Compression locale

Dans le domaine des r´eseaux de capteurs sans fil, quelques propositions consid`erent la compression au niveau de la source, c’est-`a-dire par des algorithmes locaux, sans distribution de la charge de traitement de donn´ees avec d’autres nœuds (par exemple, S-LZW). La compression va servir `a r´eduire le volume des donn´ees que la source aura `a transmettre. Le traitement de donn´ees `a la source est aussi n´ecessaire pour anticiper des possibles pertes d’information pendant la transmission de paquets jusqu’au nœud puits, ou pour contrˆoler la quantit´e de donn´ees `a envoyer (et par incidence la qualit´e de l’image) selon les conditions du r´eseau.

Il existe plusieurs algorithmes de compression dans la lit´erature. Certains peuvent fournir des taux de compression ´elev´es mais toutefois, ils ne sont pas applicables dans les r´eseaux de capteurs en raison des limitations des ressources des nœuds de capteurs. (Ferrigno et al., 2005) ont pr´esent´e une plate-forme pour ´evaluer les performances de plusieurs algorithmes traditionnels de compression d’images sur un nœud de capteur. Ils ont analys´e cinq algorithmes bien connus : JPEG2000, SS, DCT, SPITH et JPEG. Les r´esultats montrent que pour JPEG2000, DCT, SPITH et JPEG, le coˆut d’´energie des calculs est sup´erieur au coˆut de transmission de l’image non compress´ee. Les r´esultats montrent que SS est le seul des algorithmes test´es qui am`ene des ´economies d’´energie par rapport au cas sans compression. Il am`ene une r´eduction de la consommation d’´energie d’environ 29%. De toute mani`ere, le coˆut d’´energie et le coˆut d’implantation (quantit´e de m´emoire requise notament) d´ependent des caracteristiques du mat´eriel aussi. La plate-forme de Ferrigno et al. est bas´ee sur un microcontrˆoleur PIC16LF877, qui est bien plus rapide, et bien plus gourmand en ´energie que le microcontrˆoleur Atmega128L utilis´e dans les capteurs d’image Cyclops (voir section 2.2.1).

2.3 Traitement d’images dans les r´eseaux de capteurs 37 Il est attendu de la compression locale des donn´ees plusieurs avantages :

Extension de la dur´ee de vie du nœud source. En effet, moins la source aura de donn´ees `a trans-mettre, et moins d’´energie elle consommera au niveau du transcepteur radio. Cette affirmation est vraie tant que la complexit´e de l’algorithme de compression adopt´e sera suffisamment fiable pour ˆetre rentable. Le processus de compression ne doit pas coˆuter plus cher en termes de consomma-tion d’´energie que le gain qu’il am`ene sur la communicaconsomma-tion, sinon la pr´esence d’un processus de compression pourrait diminuer la vie utile du nœud.

Extension de la dur´ee de vie des nœuds intermediaires. Pour les mˆemes raisons, la r´eduction de la quantit´e de donn´ees `a la source sera n´ecessairement b´en´efique pour les nœud charg´es de relayer les paquets entre le nœud source et le puits. Ils recevront moins de paquets de donn´ees, donc ils auront moins de paquets et d’acquittements `a transmettre.

Contribution `a la diminution des congestions du r´eseau. Une diminution de la quantit´e de donn´ees circulant sur le r´eseau va entraˆıner une diminution des risques de congestion du r´eseau, donc une diminution des pertes de paquets et des retards de transmission.

Contribution `a la tol´erance aux pertes. Quelques renforcements sur la tol´erance aux pertes de pa-quets peuvent ˆetre atteints par l’application de quelques m´ecanismes de traitement `a la source, comme par exemple le m´elange ou le tatouage d’images.

Quelques syst`emes de compression locaux propos´es pour les r´eseaux de capteurs de vision sont pr´esent´es ci-dessous.

Sch´ema bas´e sur le codage SPIHT

L’une des premi`eres propositions pour la compression d’images dans les r´eseaux de capteurs a ´et´e introduite par (Wu et Chen, 2003). Les auteurs ont propos´e un sch´ema bas´e sur le codage SPIHT (Said et Pearlman, 1996), des blocs de donn´ees sont g´en´er´es par relation parent-enfant de coefficients d’onde-lettes. Cette relation parent-enfant est effectu´ee afin de renforcer la robustesse de SPIHT aux erreurs de transmission. L’algorithme fonctionne comme suit : premi`erement, l’image captur´ee est d´ecompos´ee en multiple r´esolutions en appliquant une transform´ee en ondelettes discr`ete. Puis les coefficients d’onde-lettes sont regroup´es en fonction de leur relation parent-enfant comme montr´e figure 2.4. Chacun de ces groupes est cod´e ind´ependamment par l’algorithme SPIHT. De cette mani`ere, les erreurs possibles lors de la transmission affecteront seulement le bloc erron´e, en permettant alors la recontruction de l’image avec des pertes possibles d’information.

