Revue Mditerranenne des Tlcommunications vol. 1, n2, juillet 2011 Mediterranean Telecommunication JournalRevue Mditerranenne des TlcommunicationsMediterranean Telecommunication JournalRevue semestrielle / Biannual revueParraine par lUnion Radio Scientifique Internationale : URSIDirecteur de la publication / Publisher :Mounir RIFI, Professeur luniversit Hassan II de Casablanca, MarocTl. : 212 661 41 47 42 Fax : 212 522 47 34 82rmt.mtj@gmail.com www.rmt.univcasa.maAdresse : ESTC, BP. 8012 Casablanca Oasis, MarocComit ddition / Editorial board :- Ali BENBASSOU, Universit Sidi Mohammed Ben Abdellah, Fs- Moulhime EL BEKKALI, Universit Sidi Mohammed Ben Abdellah, Fs- Awatef HAYAR, GreenTIC - ENSEM, Universit Hassan II Casablanca- Hicham MEDROMI, ENSEM, Universit Hassan II Casablanca58Revue Mditerranenne des Tlcommunications vol. 1, n2, juillet 2011 Mediterranean Telecommunication Journal2Comit scientifique / Scientific council :Prsident / Chairman : Bernard DEMOULIN, Universit Lille I, FranceVice Prsident / Co chairman : Mounir RIFI, Universit Hassan II, Casablanca, MarocAKNIN Noura Universit Abdelmalek Essaadi, Tetouan, MarocBADRI Abdelmajid FST Universit Hassan II, Mohammadia, MarocBENBASSOU Ali LTTI, Universit Sidi Mohamed Ben Abdellah, Fs, MarocBENSLIMANE Rachid LTTI, Universit Sidi Mohamed Ben Abdellah, Fs, MarocBOUALLEGUE Ridha Sup COM Universit de Tunis, TunisieBOUHORMA Mohamed FST Universit Abdelmalek Essaadi, Tanger, MarocCANAVERO Flavio Ecole Polytechnique de Turin, ItalieDEGAUQUE Pierre IEMN, TELICE, Universit de Lille I, FranceDEMOULIN Bernard IEMN, TELICE, Universit de Lille I, FranceDIENOT Jean Marc LABCEEM, IUT, Universit P. Sabatier, Toulouse,DRISSI KHAMLICHI Khalil LASMEA, Universit de Clermont Ferrand, FranceDRISSI M'hamed INSA, Universit de Rennes, FranceEL BEKKALI Moulhime LTTI, Universit Sidi Mohamed Ben Abdellah, Fs, MarocERRADI Mohamed ENSIAS, Universit Mohamed V, Rabat, MarocGADI Taoufiq FST, Universit Hassan 1er, Settat MarocGHETREFF Mounim Alcatel Lucent, Rabat, MarocHAYAR Awatef GREENTIC,ENSEM Universit Hassan II Casablanca, MarocMEDROMI Hicham ENSEM Universit Hassan II Casablanca, MarocMOLINA GRACIA PARDO Jose Maria Universidad Politecnica de Cartagena, SpainQJIDAA HASSAN Universite Sidi Mohamed Ben Abdellah, Fes, MarocRIFI Mounir RITM, Universit Hassan II, Casablanca, MarocREINEIX Alain XLIM, Universit de Limoges, FranceTEMCAMANI Farid ENSEA, Cergy Pantoise, FranceZAOUI Lynda Universit dOran, AlgrieZEDDAM Ahmed Orange Tlcom, Lannion, FranceZINDINE ELMostafa FCI, Epernon, FranceAbonnements / Subscription rates :anne / year : 600 DH - 60 59Revue Mditerranenne des Tlcommunications vol. 1, n2, juillet 2011 Mediterranean Telecommunication JournalEditorialCe second numro de la RMT comporte 11 articles slectionns aprs soumissions au comit scientifique.Les thmes exposs concernent principalement le traitement du signal ainsi que les simulations et les concepts delogiciels appliqus aux tlcommunications.On trouve galement dans ce second numro des articles consacrs au traitement dimages dont un articlecible une application mdicale.Un autre article galement proche du traitement du signal aborde le problme de la reconnaissance de laparole en vue dune transcription en alphabet Tifinagh.Les contributions rassembles dans ce second numro proviennent principalement dauteurs et institutionslocalises respectivement au Maroc (7 articles) en Algrie (3 articles) et en Tunisie (1 article).La rdaction et le comit scientifique de la RMT remercient les auteurs de ces publications.Nous vous informons que le site web de RMT est dsormais accessible ladresse : www.rmt.univcasa.ma.La soumission darticles en ligne est possible. De plus, la RMT a reu rcemment le soutien scientifique de lUnionRadio Scientifique Internationale (URSI).NousprvoyonslasortiedutroisimenumrodelaRMTaumoisdeJanvier 2012, nousajouteronsprobablement unoudeuxarticlesdesynthseauxarticlesqui seront normalement soumisdurant lesecondsemestre de 2011.Mounir Rifi Bernard DmoulinDirecteur de la publication Prsident du Comit de lecture60Revue Mditerranenne des Tlcommunications vol. 1, n2, juillet 2011 Mediterranean Telecommunication JournalForewordThis second issue of MTJ includes 11 papers selected by the scientific committee after regular submission.Thetopicsof thisissuemainlyconcern, thesignal processingwiththesimulationsandsoftwaredevotedtothetelecommunications devices.Wecanfindalsointhissecondissuepapersrelatedtotheimageprocessingandapaper especiallyfocused toward a medical target.Another paper close to the signal processing topic deals with the word processing applied to the translationin Tifinagh alphabet.Thevariouscontributionsgatheredinthissecondissuearemainlyduetoauthorsandinstitutionhomeslocated in Morocco (7 papers), Algeria (3 papers) and Tunisia (1 paper).We inform you that the MTJ web site is today available: www.rmt.univcasa.maThe submission of papers can be operated on line.MTJ received recently the scientific support of the International Union of Radio ( RSI ).Weexpect thethirdissueof MTJinJanuary2012, oneortwotutorial paperswill belikelyaddedtotheregular papers that will be submitted during the second semester of 2011.Mounir Rifi Bernard DmoulinPublisher Editorial board chairman61Revue Mditerranenne des Tlcommunications vol. 1, n2, juillet 2011 Mediterranean Telecommunication JournalSommaire / ContentsIterative Effect on LDPC Code Performance MOSTARI Latifa, MELIANI Rachida, BOUNOUA Abdennace p63Etude dune transmission dans rseau lectrique embarqu par la technique dtalement spectrale Mohammed FATTAH, Rabah OUREMCHI, Moulhime EL BEKKALI p68Colposcopic image registration using opponentSIFT descriptor Othmane EL MESLOUHI, Hakim ALLALI,Taoufiq GADI, Yassir AIT BENKADDOUR,Mustapha KARDOUCHI p74Systme de reconnaissance automatique de la parole Amazigh base de la transcriptionen alphabet Tifinagh A. EL GHAZI, C. DAOUI, N. IDRISSI, M. FAKIR, B. BOUIKHALENE. p80Nouvelle approche pour la reconnaissance des caractres arabes imprims Ilham CHAKER, Rachid BENSLIMANE p87Indexation des objets 3 base sur une analogie partielle des sgments Lahcen MOUMOUN, Mohamed CHAHHOU,Mohamed EL FAR,Taoufiq GADI, Rachid BENSLIMANE p93Stockage et indexation des vidos par des structures arborescentes ZAOUI Lynda, ABED Houaria p99Conception des ondelettes non linaires et correspondance du schma de lifting avec lesondelettes de seconde gnration pour un codeur vido scalable Nabil Chaabani, Ezzedine Tahar, Ammar Bouallgue p105Elaboration et caractrisation de poudre nanocristalline Fe50 Cr50 R. Dara, B.Boudjema, M.Mordjaoui p109VHDL-AMS modeling and simulation of a direct sequence spread spectrum (DS-SS) transmitter A.ALAMI HASSANI, M.ZOUAK, F.ABDI &M.MRABTI p113Outage Probability Analysis of Cognitive Transmissions:Impact of Spectrum Sensing Overhead and Interference Constraints Mohammed RIDOUANI p12062Iterative Effect on LDPC Code Performance MOSTARI Latifa, MELIANI Rachida, BOUNOUA Abdennace Communication networks, Structures and Multi-media Laboratory University of Djillali Liabs, BP 89, 22000 Sidi Bel-Abbes, Algeria. latifa_mostari@yahoo.fr Abstract The introduction of the turbo-codes in the early 90s and, more generally of the iterative principleappliedtothetreatmentofthesignal, revolutionizedthemannerofimprovinga numericalcommunicationsystem.Thisnotable projectionallowedtherediscoveryoftheerror correcting codes invented by R. Gallager in 1963, calledLow-DensityParity-Checkcodes(LDPC). Thesecodeswillbestudiedinthispaperand moreparticularlytheregularLDPCcodesand itsiterativeeffectontheperformancesofthese codes on a gaussian transmission channel. Keywords-LDPCcode;gaussianchannel; iterativedecoder;beliefpropagationalgorithm; Log-Likelihood Ratio (LLR). I. Introduction Low-DensityParity-Check(LDPC)codesare errorcorrectioncodesthatallowedcommunication over noisy channels possible near the Shannon limit (1).ThesecodeswerefirstpresentedbyGallager (2)in1962.Exceptsomeexceptionslikeworkof Zyablov(3)in1975,Margulis(4)in1982and Tanner (5) in 1981, these codes hadonly one weak impactinthecommunityofthecodingtheoryand thisbecauseoftheircodingcomplexityandofthe averagematerialsnecessarytodecodethem.This bracketwilllastuntiltheintroductionoftheturbo-codes by Berrou, Glavieux and Thitimajshima (6) in 1993. Because of the dynamics generated by this work, Mackay et al. (7) in 1995 and Spielman et al.. (8) in 1996 rediscovered thecodesLDPC which werethe object thereafter many research tasks. Theessentialideaofforwarderrorcorrection codingistoaugmentthemessagebitswith deliberatelyintroducedredundancyintheformof extracheckbitstoproduceacodewordforthe message. LDPC codes are designed by specifying a parity-checkmatrixsothattherelationshipbetween codewordbitsandparitychecksumscanbe adjustedtooptimizetheflowofinformationinthe decodingprocess.Inparticular,ischosentobe sparse(9),i.e.,containsonlyafew1sin comparisontotheamountof0s,sothatthe calculation of each check sum depends on few code word bits and the evaluation of code bit validityon fewchecksums.UsingthispropertyofLDPC codesGallagerpresentediterativedecoding algorithmswhosecomplexityremainslinearinthe blocklength(2).Recentlyithasbeenshownthat the encoding complexity of LDPC codes can also be linearintheblocklength(10).Wheniteratively decodedusingbeliefpropagation,alsoknownas sum-productdecoding(11),LDPCcodescan performremarkablyclosetotheShannonlimit(7) (12).ATannergraphdisplaystherelationship betweencodewordbitsandparitychecksandisa useful way to describe LDPC codes (5).Thispaperisorganizedasfollows:section2 introducesarepresentationforregularLDPCcode. Section3discussesthedecoderofLDPCcodeand section4showstheeffectiterativeonthe performance of a regularLDPC code on a gaussian channel.Latifa Mostari Iterative Effect on LDPC Code PerformanceRevue Mditerranenne des Tlcommunications vol. 1, n2, juillet 2011Mediterranean Telecommunication Journal63II. Representations for LDPC codes Basicallytherearetwodifferentpossibilitiestorepresent LDPC codes. They can be described via matrices. The second possibility is a graphical representation. A. Matrix representation Thematrixdefinedinequation(1)isaparity checkmatrixHwithdimensionnmfora(9,6) code. |||||||||

