6. Quantification des signaux visuels. Codage prédictif (MICD) Codage MIC Principe : chaque pixel...
-
Upload
eliane-mary -
Category
Documents
-
view
108 -
download
0
Transcript of 6. Quantification des signaux visuels. Codage prédictif (MICD) Codage MIC Principe : chaque pixel...
6. Quantification des signaux visuels. Codage prédictif
(MICD)Codage MIC
Principe : chaque pixel est codé indépendamment des autres (représentation canonique des images numériques)Images monochromes : quantification sur 2k niveaux usuellement (vidéo k=8, binaire k=1, k=12 images médicales)
Images vidéo couleurs : quantification de chaque composante spectrale Y, Cr, Cb en 8 bits
Réduction du débit :
- par réduction du nombre de niveaux,
- par codage entropique
Quantification (I)
Quantification : opération fondamentale d’un système de conversion analogique / numérique
A) « Analogique – numérique » Entrée : variable aléatoire continue, « analogique »
Sortie : entier appartenant à un ensemble fini
Quantificateur scalaire : une application Q de R dans un ensemble fini C appelé « dictionnaire », Card(C)=L
B) « Numérique – numérique »
Entrée : variable aléatoire discrète
A – l’alphabet d’entrée, Card(A)>Card(C)
Exemples :
TV analogique Y – variable continue, on la représente par un alphabet {0, 1,…, 255}
Binarisation d’une image monochrome : A={0,1,…,255}, C={0,1}.
Rx L,...,2,1
LxxxCCRQ ,...,,,: 21
NxxAx ,...,, 21x
Quantificateur scalaire uniforme :
Adapté pour une source de distribution uniforme:
Les intervalles de quantification :
Quantification uniforme entière :
Exemple : x={11,13,21,27,39,-43},q=10
Q(x)={10,10,20,30,40,-40}
Quantification (II)
qqxxQ
2/11)(
x
Q(x)
AAxconstxpX ,
consttt ii 1,
Distorsion :
Pour un quantificateur uniforme
Bruit :
Distorsion d’un quantificateur
2)())(,( xQxxQxd
dxxpxQxdXQXdED X
)(,,
dxxpxQxXQXdED X
lR
L
l
2
1)(,
nxnxQn )(
nx
n
)(nxQ
Bruit :
a) Bruit granulaire – à l’intérieur du quantificateur
b) Bruit de surcharge – amplitude du signal d’entrée est à l’extérieur du quantificateur.
Bruit de Quantification
dxxpxxdxxpxxD X
lt
LX
t
1
21 2
1surcharge
x
Q(x)
Zone granulaire
Zones de surcharge
Quantification Scalaire Optimale Codage MICD
Quantification optimale : pour la source donnée
(1) Connaissant la partition (en intervalles) trouver le dictionnaire qui minimise la distorsion de quantification
(2) Connaissant le dictionnaire trouver la partition qui minimise la distorsion.
Quoi quantifier (?) : signal analogique -> numérique,
Signal d’origine numérique -> pour réduire le débit
Signal d’erreur de prédiction dans les codecs image/vidéo
Codage
Décodage
Schéma générique du codage avec
prédiction
Prédiction
I
I~
+-
IIE ~
Codage prédictif MICD
Principe : On code en MIC la différence entre la valeur du signal au point à coder et une prédiction qui en est faite à partir des valeurs déjà codées.
On utilise 2 fonctions essentielles :
- Fonction de prédiction ;
- Fonction de quantification.
Le taux de compression est lié à la qualité de prédiction.
Codage prédictif MICD (II)
x(t)b(t)
+
+
y(t)
y(n)
t=tn
Q MIC
yq(n)+
- d(n)
Quantificateur des
différences
Prédicteur
Prédicteur
dq(n)++ nx̂
nx pˆ
++
Codeur MICD
Décodeur MICD
nx̂ nx pˆ
Codage prédictif MICD (III)
La fonction de prédictionFournit une estimation a priori (prédiction) de
x(k,l) à partir de voisinage causal (déjà décodé) du point (k,l).
