Les avancées technologiques importantes qu’ont connu les domaines des télécommunications,
du multimédia et de l’informatique cette dernière décennie sont
probablement, dans une large mesure, responsables de l’accroissement considérable
de la masse des données 3D manipulées, visualisées et transmises sur le réseau. La
recherche d’outils efficaces pour réduire la taille de ces données, représentées le plus
souvent par des maillages polygonaux, se développe de plus en plus. L’objectif de ce
travail de thèse est de proposer une méthode performante de compression d’objets
3D, possédant des propriétés de multi-résolution et pouvant s’adapter à des liaisons
très bas débit et des terminaux mobiles de capacité variable. De nombreuses méthodes
existent pour coder un maillage polygonal, bien qu’elles soient efficaces, ce
modèle est intrinsèquement très volumineux (il faut coder tout les points du maillage,
en plus de la connectivité) pour s’adapter à des liaisons bas débit. D’autres modèles
existent pour représenter un objet 3D, notamment les surfaces de subdivision. Une
surface de subdivision est une surface lisse définie par une infinité d’opérations de
raffinement appliquées sur un polyèdre de contrôle grossier. Ces surfaces ont de nombreuses
propriétés : elles sont très compactes en termes de données (une surface lisse
est définie uniquement par un polyèdre de contrôle), elles sont intrinsèquement multirésolution,
et peuvent être de topologie arbitraire. Nous avons donc développé une
méthode de codage d’objets 3D basée sur une approximation par des surfaces de
subdivision. Notre méthode repose sur une décomposition préalable des objets 3D,
représentés par des maillages, en patchs surfaciques de courbure constante. Puis,
pour chacun des patchs, une surface de subdivision approximante est déterminée,
par approximation préalable de ses frontières puis une analyse de sa courbure. Les
polyèdres de contrôle locaux correspondant aux patchs sont alors assemblés pour
donner le polyèdre de contrôle final, dont la géométrie et la connectivité sont ensuite
encodées spécifiquement. Les résultats obtenus ont été comparés à différentes
approches de l’état de l’art, ils sont très prometteurs en termes d’approximation et
de compression.