\|=0 1 0 1 0 0 1 0 00 1 0 0 0 1 0 0 11 0 0 1 1 0 0 0 00 0 1 0 0 1 0 1 01 0 0 0 0 0 1 1 00 0 1 0 1 0 0 0 1H(1) Wecannowdefinetwo numbersdescribingthis matrix. Tr=3 for the number of 1s in each row and tc=3 for the columns. B. Graphical representation Tanner introduced an effective graphical representation for LDPC Tanner codes. Tannergraphs are bipartite graphs. That meansthatthenodesofthegraphareseparatedintotwo distinctivesetsandedgesareonlyconnectingnodesoftwo differenttypes.ThetwotypesofnodesinaTannergraphare called bit nodes and check nodes (13). Figure1isanexampleforsuchaTannergraph and represents the same code as the matrix in 1. The creation of such a graph is rather straight forward. It consistsofmchecknodes(thenumberofparity bits)andnbitnodes(thenumberofbitsina codeword).Checknodeciisconnectedtobitnode fj if the element hij of H is a 1. III. Decoding LDPC Codes ThealgorithmusedtodecodeLDPCcodeswas discoveredindependentlyseveraltimesandasa matteroffactcomesunderdifferentnames.The mostcommononesarethebeliefpropagation algorithm. Thebeliefpropagationalgorithmwaspresented in 1962 by Gallager (2). It was then re-examined by Mackay (7) and Kschischang et al. (14). The algorithm uses the bipartite graph as support andprecedesthemessagesexchangesonthegraph edges.Eachedgecarriestwomessages,oneenvoy ofthebitnodetothechecknodeandoneofcheck nodetothebitnode.Itcanbeseenlikea propagationalgorithmofmessagesonthegraph. The messages forwarding by the graph edges can be either of the probability, or of Log-Likelihood Ratio (LLR). Thebeliefpropagationalgorithmfunctionsas follows:achecknodereceivesmessagesofits neighbours, treats the messages, and again sends the resultingmessagestoitsneighbours.Inthesame way, a bit node receives messages of its neighbours and also of the channel output corresponding, treats themessages,andagainsendsmessagestoits neighbours.Eachoutputmessageofabitnodeoracheck node is related to all the input messages to the node excepttheinputmessageontheedgewherethe output message will be sent. Thebeliefpropagationalgorithm(15)isas follows:Step1.initialization:theinitialmessageu0sent frombitnodeitochecknodejistheLLRofthe (soft)receivedsignalyigivenknowledgeofthe channelproperties.Foragaussianchannelwith variancethis is: i j iy u v20 ,2= =(2) Figure 1. Tanner graph of LDPC code (9, 2, 3) Latifa Mostari Iterative Effect on LDPC Code PerformanceRevue Mditerranenne des Tlcommunications vol. 1, n2, juillet 2011Mediterranean Telecommunication Journal64Step2.check-to-bit:theextrinsicLLRfrom checknodejtobitnodeiistheprobabilitythat paritycheck j is satisfied if bit i is assumed to be a 1: =i i B ij ii jjvu' , ', ' 1,2tanh tanh 2(3) ThenotationBj representsthesetofcolumn locations of the bits in the jth parity-check equation of the code considered. Step3.codewordtest:thecombinedLLRisthe sumoftheextrinsicLLRsandtheoriginalLLR calculated in step 1: + =iA ji j iu u v, 0 (4) The notation Ai is the set of row locations of the paritycheck equations which check on the ith code bit of the code. For each bit a hard decision is made >=0 , 00 , 1vvzi (5) If[ ]nz z z , ,1K = isavalidcodeword( ) 0 =Tz H ,orif themaximumnumberofallowediterationshave been completed, the algorithm terminates. Step 4. bit-to-check: the message sent by each bit node to the check nodesto which it is connectedis similarto(4),thatthebitsendstochecknodeja LLRcalculatedwithoutusingtheinformationfrom check node j: + =j j A ji j j iu u v' , ', ' 0 ,(6) Return to step 2. IV. Simulation Results In this section, we use the program of (256,3,6)-regular LDPC code (16), with iteration 10, decoded usingthebeliefpropagationalgorithmonan additivewhiteGaussiannoisechannel.Inour simulation,weshowtheperformancesofthese codes, with several iterations. We change the size of paritycheckmatrixH.Also,weillustratethe performancesofirregularLDPC.Ineach simulation, we change the block length. Figure2presentstheperformancesof(256,3, 6)-regularLDPCcode,withiterations:1,2,3,4,5 and 10; Figure3presentstheperformancesof(2000,3, 6)-regularLDPCcode,withiterations:1,2,3,4,5 and 6; Figure4presentsthecomparisonbetweenthe performances of regular and irregular LDPC code. 1 1.5 2 2.5 3 3.5 410-610-510-410-310-210-1100 BER SNR (dB) 1st iteration2nd iteration3rd iteration4th iteration5th iteration10th iterationFigure 2. Performance of (256, 3, 6) LDPC code with several iterations Latifa Mostari Iterative Effect on LDPC Code PerformanceRevue Mditerranenne des Tlcommunications vol. 1, n2, juillet 2011Mediterranean Telecommunication Journal65 V. Comments Theseresultsshowtheeffectofthemaximum decoderiterationsforLDPCcodes.Itcanbeseen thatincreasingthemaximumnumberofdecoder iterationsleadstoanimprovementintheaverage performance.It can also be seen that when iterations are set to morethan5(figure2),theperformancegain achievedbyincreasingthenumberofmaximum iterations reduces with the increase in the iterations. Increasing the iterations from 4 to 5 leads to a gain of0.2dBatBERof10-3,whileincreasingthe iterations from 5 to 10 leads to a gain of 0.33 dB at BER of 10-3. Figure3showstheperformancesofthesecodes increase when the parity check matrix is irregular. VI. Conclusion In this paper, we presented a regular LDPC code, decodedbybeliefpropagationalgorithm,toshow theeffectofthemaximumdecoderiterationsfor LDPCcodes.Thesimulationresultsthusobtained confirmedthatiterativedecodingimprovesthe errors correction to the wire of the iterations. REFERENCES [1]C.E.Shannon,Amathematicaltheoryof communication,BellSystemTechnicalJournal,vol.27, pp. 379-423 &t 623-656, July & October 1948. [2]GallagerRG,Low-densityparity-checkcodes,IRE Transctions on Information Theory 1962; IT-8(1): 2128. [3]V.ZyablovetM.Pinsker,EstimationofTheError-CorrectionComplexityofGallagerLow-DensityCodes, problemy peredachi informatsi, vol. 11, pp. 23-26, 1975. [4]G. A. Margulis, Explicit constructions of graphs without shortcyclesandlowdensitycodes,Combinatorica2 (1982), pp. 7178. [5][5] Tanner RM, A recursive approach to low complexity codes,IEEETransactionsonInformationTheory1981; IT-27(5): 533547. [6]C.Berrou,A.GlavieuxetP.Thitimajshima,Near Shannonlimiterror-correctingcodinganddecoding: Turbo-code,InProc.1993IEEEInternational ConferenceonCommunication,Geneva,pp.1064-1070, 1993. [7]D.MackayetR.M.Neal,NearShannonLimit PerformanceofLow-DensityParity-CheckCode, Electronic Letters, vol. 32, pp. 1645-1646, August 1996. [8]M.SipseretD.A.Spieleman,ExpenderCodes,IRE TransactiononInformationTheory,vol.42,no.06,pp. 1710-1722, November 1996. [9]S.J.Johnson,S.R.Weller,Regularlow-densityparity-checkcodesfromcombinatorialdesigns,IEEE Information Theory Workshop (ITW'2001), Cairns 2001. [10]T.RichardsonandR.Urbanke,Efficientencodingof low-densityparitycheckcodes,IEEETransaction 1 1.5 2 2.5 3 3.5 410-610-510-410-310-210-1100BERSNR (dB) 1st iteration2nd iteration3rd itration4th iteartion5th iteration6th iterationFigure 3. Performance of (2000, 3, 6) LDPC code with several iterations Figure 4. Performance of (2000, 3, 6)-regular and irregular LDPC code Regular LDPC code Irregular LDPC code Latifa Mostari Iterative Effect on LDPC Code PerformanceRevue Mditerranenne des Tlcommunications vol. 1, n2, juillet 2011Mediterranean Telecommunication Journal66Information Theory, vol. 47, no. 2, pp. 638656, February 2001. [11]R.Lucas,M.P.C.Fossorier,Y.Kou,andS.Lin, Iterativedecodingofone-stepmajoritylogicdecodable codesbasedonbeliefpropagation,IEEETrans. Commun., vol. 48, no. 6, pp. 931937, June 2000. [12]D. J. C. MacKay, Good error-correcting codes based on verysparsematrices,IEEETrans.Inform.Theory,vol. 45, no. 2, pp. 399431, March 1999. [13]Bernhard M. J. Leiner,LDPC codes - a Brief Tutorial, pp. 1-9, April 2005. [14]F.R.Kschischang,B.J.FreyetH.A.Loeliger,Factor GraphsandtheSum-ProductAlgorithm,IEEE TransactiononInformationTheory,vol.47,no.2,pp. 498-519, February 2001. [15]S.J.Johnson,Lowdensityparitycheckcodes:design anddecoding,ChapterinWileyEncyclopediaof Telecommunications, 2002. [16] A matlab code by Shaikh Faisal Zaheerof regular LDPC codeontheAWGNchannel http://www.mathworks.com/matlabcentral/fileexchange/8977-ldpc-code-simulation Latifa Mostari Iterative Effect on LDPC Code PerformanceRevue Mditerranenne des Tlcommunications vol. 1, n2, juillet 2011Mediterranean Telecommunication Journal67ETUDE DUNE TRANSMISSION DANS RESEAUELECTRIQUEEMBARQUE PAR LA TECHNIQUE DETALEMENT SPECTRALEMohammed FATTAH, Rabah OUREMCHI, Moulhime EL BEKKALILaboratoire de Transmission et de Traitement d'Information, Ecole Suprieure deTechnologie de Fs. fattahm@gmail.comRsum :Danscepapier nousproposonsunestratgiedecommunicationpour letransfert dinformationsur uncanal detransmission CPL type vhicule, base sur la modulation talement spectral.Le rseau CPL pourrait fournir un support de communication bidirectionnel capable de transmettre des donnes entemps rel. Dessimulationssont ralises pourvaliderlemodlede transmission dansle canaltype embarqu. Desrsultats sur ltudedutauxderreur binairesont prsents, ainsi quelesparamtresimportantsdelachanedetransmission.Mots cls : environnement CPL automobile, canal CPL automobile, talement spectral, modulation DS-CDMA.1. Introduction :Dansunvhiculedenombreuxfaisceauxsont utilisspourassurerlalimentationennergieetlatransmissionde linformation lensemble des diffrents organescomposant le systme. Laugmentation en masse, envolume et en nombre dinterconnexions au sein desfaisceaux est donc invitable malgr le dveloppement dumultiplexage, ce qui entrane lutilisation d'une nouvelletechnologie (technologie CPL), permettant de rsoudrelensemble des problmes de multiplexage [1].De nombreux travaux de recherche se sont inspirs destechnologies CPL pour concevoir un schma detransmissionadquat cecontextefortement bruit. Ledfi majeur est detrouver lessolutionsadquatespourassurer une transmission de donnes faible et haut dbitsur ce rseau.L'objectif dutravail dveloppdanscepapier est deproposerunenouvellestratgie de communication pourletransfert dinformationsur unelignedetransmissionCPLembarquebasesurlamodulationDS-CDMA[2,3].2. Description de la chane de transmission2.1. Configuration de la chane de transmissionLes simulations sont ralises par loutil SimulinkMatlab [4].La chane de transmission est dcrite par la figure 1 quireprsente la transmission dans lenvironnement CPLutilisant deslignesdedistributiondnergiedusystmeembarqu(vhicule) sur labandede30Mhzdans lesdeuxdirectionsenaval et enamont. Cettetransmissionassure le lien entre lmetteur (actionneur) et le rcepteur(capteur).Figure 1.Synoptique de la transmission DS-CDMA enbande de baseNotre modle de simulation (cf. Figure 1) est constitude trois parties principales : Lapartiemettriceassurant lecodage(techniqueFEC) et la modulation des signaux adapts aucanal de transmission. Le canal avec toutes ses composantes, fonction detransfert et notamment les diffrents types de bruitqui ont une influence directe sur le signal transmis. La partie rception : qui assure la dmodulation etle destalement et la correction des erreurs detransmission.2.2. Canal de transmissionLa connaissance des caractristiques du canal detransmission est primordiale dans le choix des techniquesde codage et de modulation.Le canal de transmission automobile est constitu par unensemble de fils vhiculant linformationgnralementanalogique en plus lalimentation en nergie lectrique duvhicule. La fonction de transfert dun tel canal estdonne par la formule (1) suivante:Mohammed Fattah Etude d'une transmission dans un rseau lectrique embarquRevue Mditerranenne des Tlcommunications vol. 1, n2, juillet 2011Mediterranean Telecommunication Journal68H( f ) =Ni 1facteurig . n attnuatio termeidkf a ae_)1 0( . retard termeif je_2 (1)Lquation (1) reprsente le modle de Dostert etZimmermann qui dcrit la fonction de transfert descanaux CPL indoor [5, 6].Le rseau lectrique de transmission automobile aunetopologie arborescente forme de conducteurs, nonncessairement identiques, avec diverses longueurs etayant des impdances de charges qui varient fortement enfonctiondelafrquence. Ainsilapropagationdusignalne dpend pas seulement du trajet direct entre lmetteuret lercepteur maisgalement deslignesadditionnellesqui