Aucun titre de diapositive

1
Traitement d'images Hugues BENOIT-CATTIN
2
I. Introduction
3
HBC
4

• Domaines d'application

• Vision industrielle
• Imagerie médicale
• Imagerie satellite
• Microscopie
• Télécommunications
• Animations, Images de synthèse
• ....

5
Plan

• I. Introduction
• II. Représentations Acquisition
• III. Pré-traitement Amélioration
• IV. Compression
• V. Segmentation
• VI. Introduction à l'indexation
• VII. Introduction au tatouage
• VIII. Conclusion

Remerciements à A. Baskurt, C. Odet pour les
parties II, III, V
6
Eclairage
Scène, objets 2D 3D...
Formation de limage
Image 2D,3D,...
Numérisation
Image numérique
Corrections - radiométriques - géométriques
Restauration Reconstruction
Image numérique
7
BDO
Transmission
Reconnaissance de formes
Décision
8
II. Représentation Acquisition

• 1. Représentation continue
• 2. Représentation échantillonnée
• 3. Voisinage, connexité, distance
• 4. Acquisition échantillonnage,
  quantification, bruit
• 5. Représentations fréquentielles
• 6. Représentations pyramidales
• 7. Représentation de la couleur

9
II.1 Représentation continue

• Image fonction dau moins deux variables
  réelles
• Image f(x,y) image 2D
• Volume f(x,y,z) image 3D
• Séquence dimage f(x,y,t)
• Séquence de volumes f(x,y,z,t) image 4D
• Les valeurs prises par f(.) peuvent être
• Scalaires (intensité lumineuse)
• Vectorielles (couleur (RVB, ..), imagerie
  multispectrale, image de paramètres...)
• Réelles ou complexes

10

• Une image 2D f(x,y) scalaire réelle peut être vue
  comme une surface en 3D

Interprétation altimétrique des images, bassin
versant, détection de ligne de crêtes,
dénivellation ...

• Si f(.) représente une intensité lumineuse

Cette représentation est utilisée quel que soit
le paramètre représenté par f(.) ( Température,
pression,....) Correspondance entre niveau de
gris et grandeur physique.
11

• Opérations sur les images continues
• Toutes opérations réalisables sur le papier sur
  les fonctions continues à variables réelles
• Transformée de Fourier bidimensionnelle (2D)
• Filtrage, convolution, corrélation,
  intégration, dérivation, traitements non
  linéaire...
• On utilisera souvent la notation continue pour
• représenter et manipuler des images numériques
  (discrètes, échantillonnées, quantifiées)
• Le traitement numérique de limage sera parfois
  une discrétisation dune opération en continu

12
II.2 Représentation échantillonnée

• Echantillonnage dune fonction f(x,y)
• fe(x,y) f(x,y).Si Sj d( x - i Dx , y - j
  Dy )
• Dx pas déchantillonnage dans la direction x
• Dy pas déchantillonnage dans la direction y

Si Sj d( x - i Dx , y - j Dy ) Peigne de Dirac 2D
13
Caméra CCD
Caméra à tube
14

• Dans le cas général on aura (cas variant)

• Si h(.,.) est identique en tout point (x,y), on
  aura (cas invariant)

h représentera la réponse impulsionnelle du
système de prise de vue. Cest une opération de
convolution, donc de filtrage.

• Limage échantillonnée est donc

• Dans un ordinateur, limage (numérique) sera
  représentée parune matrice (tableau 2D)

15

• f i,j est appelé valeur du PIXEL (i,j)
• (Pixel PICture ELement)
• Pour visualiser une image, on remplit une région
  rectangulaire (Pixel) avec un niveau de gris (ou
  de couleur) correspondant à la valeur du pixel.
  En général les niveaux de gris (ou de couleur)
  utilisé pour la visualisation sont compris entre
  0 et 255 (code de longueur fixe sur 8 bits).

