Résumé du cours : Version2/2019

ACQUISITION ET AFFICHAGE D’IMAGES

(Chaîne d’acquisition et de formation de l’image numérique)

I. Processus de Formation d’Images Numériques

II. Structures et Formats des fichiers images numériques
III. Restitution et affichage d’images

I. Formation d’images : Système d’acquisition

Un système de formation d’images, figure 1 est composé des parties essentielles suivantes :
 Le capteur et les dispositifs associés
 Filtrages analogiques et échantillonnage
 Quantification (CAN)
 Support de stockage (mémoire) dont le temps d’accès doit être adapté à la vitesse d’acquisition

La figure 1 schématise le système de formation

Capteurs et Filtrage et Support de

Quantification et
dispositifs de échantillonnage mémorisation et
Tables de Transfert
calibration stockage

Image analogique Image Numérique

Image analogique I(x,y)
f(x,y) échantillonnée
f’(x,y) (Matrice image)

Scène O(x,y)
Structures et formats des
fichiers images
Figure 1 : parties constituants un système de formation d’images

Soit une scène O(x, y) à imager appartenant au domaine {D} borné, la première opération dans le schéma général de la formation
d’image est la conversion de la grandeur physique (température, densité, rugosité, réflectance, distance, etc) représentant l’information
contenu dans la scène, en une grandeur électrique (signal électrique). Cette opération est réalisée par un capteur d’images. En effet, la
grandeur physique est définie dans un contexte d’utilisation de l’imagerie, associée à un type de capteur sensible à une gamme de
fréquence d’ondes électromagnétiques (support d’information).
Il existe divers capteurs d’images exploitant les ondes électromagnétiques allant des rayons Gamma aux ondes radio. A titre
d’exemple : une énergie lumineuse réfléchie par un objet de la scène O(x, y) peut être convertie, en un signal électrique, par un
capteur optique (caméra) sensible aux longueurs d’ondes du visible et du proche infrarouge (0.4m à 3m), une température
(émissivité) émise par le même objet peut être aussi convertie en un signal électrique par un capteur thermique sensible aux longueurs
d’ondes (9 m à 15 m), etc. La sortie du capteur est une image analogique f(x, y) représentée par un signal bidimensionnel borné
dont x, et y sont des variables spatiales et f(x, y) est l’amplitude variable selon l’intensité de la grandeur physique.
Bien que nombreux sont les capteurs dits analogiques, il existe, actuellement, d’autres capteurs dont l’image analogique f(x, y) de
sortie est échantillonnée (discrétisée). Ces capteurs fonctionnent, généralement dans le domaine du visible et de l’infrarouge. Ils sont
constitués à partir des détecteurs CCD (Charge Coupled device). Un ensemble de CCD constitue une barrette dont le nombre défini la

1
Pr. M. BELHADJ AISSA
résolution spatiale selon une direction (variable). Une matrice CCD est réalisée par la juxtaposition d’un ensemble de barrette CCD et
elle forme une caméra ou un capteur CCD à deux dimensions. A titre d’exemple, nous trouvons cette technologie dans la plupart des
appareils de photographies numériques, les capteurs optiques aéroportés ou spatiaux, etc. Il est à noter que l’utilisation de tels capteurs
ne nécessite pas une opération d’échantillonnage (discrétisation) dans un système d’acquisition d’images.
La fonction principale de ce type de capteurs, actifs ou passifs, sensibles à une longueur d’onde  ou à un intervalle de , est de
convertir la grandeur physique en un signal électrique, proportionnel à cette grandeur. Pour augmenter leur sélectivité on leur associe
des filtres optiques ou analogiques. Dans le cas des caméras CCD, la réponse (le signal échantillonné) est proportionnelle à l’intégrale
de l’énergie lumineuse qui atteint chaque élément.
La principale caractéristique d’un capteur est sa fonction de transfert. Les paramètres de cette fonction permettent de déterminer le
pouvoir de séparabilité du capteur (séparabilité de deux points adjacents). La génération de l’image numérique à partir des signaux
électriques passe par l’étape de Conversion Numérique Analogique ou échantillonnage-quantification.

I.1. Echantillonnage
L’échantillonnage est la discrétisation ou le découpage du signal analogique en un ensemble d’échantillons {f(n.x, m.y)} prélevés
à des intervalles réguliers en x et en y (on peut parler des périodes d’échantillonnage en x (T ex)et en y (Tey) et inversement de la
fréquence).