sont connectes aux nuds par o transitent lessignaux.Atitredexemple, unearchitecturedecblagemulti-trajets atdfinieet choisiecommebasepour notretude (Figure 2). Comme montre la Figure 2, cettearchitecture t divise en quatre parties : le compartimentmoteur, letableaudebord, lhabitacleet lecoffre. Lalongueur totale de fils est de 60 m.Figure 2.Schma arborescent correspondant au rseaulectrique sur vhiculeDeux cas de figures ont t tudi (trajet direct et trajetindirect) de manire mettre en vidence la prsence desalves derreurs. Dans les 2 configurations, lmetteur dusignal est localis au nud A, le rcepteur au nud B. lesfigure3et 4reprsentent lavariationdelafonctiondetransfert en fonction de la frquence pour deux scnarios :le trajet n1 9 m (couleur rouge) et le trajet n2 17,6 m(couleur bleu).0 10 20 30 40 50 60-12-10-8-6-4-20Fonction de transfert - trajet n1|H(f)|moyenendbfrquence MHzFigure 3. Fonctionde transfertcanal directe (trajetn1)0 10 20 30 40 50 60-12-10-8-6-4-20Fonction de transfert - trajet n2|H(f)|moyenendbfrquence MHzFigure 4. Fonctionde transfertcanal indirecte (trajetn2)DanslenvironnementdetransmissionCPL, laqualitdu signal dpend de la fonction de transfert du canal etdes diffrents types de bruits. Donc la modlisation rellede lenvironnement, reprsente la superposition deplusieurs distributions exponentielles de bruits [7, 8, 9] la fonctionde transfert. Pour voir leffet simultan debruits sur le canal, nous avons choisi les deux modles ci-dessus auxquels nous additionnons un bruit gaussien et unautre impulsif (figure 5 et 6).Mohammed Fattah Etude d'une transmission dans un rseau lectrique embarquRevue Mditerranenne des Tlcommunications vol. 1, n2, juillet 2011Mediterranean Telecommunication Journal690 10 20 30 40 50 60-15-10-50Fonction de transfert + bruits - trajet n1|H(f)|moyenendbfrquence MHzFigure 5. Fonctionde transfert(canal directe) + Bruitimpulsif + Bruitgaussien0 10 20 30 40 50 60-14-12-10-8-6-4-20Fonction de transfert + bruits - trajet n2|H(f)|moyenendbfrquence MHzFigure 6. Fonctionde transfert(canal indirecte) + Bruitimpulsif + Bruitgaussien3. Rsultats sur canal automobileCette partie porte sur le choix des squencesdtalement pour les systmes DS-CDMAmultiutilisateurs en fonction des critres la prsencederreurs trames rsultant du canal. Plusieursconfigurations ont t tudies.Ltudeatbasesurlvaluationdesperformancesdun systme DS-CDMA. Pour cela, nous avons procdavec des simulations qui consistent estimer laprobabilitderreursenfonctiondunombred"usagers"simultanspouvantaccderausystme. Lesrsultatsdecessimulationssont comparslaprobabilitderreursdonne par lquation (2).2)] . exp( 2 1 [) . (SNIR RSNIR d QPfB (2)ofd est ladistancemaximaleducode, Rtant letaux de codage et avec SNIR est donn par lquation (3)dj dveloppe par [10]. iKkikj iniSNRrN NSNIR1211) .(611(3)ojNreprsente la longueur de la squence de code delusager de rfrence et pariN la longueur de lasquence de code des usagers interfrents prsents dans lesystme.ikr tant leparamtredinterfrencemoyennedfini dans [10].Le tableau 1 dtaille les paramtres qui sont conservspour les diffrentes simulations.Paramtres de base DimensionsBande de frquence 30 MHzCodage Convolutif(R=1/2)Constellation QPSKDbit utile 4.82Mbits/sSNR 13dBTableau 1. Paramtres de base pour les simulations3.1. En voie montanteDanslecasduneliaisonmontante, chaqueutilisateurmet son signal travers son propre amplificateur. la premire approche consiste synchroniserlmission par des diffrents signaux DSCDMAenutilisantlessignauxreusenvoiedescendante. Danscecas, les missions tant effectus de faon quasisynchrone, les codes utiliss sont orthogonaux. Les codesde Walsh-Hadamard [11], Golay[12] et Goldorthogonaux[13] sont dans ce cas les codes les plusutiliss. la deuxime approche repose sur une missionasynchrone des diffrents signaux en voie montante. Lescodesayant uneintercorrlationminimalesont lesplusadapts. Parmi ces codes les plus utiliss pour lescommunicationsasynchrones, onpeutciterlescodesdeGold[14], Zadoff-Chu [15] et Kasami [16].3.1.1. Contexte synchrone : utilisation de codesorthogonauxLa figure 7 (canal direct) et la figure 8 (canal indirect)reprsentent laprobabilitderreurparbit obtenuepourles codes de WalshHadamard, de Golay et de Goldorthogonaux de longueur 64. Il apparat que les squencesde Golay donne un rsultat intressant, puisquil esttoujours infrieur 410. Ceci est vrifi quelle que soitlalongueurLdessquences. Enrevanche, lescodesdeWalshHadamard, pourtant les plus proposs dans lalittrature, prsentent uneprobabilitderreur maximaleauxalentours de210et unminimum410 . 2. Lesrsultatsdonnspar lescodesdeGoldorthogonauxsesitue entre510 . 4et310 . 2.Mohammed Fattah Etude d'une transmission dans un rseau lectrique embarquRevue Mditerranenne des Tlcommunications vol. 1, n2, juillet 2011Mediterranean Telecommunication Journal702 4 6 8 10 12 14 16 18 2010-610-510-410-310-2Nombre d'utilisateursProbabiltd'erreurparbitWalsh hadamard (L=64)Gold (L=64)Golay (L=64)Figure 7. Probabilit derreur par bit des codes orthogonauxsur canal direct en voie montante2 4 6 8 10 12 14 16 18 2010-510-410-310-210-1Nombre d'utilisateursProbabiltd'erreurparbitWalsh hadamard (L=64)Gold orthogonaux (L=64)Golay (L=64)Figure 8. Probabilit derreur par bit des codes orthogonauxsur canal indirect en voie montante3.1.2. Contexte asynchrone : utilisation des codes nonorthogonauxLes squences de ZadoffChu prsentent uneprobabilitderreur plus faiblequecelui des codes deGoldet deKasami commelemontrelafigure9(canaldirect) et la figure 10 (canal indirecte). En effet, laprobabilit derreur des codes de Gold, de Kasami varieentre410 . 4et210 . 2, alors que celui des codes deZadoff-Chu est infrieur 310, et ceci quelle que soit lalongueur des squences et le nombre dutilisateursgalement.2 4 6 8 10 12 14 16 18 2010-610-510-410-310-210-1Nombre d'utilisateursProbabiltd'erreurparbitKasami (L=63)Gold (L=63)Zadoff-Chu (L=67)Figure 9. Probabilit derreur par bit des codes non-orthogonaux sur canal direct en voie montante2 4 6 8 10 12 14 16 18 2010-510-410-310-210-1100Nombre d'utilisateursProbabiltd'erreurparbitKasami (L=63)Gold (L=63)Zadoff-Chu (L=67)Figure 10. Probabilit derreur par bit des codes non-orthogonaux sur canal indirect en voie montante3.2. En voie descendanteContrairement la liaison montante, il est ncessaire envoie descendante dvaluer la performance du signaltransmis constitu par la somme des signaux desdiffrents utilisateurs. Les diffrents signaux tant mis defaon synchrone par la source, en utilisant uniquement lescodes orthogonaux.Les figures 11 et 12 reprsentent le rsultat de laprobabilit derreur par bit obtenu pour diffrentesconfigurations des squences dtalement dans le cas descodesdeWalshHadamardetdeGolay delongueur16,enfonctiondunombredutilisateurs. IlapparatquelescodesdeGolayont peudintrt enpleinecharge. Eneffet, lorsque le nombre dutilisateurs crot, la probabilitderreurparbit descodesdeGolayvarieentre410et210et celui des codes de WalshHadamard resteinfrieur 310.2 4 6 8 10 12 14 16 18 2010-610-510-410-310-2Nombre d'utilisateursProbabiltd'erreurparbitGolay (L=16)Walsh-hadamard (L=16)Figure 11. Probabilit derreur par bit des codesorthogonaux sur canal direct en voie descendante.Mohammed Fattah Etude d'une transmission dans un rseau lectrique embarquRevue Mditerranenne des Tlcommunications vol. 1, n2, juillet 2011Mediterranean Telecommunication Journal712 4 6 8 10 12 14 16 18 2010-510-410-310-210-1Nombre d'utilisateursProbabiltd'erreurparbitGolay (L=16)Walsh-hadamard (L=16)Figure 12. Probabilit derreur par bit des codesorthogonaux sur canal indirect en voie descendanteDans cette section, diffrents codes dtalementappliqusdessystmesDSCDMAont tcomparssur lesdeuxtypesdecanal direct et indirect. Pour uneliaisonmontantesynchrone, lescodesdeGolayont unatout incontestable compar celui des codes de WalshHadamard pourtant habituellement proposs pour lesapplications synchrones. Pour une liaison montanteasynchrone, lutilisation des codes de ZadoffChu est unchoix judicieux. En voie descendante, les codes deWalshHadamard restent les meilleurs codes. De plus cechoix est identique quelque soit le type de canal direct ouindirect.Au vue des rsultats, il est ncessaire dexplorerdautrestechniques de codage pourpouvoiramliorerlarobustessevis--visduncanalavecperte, sanscompterla prsence de bruits impulsifs sur le faisceau automobilequi dgradent les performances de la transmission.Cette optimisation est prsente dans le paragraphesuivant ainsi que les rsultats obtenus.4. Optimisation du dbit et TEB par amlioration ducodageLamlioration de codage est donc ncessaire pouramliorer les performances de la chane de transmission,surtout en prsente de bruits impulsifs et de la fonction detransfert du canal.Danscettesection, nous avonstestlajout du codageReed Solomon[17]. Le tableau 2 prsente les paramtresqui sont conservs pour les diffrentes simulations.Paramtres de base DimensionsBande de frquence 30 MHzConstellation QPSKCode dtalement WalshHadamard (L=16)Nombre dutilisateurs 10Systme DescendanteTableau 2. Paramtres pour les simulations code ReedSolomonLa figure 13 donne les rsultats en termes de TEBobtenu en simulation sur un canal direct. Sur cette figure,4courbes sont prsentes. Lajout du codage en bloc detype Reed Solomon au sein de la chane de transmissionprovoque une perte de plus de 3 dBpour un SNRquivalent, sachant deplusquuncodageconvolutifestimplant.0 2 4 6 8 10 12 14 16 18 2010-410-310-210-1100Eb/N0 (dB)BERcodage conv + sans bruits (4.82 MBits/s)codage conv + avec bruits (4.82 MBits/s)codage RS + conv + avec bruits (5.53 MBits/s)codage RS + conv + sans bruits (5.53 MBits/s)Figure 13. Rsultats de simulations de taux derreur sur uncanal directLa figure 14 fournit les rsultats des simulationsobtenus pour les 4 cas sur un canal indirect. Les rsultatsmontrent que lors dune simulation avec un canal indirect,une augmentation de 2 dB en terme de SNR pour un TEBde310apparat par rapport uncanal direct. Ceci sejustifie par le fait que certaines fonctions de transfert ontdes attnuations plus importantes lies ltat des noeuds.Deplus, ungaindeplusde3dBvis--visdunsimplecodage convolutif donne un SNR de310.0 5 10 15 20 2510-410-310-210-1100Eb/N0 (dB)BERcodage conv + sans bruits (4.82 MBits/s)codage conv + avec bruits (4.82 MBits/s)codage RS + conv + avec bruits (5.53 MBits/s)codage RS + conv + sans bruits (5.53 MBits/s)Figure 14. Rsultats de simulations de taux derreur sur uncanal indirectCes diffrents rsultats montrent lintrt ducodage,surun canal type PLC automobile dans lequel les bruitsimpulsifs sont considrs. Donc lutilisationducodeurtype RS permet de corriger les erreurs lors dunetransmission.Suiteauxdiffrentstests, lamodulationDS-CDMAadmontr sa robustesse pour les transmissions sur lefaisceau automobile.5. ConclusionDans ce papier nous nous sommes intresss lacommunicationentreles diffrents organes (capteurs etactionneurs) qui quipent la quasi-totalit les vhicules.Mohammed Fattah Etude d'une transmission dans un rseau lectrique embarquRevue Mditerranenne des Tlcommunications vol. 1, n2, juillet 2011Mediterranean Telecommunication Journal72Lemploi de la technique de ltalement spectrale avecenparticulier la modulation DS-CDMAa montr unebonne efficacit pour une communication CPL embarquLe choixadquat du modulateur DS-CDMA, ducodeur canal, de la constellation et du code dtalement apermisundbit de10,3Mbits/savecuntauxderreursde410. Rsultatsintressantslorsquelacommunicationne ncessite pas un fort dbit.Pour le haut dbit dautres techniques pourront treutilises en particulier la modulation OFDM.Le but de ce travail avec cette technique de ltalementspectrale est de simplifier le canal de transmissionenembarqu en ne gardant que le minimum de conducteurspour la communication intra vhicule.Rfrences[1] O. Jaime, Dimensionnement temps rel dunvhicule: tude de cas et perspectives, ValeoElectronique & Systme de Liaison, ETR 2005.