Affichage
Niveau de gris
f i,j
0.1 0.23 0.15 0.50
50 115 75 250
16

• La maille (répartition des pixels) est le plus
  souvent carrée (DxDy) ou rectangulaire

• On utilise parfois une maille hexagonale qui
  possède des propriétés intéressantes pour les
  notions de voisinage et de distance.

17
II.3 Voisinage, connexité, distance

• Beaucoup de traitements font intervenir la
  notion de voisinage
• Un pixel possède plusieurs voisins (4 ou 8)

• On parlera de connexité 4 ou 8

La région grise forme UN seul objet en
connexité 8 DEUX objets en connexité 4
18

• Distance entre deux pixels f i,j et f k,l

19
II.4 Acquisition échantillonnage /
quantification

• Effets de l'échantillonnage pixelisation

256 x 256 pixels
64 x 64 pixels
16 x 16 pixels

• Contours en marche descalier
• Perte de netteté
• Détails moins visibles/ moins précis
• Perte de résolution

20

• Effets de la quantification à l'acquisition

• CAN sur les systèmes dacquisition dimages
• Codage de la valeur de chaque pixel sur N bits
  (En général 8 bits)

8 bits (256 niv.)
2 bits (4 niv.)
4 bits (16 niv.)

• Apparition de faux contours
• Bruit de quantification
• Effet visible à lœil en dessous de 6/7 bits
• Quantification sur 8 bits pour laffichage

21

• Bruits liés à l'acquisition

Les images sont souvent entachées de bruit,
parfois non visible à lœil, et qui perturberont
les traitements
Diaphragme F/4
F/8
F/16

• Optimiser les conditions déclairage
• Attention à léclairage ambiant
• Mais... diaphragme ouvert faible profondeur de
  champ
• Mais... éclairage important dégagement de
  chaleur

22
Eclairage non uniforme !
Correction de l'éclairage
23

• Flou de bougé/filé dû à un temps de
  pose/intégration trop long

Cet effet est limité par lusage dobturateur
rapide et/ou déclairage flash

• Effet de lignage dû au balayage entrelacé des
  caméras vidéo

Cet effet disparaît avec les caméras à balayage
progressif non entrelacé
Une bonne acquisition
Des traitements facilités
24
II.5 Représentations fréquentielles

• Notion de fréquence spatiale
• Transformée de Fourier
• Transformée Cosinus

25

• Notion de fréquence spatiale

26
Variation sinusoïdale ? rapide (fréquence) des
niveaux de gris dans une direction donnée
27

• Transformée de Fourier 2D

• Image S images sinusoïdales (A,f,j)

• F image complexe (module phase)

28
Images sinusoïdales Impulsions de
Dirac
29

• Transformée de Fourier Discrète 2D (DFT)

Image échantillonnée (M x N) pixels, la DFT est
donnée par
30

• Propriétés de la DFT 2D

• Identiques au 1D
• Périodique en u,v (période M,N)
• F(0,0) composante continue moyenne des NG
• Conservation de l énergie ? SS f(m,n)² SS
  F(u,v)²
• f réelle ? F symétrique conjuguée (mod. pair,
  arg. impair)
• Séparable
• Algorithme rapide (FFT) N².log2 (N)
• Convolution circulaire DFT

31

• Importance de la phase

DFT - DFT-1
Module
Phase
Module
32

• Echantillonnage Aliasing

• Si le théorème de Shannon nest pas respecté
  lors de
• léchantillonnage dune image continue, il y a
  repliement
• de spectre
• Ceci se traduit dans les images par des figures
  de Moiré,
• cest à dire des formes fausses qui nexistaient
  pas dans
• limage dorigine
• Les caméras matricielles types CCD induisent
  systématiquement
• du repliement de spectre. Limage dentrée ne
  devra donc pascontenir trop de hautes fréquences
  ( Ne passez pas à la télé avec
• un costume rayé ! )

