Résumé:
La compression d’images a pour but de réduire la taille d’une image afin de faciliter
son stockage aussi bien que son transfert. Ainsi on distingue deux grandes familles de
méthodes compression, à savoir celles qui provoquent des pertes d’information causant
une image reconstruite non fidèle à l’originale mais de taille très réduite. Les autres
méthodes ne provoquent pas de perte d’information mais présentent des taux de
compression réduits.
L’optimisation des taux et les distorsions a longtemps été considérée comme un
problème insoluble pour les images, ce qui a poussé les chercheurs à avancer largement
dans ce sens en utilisant différentes techniques.
D’autre part, les réseaux de neurones profonds utilisent différentes couches d’unitéde
traitement non linéaire pour l’extraction et la transformation des caractéristiques ; chaque
couche prend en entrée la sortie de la précédente ; les algorithmes peuvent être supervisés
ou non supervisés, et leurs applications comprennent la reconnaissance de modèles et la
classification statistique.L’utilisation de ce type d’algorithmes a largement explosé dans ces dernières années
dans différents domaines de l’informatique, et l’un de ces domaines est bel et bien le
traitement des images numériques en générale et la compression en particulier
