Algorithme pour le changement automatique de la taille d'une image sans perte d'informations

La plupart des méthodes de compression d'image et de mise à l'échelle de ces dernières reposent essentiellement sur les changements d'échelle et des coupes, mais l'application automatique de ces méthodes reste problématique, car elles souffrent de sérieux défauts concernant la qualité de l'image et la perte de données importantes. De nombreux essais ont été faits dans le but de surmonter ces difficultés, toutefois les performances obtenues étaient toujours très limitées et n'étaient pas commercialement applicables.


Une équipe du département de Mathématiques et Informatique de l'institut Weizmann en Israël, dirigée par le professeur Michael Irani, a mis au point une méthode de traitement d'images nommée "Résumé par Similarité Bidirectionnelle", qui maximise entre autres la cohérence entre image et vidéos, en utilisant une mesure de similarité de l'adéquation entre une image et un contenu vidéo. Cet algorithme utilise un procédé itératif qui diminue la taille de l'image au fur et a mesure, et ce sans perte d'information significative. De tels résultats sont naturellement attrayants dans le domaine de l'audiovisuel (retouche d'images, montage de vidéos, traitement automatique des photos, synthèse d'images, compression de données), et permet de représenter l'information contenue dans une image de manière condensée.

Bien que ne remplaçant pas tous les algorithmes existants dans ce domaine, l'approche développée par le professeur Irani et son équipe présente de nombreux avantages: elle permet d'obtenir des images de meilleures qualités, sans perte d'information significative, et permet de traiter efficacement des images dans lesquelles l'information importante n'est pas concentrée dans une région spécifique de l'image, mais est plus difficile à définir (par exemple, un groupe de personnes dans un aéroport).