Résumé:
Pour bien mener ce projet qui portait sur la compression des images médicales nous avons utilisé les arbres de décisions binaires et plus particulièrement les ROBDD. L’objectif de notre travail est la compression d’image médicale non seulement des informations importantes mais aussi critique, car la perte d’une petite information peut conduire à des résultats catastrophiques, et comme la compression sert à modifier la représentation initiale des données, pour qu’elles occupent moins de place, nous avons préféré une compression sans perte d’information en se basant sur les diagrammes de décision binaires. La difficulté dans l’application de cette approche se présente lorsqu’on veut transformer l’image médicale à une fonction booléenne, elle apparait une autre fois lorsque quelques plans de bits ne se compresse pas. Pour avoir encore de bons résultats ainsi de meilleur taux que celui trouver dans notre application nous avons pensé à une solution adaptable surtout pour les problèmes qui se présente lorsqu’il y aura des plans non compressés, la solution étant d’utilisé un tableau qui regroupe au lieu de 2(N+M) × 2 variables qui est le nombre de noeuds formant un diagramme d’un plan à N+M variable c.à.d. de taille 2M × 2N, il regroupe juste 2M+N +2, qui sera un travail futur. Nous proposons aussi de compléter notre application par un travail très important en intégrant la décompression des images compressées par les arbres binaires de décision qui sera une étape dans le sens inverse, sachant qu’une étape de la décompression a été incorporée dans la compression afin de minimiser le temps de décompression.
Pour améliorer toujours le taux de compression, une autre approche sera prochainement utilisée une décompression avec perte en se basant sur l’apprentissage, et l’aide d’un expert de domaine médicale.