33
Echantillonnée
Continue !
Sans repliement
Remarque DFT périodique
34
Echantillonnée
Continue !
Avec repliement
35

• Transformée Cosinus Discrète

36

• Propriétés de la DCT 2D

• Linéaire, séparable
• Coefficients réels
• C(0,0) composante continue moyenne des NG
• Concentration d énergie en basse-fréquence
• Algorithme rapide (via la FFT) N².log2 (N)

? compression d images
37
II.6 Représentations pyramidales

• Pyramides Gaussiennes Laplaciennes
• Sous-Bandes / Transformée en ondelettes

? Traitement multirésolution Coarse To Fine
38

• Pyramides Gaussiennes Laplaciennes

39

• Burt Adelsson (1983)
• Filtrage passe-bas 2D de type gaussien

? Compression d images ? Analyse et
segmentation d images
40

• Décomposition en sous-bandes / ondelettes

• Esteban/Galland 1977 - Woods/O Neil 1986 - -
  Mallat (1989)
• Filtres FIR 1D, 2D
• Filtres IIR 1D, 2D

Une Décomposition
41
Une reconstruction

• Décomposition / Reconstruction sans pertes ?
  cascades

42
Pyramidale (itérée en octave)
Adaptative
43

• Réversible
• Concentration d énergie

• Spatio - fréquentiel
• Analyse Compression

44
II.7 Représentation de la couleur

• RGB
• CMY
• YUV / YIQ
• HSL
• Palettes

45

• Rouge Vert Bleu (RGB)

• Synthèse additive de la couleur (perception
  d une source)
• Œil, Moniteur, Carte graphique
• Images 24 bits (38 bits)
• ?16 M de couleurs gtgt 350 000
• NG RGB

46

• Cyan Magenta Jaune (CMY)

• Synthèse soustractive de la couleur
• Objet éclairé absorbant un certain nombre de
  fréquences
• Extension CMYK pour l impression en
  quadrichromie

47

• YUV (PAL) / YIQ (NTSC)

• Y intensité lumineuse TV NB
• UV / IQ information chrominance

• YUV gtgt RGB pour la décorrélation de
  l information
• Compression d images couleur

• DVB ? YUV 420

48

• Hue Saturation Lightness (HSL)

• Le cerveau réagit à
• la longueur d onde dominante (teinte)
• la contribution à la luminosité de l ensemble
  (saturation)
• l intensité par unité de surface luminance
• Y L
• UV ? coordonnées polaire ? HS

49

• Palettes de couleur

• 16 Millions de couleurs ? 256 couleurs
  palettes (GIF, BMP)
• Image indexée Palette (couleur sur 24 bits)
  matrice d index
• ? visualisation en fausses couleurs

50
Plan

• I. Introduction
• II. Représentations Acquisition
• III. Pré-traitement Amélioration
• IV. Compression
• V. Segmentation
• VI. Introduction à l'indexation
• VII. Introduction au tatouage
• VIII. Conclusion

51
III. Pré-traitements Amélioration

• 1. Opérations pixel à pixel
• 2. Opérations sur un voisinage filtrage
• 3. Transformations géométriques

52

• Pourquoi pré-traiter une image ?
• Pour corriger les effets de la chaîne
  d acquisition
• Correction radiométriques et/ou géométriques
• Réduire le bruit Restauration, Déconvolution
• Améliorer la visualisation
• Améliorer les traitements ultérieurs
  (segmentation, compression )

53
III.1 Opérations pixel à pixel

• Modification d'un pixel indépendamment de ses
  voisins

• Histogramme des niveaux de gris

• Comptage des pixels ayant un niveau de gris (NG)
  donné
• Histogramme ? densité de probabilité des niveaux
  de gris

Niveau de gris
54

• Modification d histogramme

• Transformation des niveaux de gris f

• vf(u) avec u niv. gris de départ, v niv.gris
  d'arrivée

• f peut prendre une forme quelconque

55

• Recadrage linéaire des niveaux de gris

v
255
vf(u)
u
0
255
56

• Seuillage binaire

• Négatif

57

• Egalisation d'histogramme

58

• Autres transformations

• Non-linéaire, Logarithme, Extraction de plans
  binaires,
• Ecrêtage, Compression-dilatation de dynamique,
• Spécification dhistogramme,
• Codage en couleur, Pseudo-couleur, ....