 Modèle mathématique de l’échantillonnage idéal:

Le modèle mathématique associé à la discrétisation idéale revient à multiplier le signal bidimensionnel (image analogique) f(x, y) par
un peigne de Dirac, figure 2, dont l’expression est la suivante :

(1)

x et y sont les pas d’échantillonnage en X et en Y respectivement :

La question qui est toujours posée est comment ? choisir le

f(x,y)
pas d’échantillonnage pour conserver l’information apportée
par la variabilité du signal. Si (.) sont grands, l’image est
sous échantillonnée, et si (.) sont petits, l’image est sur
échantillonnée. Dans les deux cas de figures, la
reconstruction de l’image à partir des échantillons est
biaisée.
En effet, ce choix est théoriquement, basé sur la condition de
Shannon (voir théorie du signal), à savoir : un signal est
échantillonné sans perte si la fréquence Y
d’échantillonnage est supérieure à 2* la fréquence X
maximale du signal.

La transformé de Fourier du signal bidimensionnel échantillonné permet de le caractériser par son spectre fréquentiel. En utilisant, à
cet effet, les propriétés liant une multiplication temporelle qui devient un produit de convolution, dans l’espace fréquentiel, on peut
calculer la transformée de Fourier du signal échantillonné pour une meilleure caractérisation de l’opération d’échantillonnage et un
choix optimal des fréquences d’échantillonnage en x et en y. l’expression de cette transformée est donnée par l’équation suivante :
(2)

Où w xe et w ye sont les fréquences d’échantillonnage en 2D.

Le spectre de l’image échantillonnée est composé donc du spectre de l’image continue idéale, recopié tous les multiples de fréquences
2 et 2 . Si le spectre de l’image idéale est à bande limité tel que F(w ,w ) = 0 avec
w xe  w ye  x y |wx| > wxc , |wx| > wxc où
x y
wxc , wyc sont les fréquences de coupures, sa reconstruction est sans perte pour un choix de périodes d’échantillonnages adéquates en
respectant le critère de Shannon-Nyquist.
Pour illustrer cette opération, prenant f’(x,.) selon la direction x. la figure 3.a représente une ligne d’une image analogique, la figure
3.b est le spectre de cette ligne dans l’espace fréquentiel avec un choix de la fréquence d’échantillonnage adéquate tel que : wxe -
wxmax> wxmax ce qui implique que wye >2 wymax (condition de Shannon), la figure 3.(c) est le spectre de la ligne avec un recouvrement
de fréquences. Ce recouvrement est dû au fait que le spectre de la ligne a une largeur supérieure à 2 w xe. Ce phénomène est dit
repliement du spectre.

2
Pr. M. BELHADJ AISSA
 f(x,.) F(wx,.) F(wx,.)

wx wxe 2wxe wx
0 wxmax wxe 2 wxe 0
X
Umax wxe- wxmax wxmax
wxe - wxmax
Figure 3.a : une ligne d’image analogique Figure 3.b : Spectre sans recouvrement Figure 3.c : Spectre avec recouvrement

Pour y remédier à ce phénomène qui est toujours présent dans le cas des signaux réels (image analogique, signaux audio, etc), on
réalise des filtres analogiques anti-repliement pour éliminer les variations très brusques du signal représentant une ligne d’image dans
le cas de notre exemple.

 Modèle mathématique de l’échantillonnage réel:

L’échantillonnage réel opère sur une impulsion de période Te et durée  qui se traduit dans l’espace spatial des images par x et y.
Selon l’amplitude de l’échantillon à générer par rapport à l’amplitude du signal à échantillonner, trois types d’échantillonneurs
existent :
 Echantillonneur naturel : dans ce type, l’amplitude de l’échantillon est égale à l’amplitude du signal pendant la durée .
Cet échantillonnage n’est pas réalisable en pratique (l’amplitude de l’échantillon suit la variation du signal pendant la
durée ).
 Echantillonneur moyenneur : l’amplitude de l’échantillon, dans ce type, est égale à la moyenne du signal pendant la
durée . Ce type d’échantillonnage peut être réalisable en pratique si le pas d’échantillonnage ou  est très faible.
 Echantillonneur bloqueur : l’amplitude de l’échantillon est constante et est égale à l’amplitude du signal initial au
temps nTe (début de l’impulsion), figure 4.A. Ce dernier type est le plus utilisé en pratique, particulièrement dans les
systèmes d’acquisition d’images.
L’échantillonneur bloqueur est représenté par une suite de fonctions portes d’amplitudes égales aux échantillons du signal pendant les
durées n (figure 4.a). Son modèle mathématique est obtenu par le produit de convolution du signal par une porte de durée  . Dans le
cas des images, le signal porte peut être modélisé par un filtre interpolateur linéaire dont sa réponse pulsionnelle en continu (domaine
spatial) est ( x, y ) et (w x , wy ) dans le domaine fréquentiel.
L’expression de ce modèle est la suivante :

