DJEDDI, Hana2022-03-092022-03-092020http//localhost:8080/jspui/handle/123456789/1870La 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 particulierfrCompression d’images, Apprentissage Automatique, Compression Fractale, Apprentissage Profond, Qualité de compressionImage Compression, Machine Learning, Fractal image compression, Deep Learning, Compression Quality.Thesis