Compression à la source

Dans la littérature, quelques propositions privilégient le traitement local pour éviter la

complexité de mise en œuvre d’une distribution de charge entre plusieurs nœuds du réseau. La

compression à la source bénéficie de certains avantages. En effet, elle permet d’étendre la

durée de vie du réseau ; une attention particulière doit être prise pour éviter d’épuiser

rapidement la batterie du nœud source. La compression locale permet aussi de contribuer à la

diminution de la congestion du réseau. En plus, des techniques spécifiques peuvent être

implémentées localement (par exemple la technique de mélange des blocs) afin d’aboutir à

une tolérance maximale aux pertes de paquets (les données perdues seront distribués sur toute

l’image pour une meilleure qualité d’image à la réception).

Parmi les algorithmes implémentés, on cite JPEG2000, JPEG, SPIHT, DCT et DWT.

D’autres techniques hybrides (algorithmes basés sur un mélange de différentes techniques de

compression) ont été utilisées afin d’amener des économies importantes d’énergie. Le coût

d’implémentation de ces techniques dépend de la plateforme utilisée.

Certains groupes de recherche ont utilisé des techniques basées sur la norme de

compression JPEG. Le standard JPEG consiste à diviser l’image en blocs de NxN pixels

(généralement des blocs de 8x8 ou 16x16) et appliquer sur chaque bloc : la transformée en

cosinus discrète (DCT: Discrete Cosine Transform), une étape de quantification, le codage

RLE (Run Length Encoding) et le codage de Huffman [36]. Parmi toutes les étapes citées

précédemment, la DCT (Discrete Cosine Transform) est la plus coûteuse en nombre

d’instructions. Le calcul de la DCT classique pour chaque coefficient du bloc à traiter se fait

comme suit :

Ai, j = . Ci . Cj ∑ ∑ xi, j . cos ( ) . cos ( )

Avec Cf =

√ si f = 0, 0 ≤i, j≤ 7

1, f > 0,

La complexité algorithmique de la DCT classique a poussé les chercheurs à essayer

d’autres algorithmes qui donnent des résultats semblables à la DCT mais avec un nombre

réduit d’instructions (11 multiplications et 29 additions uniquement pour la DCT de Loeffler

contre 176 multiplications et 464 additions pour la DCT classique si on utilise un bloc de 8x8

25

pixels). Kaddachi et al [37] ont bénéficié des caractéristiques attirantes de la DCT de Loeffler

(rapidité d’exécution et complexité algorithmique réduite) pour proposer une technique de

compression à la source dédiée aux RCSFs. La chaine de compression étudiée repose sur la

DCT de Loeffler, un bloc de quantification utilisant la table de quantification JPEG, et enfin le

codage de Golomb suivi par le codeur MQ (une variante du codage arithmétique utilisée dans

le standard JPEG 2000). La technique de mélange de blocs ou de pixels est utilisée en amont

de toute la chaine de compression pour garantir une meilleure qualité d’image à la réception

en cas de perte de paquets [7]. Parmi les techniques utilisées pour mieux résister aux pertes de

paquets dans les RCSFs, on cite la technique des Automorphismes de Tore (AT) qui consiste

à changer les positions des pixels dans une image en se basant sur le calcul suivant :

( ) = (

⁾

n

( ) modN

Avec : (i, j) les coordonnées du pixel avant transformation

(i’, j’) les coordonnées du pixel après transformation

N : taille de l’image (image carrée de taille NxN pixels)

n : clé de diffusion (n )

k : valeur quelconque à choisir (k )

La technique de compression proposée permet d’atteindre des taux de compression

élevés (atteignant 0.4 bit par pixel), mais une implémentation logicielle (le nœud capteur

lui-même effectue la compression) n’est pas appréciable grâce à la complexité du traitement

effectué. Pour cette raison, Kaddachi et al ont opté pour une implémentation matérielle

(conception d'un circuit à ultra-faible consommation dédié au traitement d'image). Le circuit

doit fonctionner comme co-processeur intégrée au sein du capteur lui-même. L’inconvénient

de cette approche est le coût supplémentaire engendré par une éventuelle intégration de l’IP

(Intellectual Property) développé au sein des nœuds du RCSF.

Makkaoui et al [38] ont prouvé l’efficacité de la DCT zonale pour une implémentation

sur un nœud source de réseau de capteur sans fil. Cette technique permet de réduire

considérablement la complexité algorithmique de la DCT classique sans dégrader

significativement la qualité de l’image à la réception. La technique consiste à opérer sur un

sous-ensemble de coefficients situés dans une zone du bloc de 8x8 pixels (il s’agit de

sélectionner les pixels les plus significatifs situés en haut et à gauche de chaque bloc).