(3)

Le spectre de l’image échantillonnée, obtenu par la transformé de Fourier, revient à multiplier le spectre de l’image par la réponse
fréquentielle du filtre (de la porte) comme suit :

  1  
TF f ' ( x, y )  F (w x , wy )  fe (w x , wy ).(w x , wy )  (w x , wy )   fe (w x  nw xe , wy  mwye )
x.y n m (4)

Ce qui revient à multiplier le spectre F(wx, wy) par les sinus cardinaux en 2D corresponds à la réponse fréquentielle du filtre (porte)
(cas monodimensionnel figure 4.b). En effet le spectre initial est extrait par le filtre interpolateur de largeur w xe . Pour notre exemple,
la relation entre le spectre de base de la ligne échantillonnée Fe(wx,.) et le spectre de la ligne est donnée par :
w  sin(w x .x ) 
Fo (w x ,.)  xe  F (w x ,.)
   .w x .x  (5)

3
Pr. M. BELHADJ AISSA
 F(wx,.)

Sinus cardinal Exemple d’une chaîne de numérisation d’un signal temporel (1-D)
Signal continu (référence) Signal échantillonné
Pour transformer un signal
analogique E(t) en un signal
numérique on prend des
valeurs de E(t) à des
intervalle de temps régulier
( Tous les Te , période
wx d’échantillonnage).
0 wxe 2
Étape 1 On quantifie chaque
wxmax wxe échantillon par une valeur
Figure 3.b : Spectre modulé par un sinus binaire pour la stocker sur
Codage (4 niveaux  2bits) Étape 2 un support numérique
f(x,.)
Signal quantifié (4 niveaux)
Étape 3

x
x
Figure 3.a : une ligne d’image
analogique échantillonnée

Nous remarquons qu’à partir de l’expression (5) que l’échantillonnage blocage introduit une distorsion par rapport à un
échantillonnage idéal (terme multiplicatif). Cette distorsion reste très faible si la durée du blocage est très faible.
Par ailleurs, l’échantillonnage dans un système d’acquisition d’images, associé aux dispositifs de calibration et de focalisation, définit
la résolution spatiale des images. A titre illustratif nous donnons des exemples d’images, figure 4, à des résolutions différentes pour
montrer l’effet du pas d’échantillonnage sur l’acquisition des détails dans les images.

30m x 30 m= 900 m2
20m x 20 m= 400 m2

10 m x 10 m= 100 m2 =surface
=surface d’un pixel =
résolution spatiale

Figure 4 : images multirésolution

Résolution 1mx1m=1m2

I.2. Quantification
La quantification d’une valeur consiste à attribuer une valeur dénombrable de valeurs réelles, à chaque échantillon, il s’agit d’une
conversion analogique numérique. En effet, à chaque niveau de tension relatif à l’échantillon est associée une valeur binaire codée sur
n bits. Les n bits vont permettre de distinguer 2 n niveaux de tensions de l’ensemble des échantillons.
Deux questions sont souvent posées quant à la réalisation d’un CAN dans un système d’acquisition d’images :
1. Quel est le nombre de niveaux de quantification à définir pour mieux représenter chaque échantillon ?

4
Pr. M. BELHADJ AISSA
 2. Comment choisir les niveaux de quantification ?
Les réponses à ces questions sont relatives aux spécificités des capteurs et des domaines d’applications des images à acquérir.
Dans le cas où les niveaux de quantification sont équidistants et choisis à des intervalles égaux, la fonction de quantification
est uniforme (linéaire) et la caractéristique d’entrée/sortie du convertisseur analogique numérique est une fonction ‘escalier’ figure 5.
Si la plage de variation des tensions des échantillons est V max – Vmin , un pas de quantification est ainsi défini par :

(6)

q est appelé quantum, c’est la plus petite variation de tension que le convertisseur peut coder, elle correspond donc à la résolution du
convertisseur.
Dans la fonction escalier, la largeur du palier est égale au pas de quantification et la variation des niveaux correspond à la
variation de ‘1’ du code.
Quant à la quantification, dans le cas général, non uniforme, elle est définie par un ensemble de niveaux de reconstruction {rj} 
[Vmax, Vmin] relatif à l’entrée du quantifieur et un ensemble de décision de quantification {d j} correspondant à la sortie du quantifieur.
Les deux ensembles sont choisis de façon à minimiser l’erreur de quantification. Pour une quantification optimale, les rj sont choisis
au milieu entre deux niveaux de décision tel que rj = (dj+1+ dj)/2. Une représentation en 1D du processus de quantification dans ce cas
général est donnée par la figure 6.
Codage (sortie)