[2] R.L. Pickoholtz, D.L. Schillinget L.B. Milstein,Theory of spread-spectrum communication A tutorial.IEEE Transactions on communications, vol. Com-30, n5,pages 855-884, Mai 1982.[3] E. H. Dinan, B. Jabbari, Spreading codes for directsequence CDMA and wideband CDMA cellularnetworks. IEEECommunicationsMagazine, Septembre1998.[4] http://www.mathworks.com[5] K. Dostert, M. Zimmermann, Amultipathsignalpropagation model for the power line channel in the highfrequencyrange, IEEETransactions, Volume42, Issue4, p. 78 86, Avril 2004.[6] M. Fattah, R. Ouremchi, M. El Bekkali,Caractristique et modlisation du canal de transmissionvia le rseau lectrique dun systme embarqu,TELECOM2009&6meJFMMA, 11-13Mars2009,Agadir, Maroc.[7] M. Gtz, M. Rapp, K. Dostert, Power line channelcharacteristics and their effect on communication systemdesign, IEEE Communication Magasine, vol. 42, p. 78 86, Avril 2004.[8]V. Dgardin, M. OlivasCarrion, M. LinardetP.Degauque, In-Vehicle power line communication:Impulsive Noise Characteristics, proceedings URSIGeneral Assembly, New Delhi, Inde, Octobre 2005.[9] M. Fattah, R. Ouremchi, M. El BekkaliCommunications numriques CPL intra vhicule :caractrisation des bruits, WOTIC09, 24-25 Dcembre2009, Agadir, Maroc.[10]ERICHAMELIN, Etudedesperformancesdunsystme CDMA taux multiples, thse de M.Sc., Facultdes Sciences et deGnie, Universit Laval, septembre1997.[11]M. Schnell, Hadamardcodewordsasorthogonalspreading sequences in synchronous DS CDMA systemsfor mobileradiochannels,inIEEEThirdInternationalSymposium on Spread Spectrum Techniques andApplications(ISSSTA), Oulu, Finland, Juillet 1994, pp.505509.[12] M.J.E Golay, Complementary series. IEEETransaction on Information Theory, pages 619-621,Octobre 1967.[13] H. Donelan, T. OFarrell, Methods for generatingsets of orthogonal sequences. Electronics Letters, vol.35, no 18, pp. 15371538, Septembre 1999.[14] R. Gold, Optimal binary sequence for spreadspectrum multiplexing. IEEE Transaction on InformationTheory, vol. IT-7, pages 82-87, Avril 1961.[15] B. M. Popovic. Generalized ChirpLikePolyphase Sequences with Optimum CorrelationProperties. IEEETransactions onInformationTheory,vol. 38, no 4, pp. 14061409, Juillet 1992.[16] S-C. Lui et J.J. Komo, Non binary Kasamisequence over GF(P), IEEE Transaction on InformationTheory, vol. 38, n4, pages 1409-1410, juillet 1992.[17] D. Virginie, Analyse de la faisabilit dunetransmission de donnes haut dbit sur le rseaulectrique basse tension, Thse de doctorat, universit deLille, Dcembre 2002.Mohammed Fattah Etude d'une transmission dans un rseau lectrique embarquRevue Mditerranenne des Tlcommunications vol. 1, n2, juillet 2011Mediterranean Telecommunication Journal73Colposcopic image registration usingopponentSIFT descriptorOthmane EL MESLOUHI1, Hakim ALLALI1,Taoufiq GADI1and Yassir AIT BENKADDOUR21LAVETE FST of Hassan 1stUniversity , Settat, Morocco2University Hospital of Marrakech, Cadi Ayyad UniversityOelmeslouhi@gmail.comMustapha KARDOUCHIComputer Science DepartmentUniversit de MonctonMoncton, Canadamustapha.kardouchi@umoncton.caAbstractThis work presents a colposcopicimage registration system able to help physiciansfor cervical cancer diagnosis. The goal is to makeregistration between the cervical tissuethroughout the whole temporal sequence. Recentdigital images processing works, suggested usingfeature points to compute the tissuedisplacement. These methods achieve goodresults, becausetheyarefast anddonot needany segmentation, but to date, all methods basedonfeaturepoints aresensitivetolight changeandreflectionswhich arefrequentlycurrentincolposcopicimages. Tosolvethis problem, weproposetoapplytheopponentSIFTdescriptorwhichdescribesfeaturespointintheopponentcolor space. Experimental results show therobustness of this descriptor in colposcopicimages registration in comparison with otherdescriptors.Keywords-component; Colposcopy; Computer-Aided Diagnosis; OpponentSIFT; RegistrationI. INTRODUCTIONUterine cervical cancer is the second most commoncancer in women worldwide, with approximately500,000newcasesandover270,000deathseveryyear [1]. If it is detected early, it can be curedcompletely[2]. Colposcopyis a well establisheddiagnostic method to detect cancerous and pre-canceroustissuethroughvisualexaminationofthecervix [2]. During a clinical exam, 3%-5% of aceticacid solution is applied to the cervix area.Epitheliumthat appears grosslynormal but turnswhite after acetic acid application is calledacetowhite epithelium. Colposcopists evaluate thecolor and density of the acetowhite region toestablish the severity of possible lesions. They cheekcolor changes through a low magnificationmicroscope (colposcope), save some interestingimages, reports there findings and, if necessary,recommend a biopsy to confirm the diagnosis.Because of patient and tissue movement, its noteasy to analyze images without previous registrationof interestingimages inthe same frame. Severalmethods have been proposed to perform thisregistration. J.D.Garcia and al [3] proposes alandmark-based method to compute colpscopicimages deformation in order to achieve registration.This method is sensitive to light and reflectionschanges, and cant take into account colorinformation. Another approach proposed by H.Lange and al [4] uses the reflectance and thefluorescence informations to match colposcopicimages in order to accomplish registration. Thismethod provides good results but, it requires aspecific instrument called HyperSpectral DiagnosticImaging.The current paper proposes a robust method whichtakes into account color information and doesntneed any specific instrument. This method in basedonopponentSIFTdescriptorwhichislistedamongthe best approaches to describe local information inanimage. This descriptor is perfectlyadaptedtocolposcopicimages: it is reasonablyinvariant toOthmane El Meslouhi Colposcopic image registration using apponentSIFT descriptorRevue Mditerranenne des Tlcommunications vol. 1, n2, juillet 2011Mediterranean Telecommunication Journal74changes in illumination, image noise, rotation,scaling, andsmall changes inviewpoint [5]. Thisdescriptor will be tested for colposcopic imageregistration and compared to another knowndescriptors.The paper is organized as follows: Section 2describes the opponentSIFTdescriptor. Section 3presents the registration model used to aligncolposcopic images. Section 4 providesexperimental results obtained with the proposedapproach. Finally, section 5 concludes the paper.II. BRIEF DESCRIPTION OF OPPONENTSIFTDESCRIPTORCommonly, therearetwomainstagestoextractfeatures froman image: the first stage requiresdetecting interest points in an image and the secondone involves to describe each detected point.The procedure to extract opponentSIFT descriptorconsists of two main steps:A. Step1: Detecting interest pointsIn this work, we chose Harris-Laplace detector toidentifyfeaturepoints. Thisdetectorcombinestheusual 2D Harris corner detector [6] with theGaussian scale-space representation [7]. This allowscreating a descriptor invariant to variation inrotation, illumination and scaling [8]. Potentialinterest points are identified by building a Gaussianpyramid and looking for local peaks, calledkeypoints, in a series of difference-of-Gaussian(DoG) images [9]. Keypoints candidates areidentified as the local extrema (minima or maxima)of DoG cross scales. Once keypoints candidates arefound, a filter is applied to them so that only stableand more localized points are retained.B. Step2 : Keypoints descriptionTheOpponentSIFTisacolordescriptorbasedonSIFT (Scale-Invariant Feature Transform)descriptor. SIFToriginallyproposedby[9], usesonly intensity (grayscale) channel information of animage. Thisinformationisrepresentedby asetofkeypointswhere eachkeypoint is describedwith avector with 128 elements.A natural way to extend this descriptor is to includethe opponent color space. Hence, the opponentcolor space is separated into three channels (O1, O2,O3) [10] by using RGB color space:1232263R GOR G BOR G BO | || | | | | |+ | | =| | | |+ +| | |\ .\ .(1)Channels O1, and O2 describe the color informationin the image while the channel O3contains theintensity information.To describe keypoints, each channel is described byusing SIFT descriptor [5]. This descriptor is calledOppenentSIFT descriptor.We opt to use OppenentSIFT descriptor forcolposcopic image registration for two mainraisons. Firstly, to better describe color information.Secondly, totake advantage fromthe interestingproperties of this descriptor : this descriptor isinvariant to image scale, robust to changes inillumination, andsmall changes inviewpoint [5]involving the colposcopic images descriptioninvariant to these transformations.Ones keypoints are described withOppenentSIFT descriptor, the next step is to matchthem in order to achieve registrationIII. REGISTRATION MODELA. Matching descriptors :In the first step, opponentSIFT points are matchedby computing the zero mean normalized crosscorrelation score (ZNCC) defined by [11]:Othmane El Meslouhi Colposcopic image registration using apponentSIFT descriptorRevue Mditerranenne des Tlcommunications vol. 1, n2, juillet 2011Mediterranean Telecommunication Journal75( ).( )( , ).i ji ji jii j ju u u uZNNCu uu u u u = (2)where:- uiand ujdenote respectively anopponentSIFTpoints of the first and thesecond image;- i u and j u denote respectivelythe averagevalue of vectors ui and uj.The second step consists to remove false matchesby cross verification method. After completingremoving false matches, correct matching points inthe images are used to compute appropriatetransformation to align the colposcopic images.Inthispaper, wechooseaffinetransformationasregistration model to align colposcopic images. Thischoiceisjustifiedby thefactthatdeformationsincolposcopic images are not veryimportant. Thisaffine transformation will be described in next sub-section.B. Affine transformationThe affine transformation between two vectors (x,y) and (z, w) is calculated as follows:1 23 4xa a z xa a w yo|| | | | | | | |= + ||||\ . \ . \ . \ .(3)where a1, a2, a3, a4, oand | are the affinetransformation parameters.In this work, (x, y) are the coordinates of anopponentSIFTdescriptorpoint at theinitial imageand(z,w) itsmatchingpointinthe secondimage.Equation (3) can be also written as:12340 0 1 0x0 0 0 1aaz x y aw x y ao|| | | | || | | |= | ||\ . \ . | | | |\ .