26

(a) Forme carrée (b) Forme triangulaire

Figure 1.5 : différentes formes de DCT zonale avec k = 4

K est un coefficient qui délimite horizontalement et verticalement la zone de sélection

des coefficients à traiter. Dans le cas de la figure 1.5 (a), on doit traiter uniquement k²

coefficients (16 coefficients pour k = 4) au lieu de 64 coefficients pour la DCT classique. Si

on utilise la forme triangulaire (figure 1.5 (b)), uniquement ½ . k . (k + 1) coefficients doivent

être traités (10 coefficients dans le cas ou k = 4). Malgré la faible complexité de la DCT

zonale par rapport à la DCT classique, la chaine de compression complète (DCT zonale +

quantification + codage entropique + paquétisation) possède une complexité considérable. Le

gain énergétique atteint pourrait être amélioré par une implémentation matérielle de

l'approche présentée.

Certaines équipes de recherche ont essayé d’implémenter l’algorithme de compression

JPEG 2000 localement sur un nœud de RCSF. JPEG 2000 est basé sur des techniques assez

complexes et assez gourmandes en espace mémoire, temps de calcul et consommation

énergétique. La technique inclut une transformée en ondelettes, une étape de quantification, et

un codage arithmétique adaptatif permettant d’atteindre un taux de compression élevé. Wu et

Abouzeid ont proposé une technique basée sur le standard JPEG 2000, mais qui respecte les

contraintes exigeantes des réseaux de capteurs de vision [39]. Ils ont introduit une heuristique

appelé MTE (Minimize Total Energy) : le nœud source compresse l’image capturée puis

calcule le taux de compression et l’énergie dissipée. Si le taux de compression cherché est

atteint ou bien l’énergie dissipée dépasse un seuil prédéfini, on arrête le processus de

compression et on transmet l’image codée. Si non, une nouvelle itération est réalisée et les

DC 4 2 0

7 -3 -2

-1 1

2

DC 4 2 0

7 -3 -2 -1

-1 1 -1 3

2 0 2 1

27

nouvelles valeurs de l’énergie dissipée et du taux de compression seront calculés et stockées.

Cette méthode vise à optimiser la consommation des nœuds de transit, mais elle implique

d’épuiser très rapidement la batterie du nœud source.

Wu et Chen ont proposé un schéma de compression basé sur le codage SPIHT pour les

RCSFs [2, 40]. L’algorithme commence par appliquer la transformée en ondelettes discrète

(DWT: Discrete Wavelet Transform) sur l’image capturée. Par la suite, les coefficients

d’ondelettes sont codés en appliquant le codage SPIHT qui exploite bien la relation

parent-enfant qui existe entre ces coefficients (figure 1.6).

Figure 1.6 : relation parent-enfant entre les différents coefficients d’ondelettes

Un processeur Intel StrongARM SA1110 et un émetteur radio LMX3162 ont été utilisés

pour valider l’approche utilisée. Des économies significatives d’énergie ont été réalisées, mais

ces économies pourraient être améliorées si les auteurs avaient adopté une approche

Hardware.

Cristian Duran-Faundez et al ont introduit dans [7] une nouvelle approche de

compression à la source avec un faible coût énergétique (figure 1.7). La technique consiste

tout d’abord à appliquer la transformée en ondelettes discrète sur l’image capturée puis

préparer à la source des paquets de différentes priorités. Un nœud de transit qui reçoit un

paquet provenant de la source décide d’acheminer ou non les données reçues en fonction de la

priorité du paquet ainsi que l’état de charge du nœud. L'inconvénient de cette approche est la

nécessité d'un post-traitement qui permettrait de compresser l'image efficacement. En effet, la

transformée en ondelettes discrète ne représente qu'un premier étage d'une chaine de

compression d'image.

LL3 HL3

HL2

HL1

LH3

HH3

LH2

HH2

LH1

HH₁

28

(Max) 1

α_n-1

α2

α1

(Min) α0=0

0 1 (P-1)

Figure 1.7 : Politique d’écartement des paquets selon l’ordre de priorité [7]

Dans le document Conception d'un micro-capteur d'image CMOS à faible consommation d'énergie pour les réseaux de capteurs sans fil (Page 36-40)