Il y a une recherche intensive continue sur les techniques de compression d'image dans les réseaux de capteurs sans fil (WSN) dans la littérature. Certaines des techniques de compression d'image dans les WSN qui existent dans la littérature comprennent la transformée en cosinus discrète (DCT), les transformées de forme d'onde discrète (DWT), le partitionnement d'ensemble dans un arbre hiérarchique (SPIHT) et le codage d'ondelettes d'arbre zéro intégré (EZW). La recherche sur la compression d'image dans les WSN est nécessaire pour améliorer l'efficacité énergétique des nœuds de capteurs et des WSN. durées de vie sans compromettre la qualité des données reconstruites.Plusieurs approches ont été développées autour de la compression d'image et d'autres facteurs pour tenter de limiter la consommation d'énergie des nœuds de capteurs.La plupart de ces approches ne fournissent pas le mécanisme lié aux erreurs qui équilibre le taux de compression et de distorsion de l'image reconstruite.Par conséquent, dans cet article, une revue et une analyse des techniques et des approches de compression d'image dans les WSN sont menées.Les approches de compression d'image disponibles dans les WSN dans la littérature ont ensuite été classées selon la technique de compression d'image adoptée, et leurs forces et faiblesses ont été mises en évidence.En outre, un algorithme de compression de données équilibré taux-distorsion avec un mécanisme lié à l'erreur basé sur des réseaux neuronaux artificiels (ANN) sous la forme d'un auto-encodeur (AE) a été codé et simulé dans Matlab avant d'être évalué et comparé aux approches conventionnelles. Les résultats expérimentaux montrent que l'algorithme simulé a moins d'erreur quadratique moyenne (RMSE) et un coefficient de détermination (2) plus élevé sur les taux de compression variables par rapport à l'analyse en composantes principales (PCA), la transformée en cosinus discrète et la transformée de Fourier rapide (FFT) lors de l'utilisation de l'ensemble de données métrologiques de Grand-Sternard. De plus, il a présenté moins de RMSE et des valeurs de taux de compression plus élevées par rapport à l'algorithme de compression temporelle légère (LTC) sur les limites d'erreur variables lors de l'utilisation de l'ensemble de données métrologiques de LUCE. Par conséquent, il a été constaté que l'algorithme simulé présente une meilleure fidélité de compression par rapport aux approches conventionnelles sans mécanisme lié à l'erreur. De plus, l'algorithme analysé présente une approche significative pour équilibrer le taux de compression et reconstruire la qualité des données grâce à son mécanisme lié à l'erreur.

Existe una investigación intensiva continua sobre técnicas de compresión de imágenes en redes de sensores inalámbricos (WSN) en la literatura. Algunas de las técnicas de compresión de imágenes en WSN que existen en la literatura incluyen la transformada de coseno discreta (DCT), las transformadas de forma de onda discreta (DWT), la partición de conjuntos en un árbol jerárquico (SPIHT) y la codificación de ondículas de árbol cero incrustadas (EZW). La investigación sobre la compresión de imágenes en WSN es necesaria por la necesidad de mejorar la eficiencia energética de los nodos de sensores y las WSN vidas sin comprometer la calidad de los datos reconstruidos. Se han desarrollado varios enfoques centrados en la compresión de imágenes y otros factores para tratar de limitar el consumo de energía de los nodos sensores. La mayoría de estos enfoques no proporcionan el mecanismo de error que equilibra la tasa de compresión y distorsión de la imagen reconstruida. Por lo tanto, en este documento, se realiza una revisión y análisis de las técnicas y enfoques de compresión de imágenes en las WSN. Los enfoques de compresión de imágenes disponibles en las WSN en la literatura se clasificaron de acuerdo con la técnica de compresión de imágenes adoptada, y se destacaron sus fortalezas y debilidades. Además, un algoritmo de compresión de datos equilibrado entre velocidad y distorsión con un mecanismo de límite de error basado en redes neuronales artificiales (ANN) en forma de un autoencodificador (AE) fue codificado y simulado en MATLAB antes de ser evaluado y comparado con los enfoques convencionales. Los resultados experimentales muestran que el algoritmo simulado tiene menos error cuadrático medio (RMSE) y un mayor coeficiente de determinación (2) en valores de relaciones de compresión variables en comparación con el Análisis de Componentes Principales (PCA), la Transformada Discreta del Coseno y la Transformada Rápida de Fourier (FFT) al usar el conjunto de datos metrológicos de Grand-St-Bernard. Además, presentó menos RMSE y mayores valores de relación de compresión en comparación con el algoritmo de Compresión Temporal Ligera (LTC) en límites de error variables al usar el conjunto de datos metrológicos de LUCE. Por lo tanto, se encontró que el algoritmo simulado presenta una mejor fidelidad de compresión en comparación con los enfoques convencionales sin un mecanismo de límite de error. Además, el algoritmo analizado presenta un enfoque significativo para equilibrar la relación de compresión y la calidad de los datos reconstruidos a través de su mecanismo de límite de error.