(4)IV. EXPERIMENTS RESULTSThis sectiongives someexperiments results toillustrate the performances of the proposed method.For this experiments, we use two colposcopicsframesextractedfroma videosequences.Thefirstone is extracted at the beginning of the sequence (attime = 2 second), and the second one at the middle(at time=52second). Figure1showsrespectivelythe first and the second frame. We note somesignificant differences between the two framesregarding lighting, scaling and viewpoint angle.Under these conditions, matching features is not aneasy task.Once the two frames are extracted,opponentSIFT descriptor are localized in eachframe, andthen, matchedbycomputingthezeromean normalized cross correlation score. In order tomeasure the performance of this method, someknown descriptors as SIFT and Color SIFT (CSIFT)[12] are employed for comparison with the proposedapproach. Table 1 shows the results of thecomparison between these three descriptors. Resultsshows clearly that matching score with theopponentSIFT descriptor outperform SIFT andCSIFT descriptors. In addition, the number ofinvariantpointsfoundwithopponentSIFTisbetterthan the scores obtained with the two otherapproaches.a. At time = 2 second b. At time = 52 secondFigure 1. Two cervical frames from a video sequenceOthmane El Meslouhi Colposcopic image registration using apponentSIFT descriptorRevue Mditerranenne des Tlcommunications vol. 1, n2, juillet 2011Mediterranean Telecommunication Journal76TABLE IPERCENTAGE OF CORRECT MATCHING FOR EACHDESCRIPTORDescriptor SIFT CSIFT OpponentSIFTNumber ofinvariant points26 22 26Number ofinvariant pointscorrectlymatched14 13 19Percentage ofcorrectmatching54% 60% 73%Toimprovethescoreofcorrect matchingpoints,we get three images from a video sequences. Then,featurepoints areextractedfromeachframeandmatchingalgorithmis applied between the threeimages. Figure2showthethreeselectedcervicalimages (a., b., c.) and invariant points correctlymatched (a., b., c.). Figure 3 shows displacementsof the feature points starting fromtheir initiallocation(imagea.)tofinalposition(imageb. andc.). As shown in this figure, feature points aremoving in the same direction (white line), thismeans that distortions are very low; this comfort theaffine model that we chose for images registration.a. At time = 2 second a. Invariant points correctlymatchedb. At time = 52 second b. Invariant points correctlymatchedc. At time = 95 second c. Invariant points correctlymatchedFigure 2. Three cervical images taken from the videosequences and invariant pointscorrectly matcheda. First image (time = 2s)b. Second image (time = 52s) c. Third image (time = 95s)Figure 3. Feature points displacement between the initial imageand the two other images.In order to make registration, three points areselected from each image. Then, affinetransformation is applied between the initial imageand two other images. Figure 4 illustrates the affineregistration results using the extractedopponentSIFT points. We note that afterregistration, thefeaturepointsoftheinitial imageare at the same level as the two others images, thismeans that registration is well accomplished.Othmane El Meslouhi Colposcopic image registration using apponentSIFT descriptorRevue Mditerranenne des Tlcommunications vol. 1, n2, juillet 2011Mediterranean Telecommunication Journal77a. Registration between the first and second imageb. Registration between the first and third imageFigure 4. Affine registration results usingopponentSIFT descriptor.V. CONCLUSIONIn this paper a colposcopic image registrationmethod to align colposcopic images extracted froma video sequence is presented. This method is basedon opponentSIFT descriptor and affine modeltransformation. Theperformanceof thisapproachwas evaluatedonsome colposcopic images. Theapproach showed an excellent performance ofimportant anatomical structures registration incolposcopic images. This will make easy theanalysis of lesions in colposcopic images bymedical experts.One of the possible future developments of thecurrent work can be improved by using an effectivealgorithm to eliminate reflections and subsequentlyincrease the performance of the proposed approach.ACKNOWLEDGMENTThis work was supported by the New Brunswick InnovationFoundation. Authors would like to thank Koen van de Sandefor giving us a part of "OpponentSIFT" code.REFERENCES[1] J. Ferlay, F. Bray, P. Pisani andD. M. Parkin, Cancerincidence, Mortality and Prevalence Worldwide, Version1.0. IARC Cancer Base No. 5. IARC Press: 2001.[2] D. Ferris, ModernColposcopy: TextbookandAtlas,Kendall Hunt Publishing Company, Dubuque, Iowa, 2nded., 2002.[3] J. D. Garcia-Arteaga, J. Kybic, andW. Li, Automaticlandmark detection for cervical image registrationvalidation,Progressinbiomedicalopticsandimaging,vol. 8 (2), no33, 2007.[4] H. Lange, R. Baker, J. Hakansson, and U. P. Gustafsson,Reflectance and fluorescence hyperspectral elastic imageregistration, in Medical Imaging : Physiology, Function,andStructurefromMedical Images. ProceedingsoftheSPIE, Volume 5370, pp. 335-345, 2004.[5] Koen E.Avan de Sande, T. Gevers and Cees G. M.Snoek, Evaluating Color Descriptors for Object andScene Recognition, IEEE Computer Society Conferenceon Computer Vision and Pattern Recognition: CVPR, pp:1-8, 2008.[6] C. Harris and M. Stephens. A combined corner and edgedetector, Proceedings of the 4th Alvey VisionConference: pp 147151, 1988.[7] T. Lindeberg, Feature detectionwithautomatic scaleselection,International Journal of ComputerVision30(2): pp 77116, 1998.[8] C. Schmid, R. Mohr, andC. Bauckhage, Evaluationofinterest point detectors, International Journal ofComputer Vision, 37(2) pp: 151-172, 2000.[9] D.G. Lowe, Distinctive image features fromscale-invariant keypoints,International Journal of ComputerVision, 60(2) pp: 91-110, 2004.[10] L. Hurvich and D. Jameson, An opponent-process theoryof color vision, Psychological Review, Vol. 64, pp. 384-390, 1957.[11]L. Di Stefano, S. Mattoccia and F.Tombari, ZNCC-based template matching using bounded partialcorrelation, Pattern recognitionletters, vol. 26, pp. 2129-2134, 2005.J. M. Geusebroek, R. vandenBoomgaard, A. W. M.Smeulders, and H. Geerts, Color invariance, IEEETrans. Pattern Analysis and Machine Intelligence, 23(12),pp: 13381350, 2001.Othmane El Meslouhi Colposcopic image registration using apponentSIFT descriptorRevue Mditerranenne des Tlcommunications vol. 1, n2, juillet 2011Mediterranean Telecommunication Journal78Othmane EL MESLOUHI est untudiant chercheur en informatique lUniversit Hassan 1erde Settat(Maroc). En 2007, Il a obtenu sonDESA en informatique appliqu lUniversit Ibn Zohr dAgadir(Maroc). Ses principaux axes derecherche portent sur :Imagerie Mdicale, la Reconnaissance de Forme etIndexation dimages.Mustapha KARDOUCHI est unProfesseur dinformatique lUniversit de Moncton(Canada).En1998, il obtenusonDoctorat lUniversit de Bourgogne ; Dijon(France). Les thmes centraux deses activits de recherche portentsur:Imagerie mdicale, la Tlmdecine,lIndexationdimages statiqueset vidoet Estimationdumouvement dans des squences d'images vido.HakimALLALI est Professeur delEnseignement Suprieur l'Universit Hassan 1er de Settat(Maroc). Il est directeur duLaboratoire de Veille pour lesTechnologies Emergentes(LAVETE) et responsable del'quipe de recherche Modlisationet Systmes dInformation (MSI)de la Facult des Sciences et Techniques de Settat etmembre-fondateur dIT-Learning Campus de lUniversitHassan 1er. Ses principaux axes d'intrt portent sur letraitement dimage, la modlisation et les SIG.Taoufiq GADI est professeurhabilit l'universit Hassan 1er deSettat (MAROC). Il est responsablede l'quipe de lindexation 3D,Informatique Dcisionnelle et GnieLogiciel (2IDGL) du laboratoire deVeille pour les TechnologiesEmergentes de la facult dessciences et techniques de Settat et membre-fondateur dIT-LearningCampusdeSettat. Sesprincipauxaxesd'intrtportent sur l'indexation 3D, l'informatique dcisionnelle et legnie logiciel.Othmane El Meslouhi Colposcopic image registration using apponentSIFT descriptorRevue Mditerranenne des Tlcommunications vol. 1, n2, juillet 2011Mediterranean Telecommunication Journal79Systme de reconnaissance automatique de la parole Amazigh base de la transcriptionenalphabetTifinagh A. EL GHAZI, C. DAOUI, N. IDRISSI, M. FAKIR, B. BOUIKHALENE. Equipe : traitementde linformation, FacultdesSciencesetTechniques PB 523,Bni Mellal, Maroc, E-mails : hmadgm@yahoo.fr,daouic@yahoo.com, najlae_idrissi@yahoo.fr ,fakfad@yahoo.fr, bbouikhlene@yahoo.fr. RsumDanscetravail,nousprsentonsunsystmedereconnaissanceautomatiquedelaparoleAmazighbassurlatranscriptionenalphabetTifinaghreconnueparlInstitutRoyaldelaCultureAmazigh(IRCAM ).Nousavonsutilisle modledeMarkovcachetonafaitunecomparaisonavecla mthode deprogrammation dynamique. Mots-Cls :Reconnaissancedelaparole,paroleAmazigh,HMM (MMC), Modleacoustique, DTW. I.INTRODUCTION Lesystme de la reconnaissance automatique de laparole (SRAP)permetdetranscrireunmessageoral,extraireune informationlinguistiquepartirdunsignalaudio.Ce systmeutiliselemodledeMarkovcach[13](Hidden Markov Model : HMM) pour modliser les units constituants les mots et les phrases dune langue. Dans cetravail, lintrt estdemodliserlalangueAmazighetderaliserunsystme dereconnaissancequipermetdetransformerunsignalen une suitesignificative de lettresTifinagh. Les applications de lareconnaissanceautomatiquedelaparoleAmazigh(RAPA) sontnombreuses.Lesplusintressantessont :ledialogue homme-machine;lapprentissagedelalangueAmazighetles systmesquiaidentlespersonneshandicaps[1].Lalangue Amazighconstitueunepartiedelaculturelinguistique marocaine[9],lamiseenplacedunsystmede reconnaissancedecelle-ci offre une nouvelle voie de travaux derechercheconcernantlareconnaissancevocaleet limplantation des systmes de traduction et dapprentissage. Vue limportance des SRAPs, plusieurs logiciels libres onttdvelopps, parmi les plus connus : HTK[11] etCMU Sphinx [2-3]. Nousavons utilis ce dernier, il estbassurle modledeMarkovcach[ 3]etlargementutilisdansle domaine de lareconnaissancedelaparole. Dans cecadre,notretravailsefocalisesurlamiseenplacedesbasesde construction dun systmede reconnaissanceautomatique de la paroleAmazigh bassurSphinx4 [1]. Dans lasuite, nousallons prsenterles grandes lignesdutravailralisencommenantparuneapprochethoriquedu modle de Markov cachet la programmation dynamique (section 2). Ensuite, nous prsentons enbrefunedescription delalangueAmazigh(section6).Lesrsultatsde comparaison obtenus entre lemodlede Markovcach et laprogrammationdynamiquesontdonnsensection7.Eton termine par une conclusion et perspectives en section 8. II.THEORIEET RELATIONS A.Modlede Markov cach LemodledeMarkovcachestunautomatestochastique capable[19],aprsunephasedapprentissage,destimerlaprobabilit quune squence dobservation aitt gnrparcemodle.Lobservationreprsenteunensemblede vecteursacoustiquesdunsignalvocal.Lemodlede Markovcachpeuttrevucommeunensembledtatsdiscrets etdetransitionentreces tats,ilpeuttredfinit parlensembledesparamtressuivants : N : lenombredtatsdumodle A={}=P(/):estunematricedetailleN*N.Elle caractriselamatricedetransitionentrelestatsdumodle.Laprobabilitdetransitionversltatjnedpendquede ltat i : P ( = / = , = , )=P( = / = ) (1) B={()}=P(/),oj[1,N]estlensembledesprobabilits dmission de lobservation ot sachantquonestdans ltat qj. La forme de cette probabilitdtermine letype duHMMutilis.Danscetravail,onutiliseunedensitde probabilitcontinue [19] dfinit par laloinormale : b(o, m, v) = (o, m, v) =()||e()() (2) Avec: O: la trame dobservation C: la matricedecovariance (diagonal) C = (o m) (o m)C m : lamoyenne dechaquecoefficient A. El Ghazi Systme de reconnaissance automatique de la parole AmazighRevue Mditerranenne des Tlcommunications vol. 1, n2, juillet 2011Mediterranean Telecommunication Journal80m = 1no Lapriseencomptedeplusieursprononciationsdunmotncessitelutilisationdunedensitdeprobabilitmulti gaussiennes [21]dontlaprobabilitrsultanteestdonnepar : Bj() = ()(3) k : nombrede gaussiens Cij : poids dugaussien i dans ltat j Bj(ot) :probabilitdelobservationlinstantt concernant ltat j. B.Programmation dynamique (DTW) La reconnaissance delaparole parlaprogrammationdynamique ouladformationtemporelle (Dynamic Time Wrapping :DTW)[ 18]consistecomparerdeuxsignauxdelaparoleenconsidrantladistance euclidienneentrelesdeuxspectresobtenusparlecalculdescoefficientsdeMel(MFCCs).LecalculdeladistanceeuclidienneentrelesdeuxmatricesdecoefficientsMFCCs[22]sefaitvialarelation suivante [12]: (, ) = ( ) (4) D(i, j) : ladistanceentre levecteur i duspectre xetlevecteur iduspectre y. n : dimension duvecteur x et y.Le principe de lareconnaissanceparprogrammationdynamique estsimplifi dans lafigure 3.

