes | en |
| dc.title | Compression Multimodale D'Images Numériques: Application Aux Images Médicales | en |
| dc.type | Thesis | en |