There is continuous intensive research on image compression techniques in wireless sensor networks (WSNs) in the literature.Some of the image compression techniques in WSNs that exist in the literature include discrete cosine transform (DCT), discrete waveform transforms (DWT), set partitioning in a hierarchical tree (SPIHT), and embedded zero tree wavelet (EZW) coding.Research on image compression in WSNs is necessitated by the need to improve the energy efficiency of sensor nodes and WSNs' lifetimes without compromising the quality of the reconstructed data.Several approaches have been developed centered around image compression and other factors in trying to limit the energy consumption of sensor nodes.Most of these approaches do not provide the error-bound mechanism that balances the rate of compression and distortion of the reconstructed image.Therefore, in this paper, a review and analysis of image compression techniques and approaches in WSNs are conducted.Available image compression approaches in WSNs in literature were then classified according to the image compression technique adopted, and their strengths and weaknesses were highlighted.In addition, a rate-distortion balanced data compression algorithm with error bound mechanism based on artificial neural networks (ANN) in the form of an autoencoder (AE) was coded and simulated in MATLAB before being evaluated and compared to the conventional approaches.The experimental results show that the simulated algorithm has less root mean square error (RMSE) and a higher coefficient of determination ( 2 ) values on variable compression ratios as compared to the Principal Component Analysis (PCA), Discrete Cosine Transform, and Fast Fourier Transform (FFT) when using the Grand-St-Bernard metrological dataset.Furthermore, it presented less RMSE, and higher compression ratio values compared to the Lightweight Temporal Compression (LTC) algorithm on variable error bounds when using the LUCE metrological dataset.Therefore, it was found that the simulated algorithm presents better compression fidelity as compared to the conventional approaches without an error-bound mechanism.Moreover, the algorithm analyzed presents a significant approach to balancing the compression ratio and reconstructed data quality through its error-bound mechanism.

هناك بحث مكثف مستمر حول تقنيات ضغط الصور في شبكات المستشعرات اللاسلكية (WSNs) في الأدبيات. تتضمن بعض تقنيات ضغط الصور في WSNs الموجودة في الأدبيات تحويل جيب التمام المنفصل (DCT)، وتحويلات الشكل الموجي المنفصل (DWT)، وتعيين التقسيم في شجرة هرمية (SPIHT)، وترميز مويجة شجرة صفرية مضمنة (EZW). البحث عن ضغط الصور في WSNs ضروري بسبب الحاجة إلى تحسين كفاءة الطاقة لعقد المستشعرات و WSNs الأعمار دون المساس بجودة البيانات المعاد بناؤها. تم تطوير العديد من الأساليب التي تتمحور حول ضغط الصور وعوامل أخرى في محاولة الحد من استهلاك الطاقة لعقد المستشعرات. لا توفر معظم هذه الأساليب الآلية المقيدة بالخطأ التي توازن بين معدل الضغط وتشويه الصورة المعاد بناؤها. لذلك، في هذه الورقة، يتم إجراء مراجعة وتحليل لتقنيات ونهج ضغط الصور في WSNs. ثم تم تصنيف مناهج ضغط الصور المتاحة في WSNs في الأدبيات وفقًا لتقنية ضغط الصور المعتمدة، وتم تسليط الضوء على نقاط قوتها وضعفها. بالإضافة إلى ذلك، تم إجراء خوارزمية ضغط بيانات متوازنة لتشويه المعدل مع آلية مرتبطة بالخطأ تعتمد على الشبكات العصبية الاصطناعية (ANN) في شكل جهاز ترميز تلقائي (AE) تم ترميزه ومحاكاته في MATLAB قبل تقييمه ومقارنته بالنهج التقليدية. تظهر النتائج التجريبية أن الخوارزمية المحاكاة تحتوي على خطأ مربع متوسط جذر أقل (RMSE) وقيم معامل تحديد أعلى ( 2 ) على نسب ضغط متغيرة مقارنةً بتحليل المكون الرئيسي (PCA)، وتحويل جيب التمام المنفصل، وتحويل فورييه السريع (FFT) عند استخدام مجموعة البيانات المترولوجية Grand - St - Bernard. علاوة على ذلك، فقد قدمت قيم RMSE أقل، وقيم نسبة ضغط أعلى مقارنةً بخوارزمية الضغط الزمني الخفيف الوزن (LTC) على حدود الخطأ المتغير عند استخدام مجموعة بيانات LUCE المترولوجية. لذلك، وجد أن الخوارزمية المحاكاة تقدم دقة ضغط أفضل مقارنةً بالمجموعة التقليدية دون آلية خطأ ملزمة، أكثر. تقدم الخوارزمية التي تم تحليلها نهجًا كبيرًا لموازنة نسبة الخطأ المتغير الجودة والخطأصلة من خلال آليتها.