Accueil - Connexion

Transmission d'information : compression, codage

448-1 Transmission d'information : compression, codage Informatique (formation initiale sous statut étudiant) S9
Cours : 25 h TD : 0 h TP : 0 h Projet : 0 h Total : 25 h
Responsable : Sébastien Fourey
Pré-requis
Mathématiques discrètes, algèbre linéaire, combinatoire, probabilités, algorithmique, développement logiciel.
Objectifs de l'enseignement
Compression (13 heures - S. Fourey) : Principes généraux de la compression de texte, des images fixes et animées, et les méthodes correspondantes

Codes correcteurs (12 heures - M. Barbier) : Ce cours vise à donner les connaissances minimales pour comprendre les systèmes d'encodage utilisés afin de protéger toute information contre les erreurs survenant lors de communication numérique.
Programme détaillé
1. Compression Notions de base en théorie de l'information. Techniques classiques de compression : RLE, Huffman, LZ*, codage arithmétique. Quantification vectorielle. Codage des images et du son : codage sans perte et avec perte, normes JPEG et JPEG2000. Compressions vidéo (MPEG).

2. Codes correcteurs Problématique du codage de canal, Théorèmes de Shannon, Propriétés des codes linéaires, Définition des codes de Hamming et décodage, Définition des codes de Reed-Solomon et décodage.
Applications (TD ou TP)
Pas de travaux pratiques
Compétences acquises
Connaissances sur les codes correcteurs et les principales méthodes de compression.

Bloc de compétences : Concevoir une solution perenne dans le domaine du génie logiciel
-> Niveau 3 : Formaliser et modéliser un problème à l’aide d’outils mathématiques et algorithmique.
-> NIveaui 3 : Trouver une information pertinente dans la littérature scientifique et technique puis l’évaluer et l'exploiter.
Bibliographie
1. The Theory of Error-Correcting Codes, F. J. MacWilliams and N. J. A. Sloane, North-Holland, Amsterdam (1977).
2. Codes correcteurs, Théorie et applications, A. Poli, L. Huguet, Masson, Paris (1989).
3. A Course in Error-Correcting Codes, Jørn Justesen and Tom Høholdt (2004).
4. Information Theory, Inference, and Learning Algorithms, D. MacKay (2003).
5. Modern Coding Theory, R. Urbanke, T. Richardson (2005).
6. Compression d'images : Algorithmes et standards, Éric Incerti, Vuibert (2003).

© 2024 - ENSICAEN ( Mentions Légales - Crédits )