……

Sortie du quantifieur
do d1 d2 di-1 di di+1 dj
…10

…1 Niveaux des ro r1 ri-1 ri rj-1

échantillons (entrée) Vmin Vmin
…0 Entrée du quantifieur
q 2q 3q 4q 4q
Figure 5 : Fonction de transfert d’un quantifieur Figure 6 : représentation d’un Quantifieur non
uniforme et centré uniforme

 Erreur de quantification

L’erreur de quantification  pour une quantification uniforme varie de -q/2 à +q/2. L’évolution de cette erreur suit une dent de scie,
figure 7, qui montre que le processus de quantification introduit une erreur sur tout l’intervalle, appelée bruit de quantification.
L’erreur moyenne est nulle dans l’intervalle de variation, par contre Erreur 
la moyenne quadratique en terme de puissance est égale à :
+q/2(1/2 LSB) Niveaux des
échantillons
2q 3q 4q
On déduit qu’un système effectuant une quantification a une -q/2(-1/2
q
dynamique par rapport au bruit de cette quantification définie par : LSB) Figure 7 : Variation de l’erreur sur un
intervalle de quantification

Dans le cas d’une quantification non uniforme, l’erreur est associée à la mesure de l’erreur quadratique moyenne entre le signal
échantillonné et celui quantifié E Q( f ' (.,.)  f ' (.,.)
2

En pratique, on choisit le pas de quantification en fonction de la précision désirée lors de la conversion et le nombre de bits n en
fonction de la dynamique du signal bidimensionnel qui donnera la résolution radiométrique.

Remarque : bien que la théorie des quantifieurs a été associé aux convertisseurs analogiques numériques, les procédés de
quantification sont aussi utilisés et appliqués aux données numériques. On définit, dans ce contexte, deux types de quantifications à
savoir la quantification scalaire (appliquée sur une valeur à recodifier) et la quantification vectorielle (appliquée sur un ensemble de
valeurs à travers un dictionnaire d’indexes). Ces deux types de quantification sont très utilisés dans les schémas de compression avec
perte.

5
Pr. M. BELHADJ AISSA
Conclusion
Le processus de conversion du signal électrique en une ligne numérique est constitué d’une électronique de conversion analogique
numérique. Deux fonctions principales sont réalisées dans ce processus.
 L’échantillonnage qui donnera la résolution spatiale
 La quantification qui donnera la résolution radiométrique.
Chaque ligne au sol est représentée par un signal électrique qui traduit l’intensité lumineuse (pour un capteur optique) réfléchie par
les éléments surfaciques constituant cette ligne.
L’échantillonnage spatial du signal est fonction de la dimension du petit élément de surface qu’il est possible de détecter. Cette
opération définie la résolution spatiale, elle dépend principalement du champ de vision instantané (CVI) du capteur.
Champ de vision instantané (CVI). :
Est défini comme étant le cône du capteur et détermine l'aire de la surface "visible" à une altitude donnée. Cette aire est appelée la
superficie de résolution ou cellule de résolution et constitue une étape critique pour la détermination de la résolution spatiale
maximale du capteur. Pour pouvoir différencier un élément de la surface observée, l'élément en question doit être de dimension égale
ou supérieure à la cellule de résolution. Si l'élément est plus petit, il ne sera généralement pas différencié puisque c'est l'énergie
moyenne des éléments de la cellule de résolution qui sera captée

Cependant, dans certaines conditions, un élément plus petit peut être détecté si sa réflectivité domine celle des autres éléments
présents dans la cellule de résolution. On parle alors de détection plus fine que la résolution exemple la détection d’une route.

Résolution radiométrique
La résolution radiométrique d'un capteur satellitaire décrit sa capacité de reconnaître de petites différences dans l'énergie
électromagnétique. Plus la résolution radiométrique d'un capteur est fine, plus le capteur est sensible à de petites différences dans
l'intensité de l'énergie reçue. La gamme de longueurs d'onde à l'intérieur de laquelle un capteur est sensible est dite plage dynamique.
Les données images sont représentées par une valeur numérique variant entre [ 0 , 2 n-1 ]. Cet intervalle correspond à un nombre de
bits utilisés pour encoder les amplitudes du signal électrique échantillonné en des valeurs en format binaire. Chaque bit représente un
exposant de la base 2 (par exemple, 1 bit = 2 1 = 2). Le nombre maximum de niveaux d'intensité disponibles dépend du nombre de bits
utilisés pour représenter l'intensité enregistrée.
Par exemple, un capteur utilisant 8 bits pour enregistrer les données aura 28 = 256 niveaux d'intensité disponibles car il aura 256
valeurs numériques disponibles allant de 0 à 255. Si seulement 4 bits sont utilisés, alors seulement 2 4 = 16 valeurs allant de 0 à 15
seront disponibles. La résolution radiométrique sera donc plus faible.