Principe : utilisation de la corrélation entre le point à (k,l) et ses voisins « passés ». Le voisinage peut être spatio-temporel. Ex. pour (k,l,t) : (k, l, t-dt), (k-i,l-j,t)...
(k,l)lkxlkV de causal voisinage),(),( si
lkVflkxp ,,
- Prédiction linéaire fixe
),(
,ˆ,ji
ijp jlikxlkx
- Prédiction non-linéaire (ex. filtrage médian entre 3 prédictions linéaires fixes;
- Prédiction adaptative
Fonctions de prédiction (I)
Voisinage spatial causal
Prédicteurs linéaires simples
E B C D F
XA
X
CBAxPCAxPAxP )(,2/)()(,)(
Fonctions de prédiction (II)
Prédicteurs linéaires fixes optimisés :
minimisation au sens des moindres carrés
soit
n
kkjkik
pij
pijij xxxx
1
avec
minimiser
22 pijij xxE
nkxxxE
kjki
n
kkjkikij
k,...,1,00
1
2
est supposée centrée
Si le signal d’image est supposé stationnaire au second ordre, alors
kkjkiij rxxE )(
nkxxExxEn
lkjkiiljllkjkiij ,...,1,)(
1
Les coefficients dépendent donc de la corrélation
Fonctions de prédiction (III)
Si on considère un processus de Markov à corrélation séparable
vkV
HkHxk xEr 22
V
H
V
H
x
k
k
xE
2
- valeur moyenne de signal
- variance
- coefficient de corrélation horizontale
- coefficient de corrélation verticale
- déplacement horizontal
- déplacement vertical
Quantification en MICD
Quantification de l’erreur de prédiction de la loi de probabilité pe(e)
Qe qee ˆ
L’erreur quadratique moyenne de quantification est
deepeeeeE eqq
222
deepqe e
L
i
id
idi
1
0
122
Avec 1,...,0 si 1 LidedqeQ iii
Dans le cas d’un nombre très grand de niveaux L, la densité de probabilité pe(e) peut être considérée constante sur chaque intervalle 1, ii dd
pour L intervalles
(*)
Quantification (I)
Alors
12
1
0
2id
idi
L
iie deqeqp
min3/11
0
331
2
L
iiiiiie qdqdqp
2/0 1
2
iiii
ddqq
Quantificateur optimal de Max
Dans le cas où le nombre de niveaux de quantification n’est plus très grand
312min 12/1 iiie ddqp
deiqeid
ideep
iq
1
22
a)
deqeepdeqeepdd i
id
idei
id
ide
ii2
12
11
2))(())((
b)
Quantification n(III)
221
2
iqididepiqididepid
b)
En annulant cette dérivée
2/1 iii qqd ou bien 2/11 iii qqd
a) deqeep iid
ide
1
En annulant cette dérivée
1 1
/id
id
id
ideei deepdeeepq
Ainsi la minimisation de l’erreur quadratique moyenne de quantification implique
2/11 iii qqd et 1,/ iii ddeeEq
(*b)
(*a)
Quantification (IV)
Dans ces conditions l’erreur quadratique minimale de quantification devient ((*a)->(*))
1
0
1 1222
min
L
i
id
id
id
ideie deepqdepe
1
01
222min ,Pr
L
iiii ddeqeE
Cas particulier : loi uniforme
minmaxmaxmin /1,,sur eeepeecteep ee
Le quantificateur optimal est linéaire
Leedi /minmax
Quantification scalaire : luminance d’un pixel, luminance et chrominance séparément, coefficients DCT,…
Quantification vectorielle : luminance d’un bloc dans le plan-image (signal d’erreur), vecteurs-couleurs ,…
7.Eléments de codage par QV
TNxxX ,...,1
Quantificateur vectoriel (L,n) est une application de vers C, Card (C)=L.