Fig. 3 : principede lareconnaissance par DTW III.EXTRACTIONDESPARAMETRES A.Prtraitement Lessignauxdelaparoleutilissonttacquisenutilisantunmicrophone. Le bruit intra phrase a t supprim manuellementenutilisantloutilwavsurfer.Lessignauxnumrissseront reprsentpar unefamille (xn) n[1,k] ou k est le nombre total dchantillons dans lesignal. Cedernier estchantillonnlaidedelacartesondelordinateuravec une frquence Fs=16khz cest dire que laprise desvaleurs suitunepriode 1/FS secondes . B.Coefficientsde Mel La paramtrisationdessignauxdelaparoleconsisteextrairelescoefficientsde Mel. Ces derniresse basesur lchelle de Mel qui permet de modliserlaperceptionde la paroledunefaonsimilaireloreillehumaine,linaire jusqu1000Hzetlogarithmiquementaudessus[22]. Limportancedelchellelogarithmiqueapparaitlorsde lutilisationdunebancdevaleurstrslargetellequeilpermetdespacerlespetitsvaleuret approcherlesgrandesvaleurs. Lessignauxnumrissdoiventtreencoretraitpourles utiliser danslaphasedereconnaissance. Pource faire unepraccentuationesteffectuepourreleverleshautesfrquences : = 1 0.97 (5) EnsuitelesignalestsegmententrameochacuneestconstituedunnombreNdchantillondelaparoleet comprendpresque30msdelaparole,pourcefaireonutiliseunefentretemporelleglissantedetaille256.Lesfentressuccessives serecouvrentde moitideleurstaillecestdire128pointcommunsentredeuxfentres successives.Danscetravailonautilislefentragede Hamming [23] : w(n) = 0.54 + 0.46 cos(2 )(6) Dans ltape suivante lespectredusignalestcalcul, il permetdeprsenterlesignal(domainetemporel)dansdomainefrquentiellegrceautransformedeFourierrapide FFT : () = ()() (7) Poursimulerlefonctionnementdeloreillehumaine, nous filtrons lesignal par unbancdefiltres quiont chacun unerponsedebandepassantetriangulaire.Lesfiltressont espacsdetellefaonqueleurvolutioncorrespondlchelleMel[22].LaformuleapprochedelchelleduMelest : () = 2595 log (1 +) (8-1) (, ) = (, ) (, )/(8-2) Lesignaldelaparolepeuttrevuecommeleproduitdeconvolutiondansledomainetemporelledusignaldexcitationg(n)etlarponseimpulsionnelleduconduitvocaleh(n) : () = () () (9) Lapplicationdu logarithme du modlede latransformedeFouriersurcettequation donne : Calcul descoefficients MFCCsdesfichiersdentre Calculdeladistanceentrelesfichiersdentreetlesfichiersrfrences : prise de ladistanceminimale Calcul descoefficients MFCCsdesfichiersrfrencesces A. El Ghazi Systme de reconnaissance automatique de la parole AmazighRevue Mditerranenne des Tlcommunications vol. 1, n2, juillet 2011Mediterranean Telecommunication Journal81 || = || + || (10) EnfinpourobtenirlescoefficientsdeMelon appliquelatransformede Fourier inverse dfinit par : FFTXi, n = xn = Xi, ne(11) Onobtientun vecteurde coefficients surchaque fentre de Hamming. Lenombredesfiltre prisdans cetravailest 12onaajoutlesdrivespremiresetsecondesdeces coefficients,cequidonneentotale39coefficients.Lafigure4donneunrsumsurlextractiondescoefficientsde Mel (MFCC). Fig. 4 : Etapesdextractiondesparamtres MFCC IV.APPRENTISSAGEAprs laphasedextraction desparamtresde Mel, lesignaldelaparole estreprsent parunematricedontlatailleN*39tellequeNreprsentelenombredefentres danslesignal.Lesfichiersaudioutilissdanslaphasedapprentissagedoiventtresegmentsenphonmes, chaque motcorrespond unesuite dephonmes. Chacun decesderniersserareprsentparunmodledeMarkovcach troistats,chaque tatestcaractrispar : -Vecteurdesmoyennes pouruntati,ilestdonnpar : = , n : nombre devecteurs pourchaquetat. Ok : Vecteurdobservationnumro k.-Matricedecovariance pour untati : = (12) Lecalculduvecteurdesmoyennesetlamatricede covariancesefaitsurchaquegaussien. Dans cetarticleonutilisecinqgaussiensdoncilyauracinqvecteursdes moyennesetcinqmatricesdescovariancespourchaquetat. Le calculdelaprobabilitdobservationrsultant pourchaquetatsefaitparlarelation 3. Lapprentissagedumodleconsistemaximiserle logarithmedelaprobabilitdobservationappellavraisemblance,pourcefaireonutiliselalgorithmede Baum-Welch [15] dontlestapes sont : 1-Initialisationdu modle-cration duHMM pourchaquetat-Initialisationduvecteurdeprobabilitsinitialavecuneprobabilitplusfortepourlapremiretatetnonnullepourlesdeuxautrestatsrestantes. -Initialisationdelamatricedetransitionavecdesprobabilitsquelconquesenrespectantquela sommedestransitionsestgale1etquelemodleestdetypegauche-droite(diagonalesuprieur) 2-Maximisation :Danscettetapeonactualisechaqueitration les paramtresdumodle etet on recalculenouveaulavraisemblance. Lactualisationdesparamtresdumodle se faitvialesrelationssuivantes : = , , 1 , 1 (13) = , , 1 , 1 (14) = , , 1 , 1 (15) Avec : M : nombrede gaussiens. N :nombredevecteursacoustiquespourchaquetat. Avec : = , = ,, ,, Cjk reprsente lepoids dugaussien k relative ltat jet lescoefficient et sontcalcul parlalgorithmedeForward-Backward[15]. V.RECONNAISSANCE Leprincipedelareconnaissancepeuttreexpliqucommelecalculdelaprobabilit P(W/S) :laprobabilit quunesuitedemotsWcorrespondausignalSetdedterminer la suite de motsquimaximisecette probabilit. SelonlaformuledeBayesla probabilitP(W/S) peutscrire : P(W/S)=P(w).P(S/W)/P(S) (2) Avec :P(W) : Probabilita prioride la suitedemotsW :Signal PraccentuationetfentragedeHamming FFT Bancde filtres Mel Log|X(k)|FFT inverse MFCC : vecteursacoustique A. El Ghazi Systme de reconnaissance automatique de la parole AmazighRevue Mditerranenne des Tlcommunications vol. 1, n2, juillet 2011Mediterranean Telecommunication Journal82(Modle delangage). P(S/W) : ProbabilitdusignalS,tantdonnelasuitedemots W (Modleacoustique). P(S) : probabilit dusignalacoustiqueS (indpendantdeW). Lafigure3montrelesdiffrentestapesdelareconnaissance,dansunpremiertempslesignalsubituntraitementpourextrairelesvecteursacoustiques,ensebasantsurcesvecteurslemodleacoustiquesechargepartirdesHMMdephonmesapprissurlecorpus dapprentissage. Lasuitede HMMdephonmesconstitue lemodlede mots. Fig. 3 : Etapesdelareconnaissance VI.PRESENTATIONDE LA LANGUE AMAZIGH La langueAmazighet lun des plus anciennes languesdumonde, son histoire acommenc danslenord africain parlacration dunoyau de lalphabetTifinagh. Elle a commencsepropagerdans la populationAmazigh du monde africain. ActuellementlesystmealphabtiqueAmazigh,appelTifinagh,connaituneimplantationdanslesprogrammesscolairemarocainetilestutilisdanslarecherchehistoriqueAmazigh. Le systmealphabtique Amazighcomme ilest donn par lIRCAM [9][1][2] : -27consonnes :leslabiales(,,),lesdentales (,,,,,, ,), les alvolaires (, , , ), les palatales(,),lesvlaires(,),leslabiovlaires (, ),les uvulaires (, , ), les pharyngales (, ) et la laryngale (). -2 semi-consonnes : et . -4 voyelles : trois voyelles pleines ( ) et la voyelle neutre . - LalangueAmazighsediffreauniveaudelaprononciationselon lesrgions. Dansnotre travail, nous avons considr la rgion du moyen Atlas marocain. VII.RESULTATS EXPERIMENTAUX A. Basedapprentissage Labasedapprentissageutilisedansnotresystmeestconstitue de 2000 mots prononcs par 20 personnes dont chacunestinvit prononcer 10fois lemme mot.Lessignauxobtenussubissentuntraitementavantlenregistrement dit phase de prtraitement qui consiste : -Supprimerlebruitdudbutetdelafin ;ainsiquelebruit entre deux prononciationssuccessives. -Enregistrer le signal 16khz, 16 bit au format.sph. Letableausuivant(tab.1)reprsentelescaractristiquesdelabasedapprentissage : Dure de la baseNombredepersonnesNombredeprononciations1h45minde prononciation.- 3 personnes adultes- Un homme qui ne parle paslAmazigh.-2filles-14garons- 100 prononciations diffrentes pour chaque personne. Le nombre denregistrement total dans la baseest gal 2000 mots prononcs par 20 personnes. Tab.1 : Caractristiquesde labasedapprentissage B.Systmedentrainement Labasedapprentissageestentrainepourextraireles paramtres du modle de Markov utilisdans laphasede la reconnaissance.Danscettetape,onautilisloutil SphinxTrain[ 14]quisecompileavecVC++[ 19]etncessitelinstallation du programme ActivePerl.exe. C. Constitutionde labasedapprentissage LesmotsAmazighsontreprsentpardesunits lmentairesappelsphonmes,letableau2reprsentelensembledescaractresTifinaghutilisainsiqueleursprsentationsphontiquedanslabasedapprentissage.Lunitreprsentantla mmeprononciation dans les mots delabase doittreprsentpar lemmesymbolephontiquedanstouslesmotsafindobtenirunmodledeMarkov plusexactepourchaqueunit(phone).LaqualitdesrsultatsdelareconnaissancedpenddelafrquenceExtraction des paramtres de Mel (29 paramtres parvecteur) Dictionnaire YAN : Y A N Calcul de la probabilt P(O/m) Reconnaissance Vecteurs Acoustiques A. El Ghazi Systme de reconnaissance automatique de la parole AmazighRevue Mditerranenne des Tlcommunications vol. 1, n2, juillet 2011Mediterranean Telecommunication Journal83dacquisitiondesdonnesaudioainsiquelaqualitdelaprononciation parlapersonneconcerne. . Tab.2 : symbolesphontiques utiliss pour lareconnaissancedeschiffres Amazighs Lareprsentationdesmotsdelabaseenutilisantles symbolesdutableau2estillustredansletableausuivant (tab.3). chiffreTranscription phontique 0I L E M 1YE N ouYAN 2 SIN 3C R ADD 4KO Z 5SS EM (S MMU S pour quelques rgions) 6SSEDD(SSDD ESS pour quelques rgions) 7SSA 8TT AM 9T Z A Tab.3 : Corpusdapprentissage etses transcriptions phontiques D.Rsultats exprimentaux Labasedetestestconstituede300prononciationsdiffrentes incluant des fichiersaudiobruits.La qualit delareconnaissanceestmesureencalculantletauxdereconnaissance donnparla relation(3) : = Les rsultats obtenussontreprsentsdans le tableau 4. BasedetestRsultat 300prononciationsdiffrentes introduisantdesfichiersaudio plus bruits T=90% Tab.4 : Rsultats obtenus pour le systmedereconnaissancedelaparoleAmazigh La comparaisondesrsultatsatfaite surunebasededonneaudiobruite.Letableau5illustrelesrsultatsobtenus. HMMDTW Taux de reconnaissance 90%52% Tab.5 : Rsultatsdecomparaisonentre le modle HMM et la DTW sur la mme base de test Lefficacitdelaprogrammationdynamiqueapparat surlesfichiersaudiononbruits.Linconvnientestquela duredexcutionaugmenteproportionnellementavecladuredufichier ;cequiinfluenceletempsdelareconnaissance.Encomparaison,aveclaprogrammationdynamique, lemodle de Markov cach permet de modliser unmotparunesuitedephonmesetunephraseparune suitedemodlesdemots ;cequirendceprocessusplus efficace et plus adquat tre implmenter dans lessystmesde reconnaissance les plus avancs. Lafigure4prsentenotreinterfaceJAVAquipermetdeffectuer la reconnaissance automatique de langue Amazigh. Fig. 4 : Interface JAVApourlesystmede lareconnaissanceautomatiquedelalangueAmazigh VIII.CONCLUSION CetravailpermetlamiseenplacedunsystmedereconnaissancevocaledelalangueAmazighdiffusedansle (3) A. El Ghazi Systme de reconnaissance automatique de la parole AmazighRevue Mditerranenne des Tlcommunications vol. 1, n2, juillet 2011Mediterranean Telecommunication Journal84norddelAfrique.LAmazighestlunedeslangueslespluscomplexesauniveauphontiqueetauniveaudeladiffrenciationrgionale.Cetarticlepermetdedonnerune ide sur laphontique utilise pour la reconnaissance de cette langue.Encomparaison,aveclaprogrammationdynamique, Les rsultats obtenus par le modle de Markov cach sont trs satisfaisantsmalgrlenombrelimitdelocuteursetdela tailledelabasededonnes.Cecimontrelimportancede modlisationstochastiqueetprobabilistedansledomainede lareconnaissance. Ensebasantsurcequiestralisdanscetravail, nousallonsconstruireunsystmedereconnaissancedesmotsenchains(phrasesAmazighs).Celui-ciprsenteraun outilpuissantpermettantdefliciterlacrationdessystmesdetraductionetdapprentissagedelalangueAmazigh,cequi permetdintgrer cettelanguedans laviecultureltraverslemonde. REFERENCES