• Segmentation basée sur les niveaux de gris
  (multi-seuillage)

59
III.2 Opérations sur un voisinage filtrage

• Modification d'un pixel en fonction des ses
  voisins

• Filtrage linéaire
• Domaine spatial filtres FIR 2D (masque),
  filtres IIR
• Domaine fréquentiel dans le plan de Fourier

g(x,y) h(x,y)f(x,y) (convolution
bidimensionnelle) G(u,v) H(u,v) . F(u,v)

• Filtrage non-linéaire dans le domaine spatial

60

• Filtrage spatial FIR 2D masque de convolution

• Convolution par une réponse impulsionnelle finie
  appelée
• Masque de Convolution

f est limage de départ h est le masque de
convolution W défini un voisinage

• Un pixel f(i,j) est remplacé par une somme
  pondérée de lui-même et des pixels de son
  voisinage

61

• Exemple Filtre moyenneur

k
0
1
W voisinage 2x2 ? k0,1 l0,1
1/4
1/4
0
1
h(k,l) 1 /4 pout tout (k,l)
1/4
1/4
l
( En ne conservant que la valeur entière )
0 1 2 2 1 1 2 1 1 2 0 0
3/4 6/4 7/4 x 5/4 5/4 3/4 x x x x x
0 1 1 x 1 1 0 x x x x x
62
Moyenneur 2x2
(zoom)
63

• Remarques

• Utilisation de voisinages très divers
• Rectangulaires 2x2, 3x3, 4x4, 5x5, 7x7, 1x2,
  2x1, 1x3, 3x1...
• En croix, Circulaires...
• Valeurs des coefficients
• Constants(Moyenneur), Gaussiens
• Effets de filtrage passe-bas image plus
  flou, contours moins précis mais réduction du
  bruit haute fréquence
• Le principe du masque de convolution sera
  utilisé pour dautres
• traitements (Détection de contours)
• Lutilisation dun voisinage entourant un pixel
  est un principe très général en traitement de
  limage

64

• Exemple réduction du bruit

Filtre moyenneur 3x3 (k-1,0,1 l-1,0,1),
Valeur constante h(k,l)1/9
65

• Exemple réhaussement de contours

0 -1 0 -1 4 -1 0 -1 0
0 -1 0 -1 5 -1 0 -1 0
Image dorigine Laplacien
66

• Filtres FIR 2D et plan de Fourier

g(x,y) h(x,y)f(x,y) ? G(u,v) H(u,v) .
F(u,v)

• Filtrage N².(L-1) N² vs. N².Log2N N²

• Synthèse de filtres
• 1D ? 2D
• Echantillonnage en fréquence
• Fenêtre

67

• Filtre Moyenneur

Cest un filtre passe-bas, peu sélectif,
anisotrope
68

• Filtre Gaussien

- Filtre IIR ? version tronquée à Ks et
échantillonnée ? masque FIR
- Cest un filtre passe-bas isotrope peu
sélectif. - H(u,v) est aussi une gaussienne
69

• Fenêtrage fréquentiel

DFT
Filtrage
DFT-1
70

• Illustrations

71

• Filtrage non linéaire 2D filtre Médian

• Remplacer le pixel central par la valeur médiane
  du voisinage

72

• Avantage par rapport au filtrage linéaire
• ? les bords sont conservés

Filtre linéaire de largeur 3
Filtre médian voisinage 3
73

• Principe du filtrage IIR 2D

• Notion de causalité 2D

• Filtrage récursif

• Remarques

• Le choix du balayage est arbitraire
• Le pixel présent ne dépend que des pixels du
  passé
• Voisinage pixels du passé entourant le pixel
  présent