C est appelé le dictionnaire ou « code-book »
Un quantificateur vectoriel est complètement défini pas la connaissance du dictionnaire C et d’une partition de l’espace en n régions - classes.
Règle de plus proche voisin :
- régions de Voronoï
Quantification Vectorielle
nR
CRQ n:
iyXQX )(
LyyyC ,...,, 21
TnR
jiyxdyxdsiyxQRxC jiin
i ,),(),(/
Quantification Vectorielle
iy
Partitition T irrégulière – dictionnaire non structuré
Partition T régulière – dictionnaire structuré
Plusieurs méthodes :
- par apprentissage;
- quantification arborescente;
- quantification sur des treillis (algébrique)…
Méthodes par apprentissage – utilisent la base d’apprentissage composée d’un grand nombre M de vecteurs représentatifs de la source.
GLA/LBG – Algorithme de Lloyd Généralisé;
Split-LBG
Construction du dictionnaire
Split-LBG
- L=2N ;
Principe :
(a) « découpage » de chaque vecteur en
(b) optimisation de la partition par LBG
Construction du dictionnaire
iy
ii yety
Algorithme de K-moyennes(I)
• J. MacQueen, “Some methods for classification and analysis of multivariate observations”, Proc. Of the Fifth Berkley Symposium on Math. Stat. And Prob., pp. 281 – 296, 1967
• Principe : CNS avec le nombre des classes connus a priori.
• Paramètre : le nombre k de classes
• entrée : un échantillon de M vecteurs x1,... xM.
• (1) Choisir k centres initiaux y1,... yk
• (2). Pour chacun des M vecteurs, l'affecter à la classe k* dont le centre yk* est le plus proche
• (3). Si aucun élément ne change de classe alors arrêt.
• (4). Calculer les nouveaux centres : pour tout k, yk est la moyenne des éléments de la classe i
• (5). Aller en 2
Algorithme LBG• Linde Buzo Gray (1980)
• 1. Critère de plus proche voisin
• affecter les vecteurs au centres les plus proches
• -calculer la distorsion (moyenne) de quantification
• critère d’arrêt
• 2. Condition du centroïde
• recalculer les centres de chaque classe
• et aller à 1.
jkm
k
jkm yxdyxd ,, min*
km
M
m
K
k
j yxdM
Distk
,1)(
j
jj
Dist
DistDist )()1(
kM
mm
jk xy
1
)(
1 jj
Recherche du représentant dans le dictionnaire:
Le débit (par composante de vecteur ou par pixel – images monochromes) :
(code à longueur fixe)
Si l’apprentissage est bon et la séquence est représentative, l’entropie de C est maximale
(= distribution uniforme)
Quantification
),(minarg)(
,...,2,1 iLiyxdxi
Lnb 2log1
LCH 2log)(
bLnypypnCH i
L
iicomp
22
1log1)(log)(1)(
Mesures de qualité dans les schémas de codage avec pertes
Mesures objectives
• (1) EQM – l’erreur quadratique moyenne du codage
• - image en t codée et décodée
• (2) PSNR – Peak Signal to Noise Ratio (dB)
• Mesures objectives : 2 schémas principalement Double stimulus et Simple stimulus.
2
),,(ˆ),,(1
tyxItyxINbrPix
EQM
),,(ˆ tyxI
EQM
PSNR
n
dB
2
10
12log10
255)),,((12 tyxIMaxn
Mesures de qualité (II)
Séquence vidéo d’origine
Codeur vidéo Décodeur Vidéo
Affichage
A ou B
A ou B
Une séquence est celle d’origine, l’autre codée et décodée.
L’ordre d’affichage est aléatoire;
L’échelle de notation – 5 niveaux – intervalles de qualité continue.
DSCQS – double stimulus continuity quality scale
Le résultat – le moyennage de plusieurs expériences – le score normalisé carctérisant la qualité relative.
Recommandation IUT-R BT.500-11, 2002