[1]Alisadiqui&Noureddinechenfour"ReconnaissancedelaparolearabebassurCMUSphinx",SriaInformatica.VolVIIIfasc.1 2010. [2]H.Satori&M.Harti"Systmedelareconnaissancedela reconnaissanceautomatiquede laparole", Facult des Sciences, B.P. 1796, Dhar Mehraz Fs, Maroc. [3]CornijeolandL.Miclet,"Apprentissageartificielle-mthodeet concept" 1988. [4]T.PellegrinietRaphael,"Duresuividelavoixparlegarceau modle cach" 1989. [5]R. Gonzales and M. Thomson, "Syntactic pattern recognition" 1986. [6]DivejverandJ.Killer,PatternrecognitioninPatternRecognition:a statistical approach"; Prentice Hall 1982. [7]Reweis, Hidden Markov-Modele-Sam 1980. [8]Robiner andJuang. Fundamentales of speech recognition 1993. [9]M. Amour ,A. Bouhjar & F. Boukhris IRCAM: publication : "initiation la langueAmazigh" 2004. [10]RAP:Thse 2008-[Benjamin LECOUTEUX]. [11]B.Resch "Automatic Speech Recognition with HTK" 2003. [12]Chunsheng Fang (2009) "From Dynamic Time Warping (DTW) to Hidden Markov Model" (HMM) University of Cincinnati [13]A. Cornijeol and L. Miclet , "ApprentissageArtificielle-mthode et concept" 1988.[14] P.Galley, B.Grand & S. Rossier , "reconnaissance vocale Sphinx-4" EIAdeFribourg mai 2006. [15]T. Pellegrini et R.Due Suivide lavoixparlegrceauxmodlesdeMarkovCach,lieu :IRCAM1placeIgorStravinsky75004 PARIS jiun 2003. [16]S.Sigurdsson,KaareBrandtPetersenandTueLehn-Schiler"Mel FrequencyCepstralCoefcients:AnEvaluationofRobustnessof MP3EncodedMusic",InformaticsandMathematicalModelling TechnicalUniversityofDenmarkRichardPetersensPlads-Building 321 DK-2800 Kgs. Lyngby Denmark. [17]T.ALANI"ModlesdeMarkovCachs(HiddenMarkovModels (HMMs))", LaboratoireA2SI-ESIEE-Paris / LIRIS. [18]G.SEMET&G.TREFFOT"Lareconnaissancedelaparoleavec lesMFCC"TIPE juin 2002. [19] A.Chan,EvandroGouva&RitaSingh"BuildingSpeech ApplicationsUsingSphinxandRelatedResources": http://docpp.sourceforge.net , August 2005. [20] Dr.A.Drygajlo"Introductionauxstatistiquesgaussiennesetla reconnaissance statistique de formes", Ecole Polytechnique Fdrale de Lausanne. [21] S.Jamoussi,"Mthodesstatistiquespourlacomprhension automatique de la parole",Ecole doctorale IAEM Lorraine, 2004. [22]SEMETGaetan&TREFFO,Grgory,Reconnaissancedelaparole avec lescoefficientsMFCCTIPE jiun 2002. BIOGRAPHIES A.ELGHAZIobtenuleMasteren sciencedelinformatiqueen2009deluniversitSultan MoulaySlimane,Bni-MellalMaroc.Actuellementilestun doctorant auCentredes tudesDoctorale de lafacultdessciencesettechniquedeBniMellal.Sesrecherches concernent la reconnaissance automatique de la parole. DrC.DAOUIobtenuledegrdePh.D. enMathmatiquesen2002luniversitMohamedV, Maroc.Actuellement,ilestunprofesseurluniversit SultanMoulaySlimane,Maroc.Sesrecherchesconcernent lesmathmatiques,larechercheoprationnelleetla reconnaissancedesformes. N. IDRISSI obtenu ledegr dePh.D ensciencesdelinformatiquelunivesitdeRabat,FacultdesSciences,Marocen2008.Actuellement,elleestuneprofesseur assistanteaudpartement delinformatique laFacultdesSciencesetTechniques,UniversitSultan MoulaySlimane,Bni-Mellal.Sesrecherchesconcernentletraitementdimage,Extractiondelinformationetlareconnaissancedelaparole. A. El Ghazi Systme de reconnaissance automatique de la parole AmazighRevue Mditerranenne des Tlcommunications vol. 1, n2, juillet 2011Mediterranean Telecommunication Journal85M.FAKIRobtenuledegrduMaster enGnielectriquedeluniversitdetechnologiedeNagaokaen1991etledegrPh.D.engnielectriquede LUniversitdeCadi Ayyad, Maroc. il esten quipe Hitachi ltd,Japonentre1991et1994.Actuellement,ilestunprofesseurlaFacultdesSciencesetTechnique,UniversitSultanMoulaySlimane,Maroc.Sesrecherchesconcernent lareconnaissanceetlintelligenceArtificielle. B.BOUIKHALENEobtenuledegrPh.D. EnMathmatiquesen2001 etdegrdeMasterEn Sciencedelinformatiqueen2005delUniversitdeIbn Tofel Knitra, Maroc . Actuellement , ilestunprofesseur lUniversitSultanMoulaySlimane,Maroc,Sesrecherchesconcernentlesmathmatiquesetapplications,les systmesdinformationdcisionnels,lee-learnig,lareconnaissance des formesetlintelligenceArtificielle. A. El Ghazi Systme de reconnaissance automatique de la parole AmazighRevue Mditerranenne des Tlcommunications vol. 1, n2, juillet 2011Mediterranean Telecommunication Journal86Nouvelle approche pour la reconnaissance descaractres arabes imprimsILHAM CHAKERUFR INTIC, Facult de sciences Dhar ElMehraz , USMBALaboratoire de Transmission et de TraitementdInformationFs, Maroc.chaker_ilham@yahoo.frRACHID BENSLIMANELaboratoire de Transmission et de TraitementdInformationUniversit Sidi Mohamed Ben Abdellah,Fs, Maroc.r.benslimane1@gmail.com.MOSTAFA HARTIUFR INTIC, Facult de sciences Dhar El Mehraz , USMBAUniversit Sidi Mohamed Ben AbdellahFs, Maroc.mharti@rocketmail.comRsum:Dans cet article on propose une nouvellemthode de reconnaissance des caractres arabesimprims. Cette mthode consiste sparer letraitement du corps de caractre et le traitement despoints diacritiques. Pour reconnatre le corps ducaractre, nousavonsutilisunemthodebasesurunemesurededissimilaritcalculesurlabasedecertainsattributspolygonauxextraitspartird'uneapproximation polygonale du caractre reconnatre.Ces attributs sont insensibles la taille du caractre,sonorientationet sa translation. Les informationsrelatives aux points diacritiques sont utilises la finde la mthode pour amliorer les rsultats dereconnaissance du corps de caractre.La performance de la mthode propose estvalueparunensembledetests effectus surunebase de caractres regroupant les 10 classes de fontesde caractres arabes les plus utilises.Mots cls : reconnaissancedes caractres arabes,approximation polygonale, attributs polygonaux, indicede dissimilarit, points diacritiques.I. INTRODUCTION :La reconnaissance optique des caractres aconnu un grand essor ces dernires dcennies, et unnombre important des travaux de recherches ont tconsacrs ce sujet. Les Systmes dereconnaissancedecaractresoffrent desavantagespotentielsenfournissant uneinterfacequi facilitel'interaction entre l'homme et la machine.Contrairement au latin, la reconnaissance descaractres arabes manuscrits ou imprims resteencoreaujourd'huiauniveaudela rechercheetdel'exprimentation, le problme n'est pas encorersolue. Bien que les investigations effectues danscedomainesoient nombreuses [1] et lesderniersrsultats obtenus du point de vue mthodologique etthoriquetrsencourageants[2], lesperformancesdes systmes prototypes dvelopps en milieuacadmique sont loin dgaler les performancesexiges par la qualit de service des systmesoprationnels. Ceci cause, notamment de la naturecursive de cette criture [10]. De plus, la forme d'uncaractrediffreselonsapositiondanslemot. Enoutre, plus de la moiti des caractres arabesincluent dans leur forme des points diacritiques (1,2Ilham Chaker Nouvelle approche pour la reconnaissance des caractres arabesRevue Mditerranenne des Tlcommunications vol. 1, n2, juillet 2011Mediterranean Telecommunication Journal87ou 3). Ces points peuvent se situer au-dessus ou au-dessous du caractre, mais jamais en haut et en bassimultanment. Plusieurs caractres peuvent avoir lemme corps mais un nombre et /ou une position depoints diacritiques diffrents.Nous prsenterons dans ce qui suit unemthode de reconnaissance des caractres arabesimprims. Cette mthode consiste sparer letraitement du corps de caractre et le traitement despointsdiacritiquesavant, deproposerunestratgiede combinaison des deux. Pour reconnatre le corpsdu caractre, nous avons utilis une mthode basesur un indice de dissimilarit calcul sur lepolygone reprsentant le caractre reconnatre. Lesinformations relatives auxpoints diacritiques sontutiliseslafindelamthodepouramliorerlesrsultats de reconnaissance du corps de caractre.Le reste de ce papier est organis comme suit :La section 2 dcrit la mthode de reconnaissancepropose, les prtraitements ncessaires lopration de reconnaissance, la mthode depolygonisation des contours, le calcul de lindice dedissimilarit, ainsi que lutilisation des pointsdiacritiquespour lamliorationdesrsultatsdelareconnaissance.Lasection3 prsenteles rsultats obtenus surdes caractres de tests.II. DESCRIPTION DE LA METHODE DERECONNAISSANCEPROPOSEEDans la mthode de reconnaissance descaractres arabes que nous proposons dans cetravail, limage du caractre subit, dans unepremire tape, des prtraitements ncessaires lopration de reconnaissance. Il sagit de ladtection des contours des caractres ayant unelargeurdunpixel. Dansunedeuximetapenousrcuprons le corps du caractre sans pointsdiacritiques (Fig. 1). La reconnaissance de cecaractreparrapportdesmodlesdunebasedecaractres est base sur le calcul dunindice dedissimilarit. Cet indice nest pas calculdirectement sur le contour du caractre tudi, maisplutt sur la reprsentation polygonale de soncontour. La dernire tape de cette mthode chercheles points diacritiques dans le caractre reconnatre, et selon le nombre et lemplacement decespointsonpeut diffrencierentrelescaractresqui partagent la mme forme.Leschmasynoptiquedelamthodeproposese prsente dans (Fig. 2)Figure 1. Exemple : corps & points diacritiques du caractre teh A. Construction de la base de caractresLa base de caractres, que nous avons construite,comprend les diffrents caractres arabes sans pointsdiacritiques. Chaquecaractreest sauvegardsousforme dune image au format JPEG (Fig. 3).B. Approximation polygonale du contour ducaractre et sa normalisationLa reconnaissance des caractres estprcde par une opration de dtection descontours, suivie dune opration de squelettisation.Il y a beaucoup de mthodes diffrentesproposes pour rsoudre le problme de dtection decontour [11] [12] [13]. Dans ce travail, nous avonsutilis la