74
III.3 Transformations géométriques

• Objectif
• Corriger les déformations dues au système de
  prise de vue

f(x,y) f(x,y) avec xh1(x,y) et
yh2(x,y)

• Exemple transformation affine (translation,
  rotation)

Remarque les paramètres a,b,c,d peuvent ne pas
être les mêmes pour toutes les régions dune image
75

• Problème
• x,y,sont des valeurs discrètes (image
  échantillonnée) xkDx , ylDy
• et xh1(kDx , lDy) et yh2(kDx , lDy) ne
  seront pas
• nécessairement des multiples entiers de Dx et Dy

k
k1
m
m1
Dx
Dx
l
n
P1
P2
Dy
Dy
l1
n1
P3
P4
76
Solution Interpolation
m
f(Q)f(mDx,nDy) Gf(P1),f(P2),f(P3),f(P4) ave
c f(P1)f (kDx, lDy) f(P2)f
((k1)Dx,lDy) f(P3)f ((k1)Dx,(l1)Dy)
f(P4)f (kDx, (l1)Dy)
P1
P2
Q
n
d4
P3
P4

• Plus proche voisin f(Q)f(Pk) , k
  dkmind1,d2,d3,d4
• Interpolation linéaire

• Interpolation bilinéaire, fonctions spline,
  Moindre ², ....

77
y
y
x x0.5 y y y
x
x
128x128

• Warping ? Placage de texture ? animation ...

78
Plan

• I. Introduction
• II. Représentations Acquisition
• III. Pré-traitement Amélioration
• IV. Compression
• V. Segmentation
• VI. Introduction à l'indexation
• VII. Introduction au tatouage
• VIII. Conclusion

79
IV. Compression

• 1. Introduction
• 2. Approches directes
• 3. Approches par transformation
• 4. Compression de séquences d'images

80
IV.1 Introduction

• Objectifs

Réduction du volume occupé par les images
numériques pour faciliter leur transfert et/ou
leur stockage

• Historique

• 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

81

• Applications

• Imagerie médicale ? Télémédecine
• Imagerie spatiale
• Imagerie sous-marine
• Archivage divers (Musée, BNF, Empreintes ...)
• Vidéo conférence / visiophone (64 kb/s)
• Télésurveillance
• Video On Demand
• Télévision numérique (150 Mb/s)
• ...

82

• Classification des méthodes de compression

83

• Evaluation d'une méthode compression

• Dépend de l'application

• Taux de compression (Tc)

Ex image (512x512x8bpp) avec Tc10 ?
512x512x8/1026215 bits ? 0.8 bpp

• Qualité

• Critère mathématique (RSB)

Avec

• Critères subjectifs
• - Courbes ROC (médecine)
• - Notations subjectives (TV)

84

• 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

85
IV.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)
86

• Codage Huffman (1952)

• Algorithme

87
(No Transcript)
88

• Codage Arithmétique (1976)

• JBIG ? Codage des Fax type IV

89

• Exemple

90
(No Transcript)
91

• Codage par longueur de plage (Run length coding)

92

• Codage de type dictionnaire (1977)

93
(No Transcript)
94

• Quantification scalaire

• Traitement pixel à pixel
• ? Diminuer le nombre de niveaux de gris utilisés
  Nnq lt Nnp

• Problèmes
• - Comment choisir les seuils de quantification
  (si) ?
• - Comment choisir les niveaux de quantification
  (qi) ?

95

• Quantification scalaire uniforme linéaire

avec
96

• Quantification scalaire uniforme optimale

• Niveaux Barycentre (histogramme)

• Quantification optimale (Loyd-Max 1960)

• Minimise l'erreur de quantification

• Algorithme itératif très long pour des
  distributions inconnues

• Tables pour des dist. gaussiennes, laplaciennes,
  ...
• Fait le travail du codeur !

97

• Exemple de comparaison (peppers 512x512x8bpp)

• Remarque
• ?Efficacité variable du codeur entropique !