Les exp´eriences ont ´et´e r´ealis´ees avec un processeur Intel StrongARM SA 1110 et un ´emetteur radio LMX3162. Les auteurs proposent un sch´ema de transmission bas´e sur RCPC/CRC pour permettre la protection aux erreurs. Les r´esultats montrent des ´economies d’´energie en termes de traitement de donn´ees et une r´eduction effective de la propagation des erreurs.

Compression locale par JPEG

Vu le nombre important d’algorithmes de compression qui sont utilis´es dans l’informatique tradition-nelle, il est ´evident que certains auteurs aient tent´e d’utiliser les standards qui ont d´ej`a fait leur preuve en termes de ratio d´ebit/distorsion. La technique de compression d’image la plus r´epandue de nos jours

Fig. 2.4: Groupement des coefficients d’ondelettes en fonction de leur relation parent-enfant, comme propos´e par (Wu et Chen, 2003).

est sans doute le standard JPEG. Il est bas´e sur un d´ecoupage de l’image en blocs de 8 × 8 pixels et sur la transform´ee en cosinus discr`ete (DCT). Les blocs sont ensuite quantifi´es et cod´es avec RLE et Huffman. De toutes les ´etapes de l’algorithme JPEG, c’est la DCT qui coˆute le plus en calculs. Le calcul classique de chaque coefficient DCT (Gi,j) pour un bloc de 8 × 8 est r´ealis´e par :

Gi,j =¹ 4^.Ci.Cj. 7 " x=0 7 " y=0

xi,j.cos# (2x + 1)iπ 16 $ .cos# (2y + 1)jπ 16 $ (2.1) ou Cf=    1 √ 2, f = 0, 1, f >0, and 0 ≤ i, j ≤ 7.

Avec une telle complexit´e, il existe un besoin pour optimiser cette op´eration, pour la rendre plus rapide (on parle donc de DCTs rapides) et donc applicable sur des composants ´electroniques plus limit´es que les ordinateurs de nos jours, comme les appareils photo-num´eriques, les PDAs, et, bien sˆur, les nœuds de capteurs d’image sans fil. Un exemple r´ecent est l’approche de (Lee et al., 2007a), qui ont adopt´e l’algorithme JPEG en utilisant l’algorithme LLM (Loeffler et al., 1989) pour calculer la DCT dans un mode `a virgule non flotante. Ils calculaient le nombre de bits minimums pour repr´esenter les parties enti`eres et d´ecimales des valeurs r´eelles. Ce travail est int´er´essant, mais des contraintes du temps ne nous ont pas permis de le consid´erer pour comparaison dans cette th`ese.

Par ailleurs, pour diminuer la quantit´e de calculs `a faire sur chaque bloc de coefficients DCT, (Mammeri et al., 2008) proposent l’application d’un algorithme connu comme Triangular JPEG (T-JPEG). A lieu de traiter un bloc de coefficients DCT entier de k × k coefficients (k = 8 pour le cas de JPEG traditionnel), ils vont s´electionner une r´egion r´eduite et repr´esentative du bloc, qui correspond `a une r´egion triangulaire au coin haut-gauche du bloc k × k, de longueur de cath`ete ρ, avec ρ ≤ k, en accord avec le parcours en zigzag des coefficients AC du bloc, comme sch´ematis´e figure 2.5.

En proc´edant comme ceci, la quantit´e de coefficients a traiter passe de k2`a Cρ=^ρ.(ρ+1)₂ . La m´ethode coˆute donc moins cher en ´energie.

Compression locale par JPEG2000

JPEG2000 (Christopoulos et al., 2000) est un algorithme de compression d’images bas´e sur un pro-cessus tr`es complexe qui inclut une transform´ee en ondelettes dyadique, une allocation de bits, une quantification et un codage entropique. (Wu et Abouzeid, 2004b) ont introduit une technique de faible consommation ´energ´etique qui incorpore le standard JPEG2000 pour la compression d’images depuis un

2.3 Traitement d’images dans les r´eseaux de capteurs 39 ρ= 4 k= 8 k= 8 DC 1