mthode de Canny [3] [14] pour ladtection des contours et lamincissementhomotopique jusqu lidempotence [4] pour lasquelettisation.Lobjectif dune mthode dapproximationpolygonale dun contour est dextraire dune chanedepoints decontour, des segments successifs defaonminimiseruncritrederreurglobaleourespecter localement une erreur dapproximation. Acet effet, de nombreuses mthodes ont tdveloppes [5], [6], [7].Malgr le nombre important de mthodesdapproximation, il subsiste des problmes majeursde robustesse, de stabilit aux transformationsgomtriques et de complexit. Dans ce travail, nousavons utilis lalgorithme de la corde. Cettealgorithme est propos par V. Ramer [15], et reprispar Douglaset Peucker[16]. Cechoixest motivpar lasimplicitdemiseen uvreet par leboncomportement par rapport aux bruits.Lalgorithme de la corde est donn comme suit :1. Trouverle point de dpart P0 quest le pointdu contour le plus loign du barycentre.2. P1= P0et P2=P0 .3. Chercher le point P3 le plus loign de P2 etappartenant au contour.4. Pa = P2 ; Pb = P35. Si P1 = P3arrt, sinon P1 = P2; P2= P3et retouren 3Pour chaque segment [Pi Pi+1] et chaque partiede la courbe de mmes extrmits Piet Pi+1, oncherchelepoint Pmaxtellequeladistance(d) dupoint Pmax au segment [Pi Pi+1] soit maximale. Lepoint Pmaxest utilis pour construire le nouveaupolygone qui aura un sommet de plus que l'ancien.Le processus est rpt entre Pi Pmax et Pmax Pi+1Ilham Chaker Nouvelle approche pour la reconnaissance des caractres arabesRevue Mditerranenne des Tlcommunications vol. 1, n2, juillet 2011Mediterranean Telecommunication Journal88Figure 2. schma synoptique de la mthode de reconnaissance de caractres proposeFigure 3. Reprsentation des caractres sans points diacritiques dans la base de caractresjusqu ce que dsoit infrieure une valeur detolrance de lapproximation (Fig. 4).Pour rendre cette mthode de reconnaissance descaractres invariante par rapport la translation etle paramtre dchelle du caractre, unenormalisationdesonpolygone savrencessaire[8].Figure 4. Illustration de lalgorithme de polygonisation.Caractres Formedans labase Nom Dal Ha Ain Fa_Qaf Ba_Ta_Tha Sad Tah noon ra Sin yaIlham Chaker Nouvelle approche pour la reconnaissance des caractres arabesRevue Mditerranenne des Tlcommunications vol. 1, n2, juillet 2011Mediterranean Telecommunication Journal89Cettenormalisationest obtenueenutilisant lebarycentre du caractre quon peut calculer commesuit :)1,1( ) , ( =i ic cyiNxiNy x=Pc=barycentre (1)A cet effet, on cherche un facteur denormalisation q, qui est la distance maximale entrele barycentre et le contour du caractre.Ainsi on peut normaliser chaque vertex dupolygonePi(xi,yi), comme suit :x'i =(xi xc)/q. (2)y'i=(yi yc)/q (3)C. Attributs du polygone caractrisant le contourdu caractreLa reconnaissance du caractre ncessite lacaractrisation de son polygone reprsentatif par unensembledattributs invariants latranslation, larotation et le paramtre dchelle. Les attributssuivants, utiliss dans ce travail sont ceux propospar Huang et Wang [8].La distance polaire ri qui est la distance entre unpoint du vertex Pi et le barycentre PcLanglepolaireui despointsPiparrapport aubarycentre PcLanglevertexia qui est langleformpar 2segments [Pi-1, Pi] et [Pi, Pi+1]Lalongueurdescordesil galeladistanceentre 2 points [Pi, Pi+1]Ces quatre attributs sont illustrs dans la figure(Fig. 5).Dans [8] les auteurs proposent uneoptimisation afin dviter de comparer les polygonesdes objets tous ceux de la base de donnes modles . En effet, deux polygones dont lalongueur de contour est trop diffrente lun parrapport lautre, sont des polygones dobjetsdiffrents. Nous nutiliserons pas cette optimisation,Figure 5. les attributs du polygonebien que trs simple. Il peut toutefois tre utile si lenombre de modles est lev.D. Mesure de dissimilaritLindice de dissimilarit donne une ide sur laressemblance entre un caractre donn et uncaractre modle. Il est bas sur la comparaison despolygones normaliss, caractriss par leursattributs. Soit t le polygone du caractre reconnatre avec Mpoints de vertex, et s lepolygone normalisdumodle avecNpoints devertex.Avant de calculer lindice de dissimilarit entredeux polygones, il est ncessaire davoir desinformations sur la rotation des polygones comparscela permettra par la suite de reconnatre le caractrequelque soit sa direction.Lalgorithme appliqu, pour rcuprer desinformations sur la rotation du polygone, est lesuivant [8]:1. Trouver le point de dpart dans chaquepolygone(Lepoint ducontour leplusloigndubarycentre);2. Supposant quePt1 est lepoint dedpart dupolygone test et Ps1est le point dedpart dupolygone modle3. Calculer langle de rotation : Au =us-ut .Nous faisons tourner le polygone du caractre deAu de manire ce que langle de vertex de point dedpart du polygone t correspond celui du polygones.Une fois la rotation est effectue on calculelindice de dissimilarit comme suit :s) (t, D t) (s, D t) (s, Dm m+ =(4)| | ( )si tsiMip E p dM,1= t) (s, D12m =(5)| | ( )ti stiNip E p dN,1= s) (t, D12m =(6)O Et[p]ou Es[p] sont les points estims de psur le polygone t ou s respectivementEt d(p, q)ladistanceeuclidienneentrepet qc'est--dire entre le point et son point estim sur unpolygone. LecalculedeEt[p]et Es[p] est dtailldans [8].Nous calculons alors autant de dissimilaritsquil y a de point Mdans le polygone test reconnatre, puis nous rcuprons la dissimilarit laplus faible. Ceci est ralis pour chaque modle. Lemodle auquel correspondra la dissimilarit la plusfaible peut alors tre considrer comme le modle leplus proche du caractre reconnatre.Ilham Chaker Nouvelle approche pour la reconnaissance des caractres arabesRevue Mditerranenne des Tlcommunications vol. 1, n2, juillet 2011Mediterranean Telecommunication Journal90E. Amlioration du rsultat de reconnaissance partir des points diacritiquesPour amliorer le rsultat de lareconnaissance, la mthode consiste trouver lenombre et lemplacement des points diacritiquesdanslimageducaractrereconnatre. Si aucunpoint nest dtect, on retient le rsultat de lamthode de reconnaissance applique sur le corps decaractre. Sinon la mthode consiste reconnatre lecaractre en prenant en considration les pointsdiacritiques.Pour extraire les points diacritiques ducaractre nous appliquons une procdure de suivi decontour. Cette procdure consiste parcourir lecontour d'un objet et revenir au point de dpart, pourdlimiter une composante (corps de caractre oupoints diacritiques), l'exclusion cependant descontours intrieurs correspondant aux ventuelstrous. Lalgorithme se prsente comme suit (Fig.6):1) Parcours limage contour du caractre degauche droite et du haut en bas.2) trouver le 1erpixel (P1) appartenant aucontour. Enregistrer ce pixel dans une liste L.3) Trouver le pixel suivant : Ps.4)Si Ps estdiffrent de P1alorsenregistrerPsdans L et revenir ltape 3.5) Sinon enregistrer L dans une liste descomposantes (Comp).6) Enlever lespixelsdelalisteLpartir delimage initiale et revenir 1Lalgorithme sarrte lorsquil ny a plus decomposantes dans limage initiale.Ala fin de cet algorithme on obtient lesdiffrentes composantes (points diacritiques + corpsde caractres) constituant limage initiale. Cescomposantes sont enregistres dans la liste Comp .Figure 6. Les composantes du caractre sheen Soit nbr_comp est le nombre de composantesdans la liste Comp .- Si nbr_comp =1alors points_diacritiques = 0- Si nbr_comp =2 alors points_diacritiques = 1.Dans ce cas il reste de savoir est ce que le point esten dessous ou au dessus du caractre ?Soit taille1 est lataille(enpixel)dela1recomposante de la liste et taille2 est la taille de ladeuxime composante.Si taille2 > taille1 alors le point est au dessus ducaractreSinon le point est en dessous du caractreSi nbr_comp =3alors points_diacritiques = 2.Soit taille1 est la taille de la 1recomposantede la liste et taille3 est la taille de la 3mecomposante.Si taille3 > taille1 alors les points sont au dessusdu caractreSinon les points sont en dessous du caractreSi nbr_comp =4 alors points_diacritiques=3.Dans ce cas les points diacritiques sontobligatoirement en dessus du caractreIII. RSULTATS EXPRIMENTAUX:Pour tester laperformancedelamthodepropose, nous avons construit une base de donnescontenant des caractres arabes crits avecdiffrentes fontes.Les diffrents caractres ont t considrsdans 10 fontes parmi les plus communmentutilises dans les applications tournant sousWindows. Il sagit des fontes : Tholoth, Diwani,Naskhi ,Andalous, Kuffi, Arial, Tahoma, Courier,Caractre Taux de reconnaissanceen %100 100 73 79 100 100 100 100 100 100 100 100 80 100Caractre Taux de reconnaissanceen %100 100 100 100 100 100 80 100 100 100 100 100 100 100Tableau 1 : rsultats de la mthode de reconnaissance des caractres proposeIlham Chaker Nouvelle approche pour la reconnaissance des caractres arabesRevue Mditerranenne des Tlcommunications vol. 1, n2, juillet 2011Mediterranean Telecommunication Journal91ArabicTypesetting. Et lafonteAl_Mabsout[9]que nous avons dvelopp au sein de notrelaboratoire.Les fontes Arabic Typesetting et Arialprsentent une trs forte ressemblancemorphologique ; Ce choix nous a permis dvaluerlesperformancesdenotremthodedanslecasdefontes similaires.Les rsultats obtenus sont prsents dans letableau (Tab. 1)Ces rsultats montrent que le taux dereconnaissance baisse pour les caractres: . Cela est dessentiellement au problme defusiondespointsdiacritiquesdanscertainesfontestudies qui sont : Tholoth, Diwani et Courier.IV. CONCLUSIONDans cet article une nouvelle mthode pourla reconnaissance des caractres arabes imprims estpropose. Cette mthode est base sur un indice dedissimilarit calcul sur l'approximation polygonaledu caractre. Cet indice utilise les attributspolygonauxducaractre, qui sont insensibleslarotation, la translation et le paramtre d'chelle.Lesperformancesdelamthodeproposese mesurent par:La rapidit de reconnaissanceLe bon comportement par rapport au bruitUn taux de reconnaissance de caractresencourageant. Bienentendu, celasupposeunesegmentation russie des caractres et unersolution suffisante pour protger les frontiresdu caractre trait.Pour donner une valeur ajoute cettemthode dereconnaissancedescaractresarabes,elle pourra tre intgre l'un des algorithmesexistants de segmentation de lcriture arabe encaractres. Ainsi, la perspective de ce travailconsisteatteindrelaphasedesegmentationpourcomplter ce systme OCR.Rferences[1] Plamondon R., Srihari S. N., OnLine and Off-LineHandwriting Recognition: A Comprehensive Survey,IEEE Transactions on PAMI, Vol 22, N 1, January, 2000,pp: 63-84.[2] Koerich A. L., Sabourin R., Suen C. Y., Recognition andVerificationof UnconstrainedHandwrittenWords, IEEETransactions on PAMI, Vol 27, N 10, October, 2005, pp:1509-1522.[3] DericheR, (1991), Fast algorithmforlow-levelvision.IEEE Transaction on PAMI, Vol. 12, N' 1, p . 78-87.[4] Tsao Y. , Fu K. (1981), Parallel Thinning Algorithm for 3-D Pictures, Computer Graphics and Image Processing, 17,315-331,.[5] Davis,T. (1999), Fast Decomposition of Digital Curves intoPolygons Using the Haar Transform, IEEE Transactions onPAMI, vol. 21, no 8,, pp. 786.790[6] RosinP. L. (1997), Techniquesfor AssessingPolygonalApproximationsofCurves, IEEETransactionsonPAMI,vol. 19, no 6 , pp. 659.666.[