Lecture of the day : pdf file

Pour calculer \(\sigma\) on vient prendre des patchs dans des parties homogènes de l’imgae, la moyenne sera donc constantes et on poura donc evaluer e \(\sigma\) comme il faut en utilisant la formule appropriée.

Projected Motion : Mouvement réel projeté dans l’espace de projection (plan focal).

Observed Motion : Mouvement obe=servé (mouvement de lumiere).

Avec cela on peut construire un champs de déplacement appellé dense motion field. C’est un champs vectoriel qui represente les mouvements dans l’image. On peut le dérivé pour obtenir le velocity field.

Entropy

L’entropy d’une variable aléatoire est :

$$ H(X) = - \sum _{i = 0} ^{N - 1} p(x _i) log _2 p(x _i) $$

Ca caracterise l’ordre du system. Si une image est parfaitement constante on obtiens une entropy de 0.

Quantity of information

$$ I(x _i) = - log _2 p(x _i) $$

QI and Information coding/compression

Le Theorom of Source Coding exprime qu’il existe une limite haute de la quantitté d’information. Dans le cas d’une compression sans perte (lossless) cette limite est donnée par l’entropy de la source.

Ratio de compression :

$$ \tho = \frac{Quantity of initial information}{Quantity of encoded information} $$

Video Coding stadards

Tout les standars de compression sont construit sur le meme principe : hybride video coding

Voir schéma page 33 de la lecture 1