98
Q. uni. lin. RSB 22,5 dB
99

• 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

100
(No Transcript)
101

• Méthodes prédictives (1974)

• Exploitent la corrélation entre pixel voisin

Modulation par Impulsions Codées Différentielles
(MICD) DPCM

• Propagation des erreurs
• Prédicteurs non optimaux
• Adaptation aux statistiques locales

102
IV.3 Approches par transformation
103

• Représentation différente de l'image
• ? Décorrélation ? Gain en performances

• Temps de calcul supplémentaire

• Une Transformation
• ? Réversible (sans perte)
• ? Orthogonale (énergie conservée)
• ? Rapide

• DCT ? JPEG
• Ondelettes ? SPIHT, JPEG2000

104

• Compression DCT bloc JPEG (1989)

• DCT bloc 8x8
• ? homogénéité locale de l'image
• ? l'erreur de quantification est localisée au bloc

105

• Schéma général

106

• Matrice de normalisation
• ? allocation des bits aux coeffs avant
  quantification par arrondi

Matrice chrominance
Matrice luminance
107

• Lecture zig-zag
• ? prise en compte de la répartition spatiale de
  l'énergie pour faire apparaître de longues plages
  de coeffs nuls

• Codage du coeff DC
• ? DPCM d'ordre 1 Huffman

108

• Codage des coeffs AC
• ? Codage hybride runlength ... Huffman
• - Huffman Code (plage de 0 catégorie)
• 162 codes 10catx16lp2(EOB16)

109

• Exemple
• 0 -2 -1 02 -1 046 ? 111001 0 0 / 00 0 / 11011 0
  / 1010

• Extrait de la table d'Huffman des AC

110

• Remarques
• ? JPEG méthode générale ? à adapter ...
• ? Très performant à taux faibles (10)
• ? Effets de blocs à taux élevés

Tc 10 / RSB 30.1 dB
Tc 20 / RSB 28.7 dB
111
IV.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

112

• Les normes MPEG

113

• Les bases de H261 à MPEG2

• 3 types d'images 3 codages

114

• 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

115

• 2 paramètres de réglage
• - N distance inter-I (12)
• - M distance inter-P (3)

GOP
116

• Estimation du mouvement par block matching
• - Blocs 16x16
• - Compromis simplicité / efficacité
• - Rapide algorithme logarithmique

117

• Le codage des images P
• 1- Calcul des Vj entre
• 2- Synthèse de Ip(n)
• 3- Calcul de l'erreur E(n) Ip(n) - I(n)
• 4- Codage JPEG de E(n)
• 4bis- Mémorisation de
• 5- Codage DPCM des Vj

118

• Codeur MPEG2

119

• Décodeur MPEG2

120

• Codage et TVnum

• Numérisation brute 200 Mb/s
• DVB DVD MPEG2 MP_at_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

121
V. Introduction à la segmentation
122
Pas de norme ! Pas de méthode unique ! Pas de
recette !
123
VI. 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

Rque ? Analyse d'une image quelques sec.
124

• 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

125
VII. Introduction au tatouage

• Objectif

• Protéger la propriété des images numériques

• Watermark signal inséré dans l'image
• Unique ? identifie l'image
• Multiple ? identifie la source

• 2 types

• visible ? facile à enlever, propriétaire visible
• invisible ? difficile à enlever, piéger les
  truands

126

• Remarques

• Original watermark original
• watermark ? signature électronique

• Contraintes !

• Impossible à enlever sans dégrader l'image
• Résiste au scaling, cropping, coding, modif
  histogramme
• Invisible mais extractible
• En nombre suffisants

127

• Quelles approches

• 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

• Compromis entre (invisibilité / indélébilité)

128
VIII. Conclusion
BDO
Tatouage
Indexation
Compression
Segmentation

• Image ? Multimédia
• Des techniques complexes et prometteuses
• Dimension affective forte
• Au cœur de nouveaux services usages

Transmission
Rec. formes
Décision