Résolution spectrale
La réponse spectrale caractérise une cible ou une surface pour un ensemble de longueurs d'onde. Il est souvent possible de distinguer
des classes de caractéristiques et de détails dans une image en comparant leurs réponses différentes sur un ensemble de longueurs
d'onde. Pour certains thèmes de gamme de variation très larges, comme l'eau et la végétation et le sol nu, peuvent être séparées en
utilisant un intervalle de longueurs d'onde assez grand (le visible et l'infrarouge par exemple).

Image ( )
n

Image (2)
Image (1)

La résolution spectrale décrit la capacité d'un capteur à utiliser de petites fenêtres de longueurs d'onde différentes. Plus la résolution
spectrale est fine, plus les fenêtres des différents canaux du capteur sont étroites.

6
Pr. M. BELHADJ AISSA
1.3. Caractéristiques de la Matrice image
Après ces deux opérations d’échantillonnage (résolution
spatiale) et de quantification (résolution radiométrique) le
résultat est une matrice numérique représentant l’image I(x, y)
en question. Cette matrice est définie par un nombre de points
(pixels) par ligne et nombre de lignes par image et un niveau
de gris (de couleur). Un pixel (Picture element) est la plus
petite unité surfacique prédéfinie par la résolution spatiale et
qui est représenté par le nœud de la matrice image. Il est
repéré par ses coordonnées en horizontale et en verticale par
rapport au premier point de la matrice image (représenté par
I(i, j) sur la figure ci-contre). L'arrangement des pixels décrit
les structures spatiales d'une image tandis que les
caractéristiques radiométriques décrivent l'information
contenue dans une image.
Les principales caractéristiques d’une image numérique sont :
 Résolutions spatiales en x et y : elles sont définies par les dimensions (en km, m, cm, mm, ) du plus petit élément dans
une image numérique (détails du contenu de l’image). elles sont souvent identiques, cependant pour certains systèmes
d’acquisition ces deux résolutions sont légèrement différentes, cette différence est due à la technologie et la structure du
capteur utilisé.
 Résolution radiométrique : elle est liée au nombre de bits de codage de la grandeur physique. Elle est définie par
l’intervalle [0, 2n-1] des niveaux de gris ou de couleurs.
 Nombre de bandes : ce troisième paramètre est défini par le nombre de bandes de la même image (même domaine
d’observation). Cependant, ces bandes, liées à cette troisième dimension peuvent correspondre aux canaux acquis dans
des longueurs d’ondes du spectre du visible, de l’infra rouge et l’infra rouge thermique, des hyperfréquences, de
polarisation dans le cas des ondes cohérentes, des coupes d’images acquises par les systèmes IRM, ou encore des néo
canaux générés par des procédés de traitements d’images (analyse de données, analyse texturale, analyse
morphologique, etc)
A titre d’exemple : les capteurs multi spectraux, les capteurs multifréquences, multipolarisation, etc…

II. Structures et formats de fichiers images

II.1 Formats d’images

Les images satellitaires ou des fenêtres d’images peuvent être enregistrées sous différents formats de fichiers :
Ils existent trois types de formats :
 Format de fichier image sans entête (sans header)
 Format de fichier image avec entête (avec header)
 Format de fichier image sans entête accompagné d’un fichier information relative à l’image

a) Le header d’un fichier image contient les informations sur le nombre de lignes et de colonne de l’image, le nombre de bits de
codage, le type de compression s’il y a lieu, la palette de couleur ou de niveaux de gris nécessaire à la visualition, etc. Parmi les
formats de fichiers images les plus répandus on trouve : .BMP, .TIFF, .GIF, .HDF, . JPEG, . PICT, . SRF, etc
b) Les fichiers sans entête nécessitent la connaissance, par l’utilisateur, de toutes les informations sur l’image à lire , à visualiser ou à
traiter.
c) Le format de fichier image accompagné d’un ficher information en ASCII est généralement créé par un
logiciel spécifique ou bien les fichiers images satellitaires fournis aux utilisateurs. On peut citer les logiciels donnant de fichiers de ce
format :IDRISI, ERDAS, ER MAPPER, ENVI, etc .. De même, les formats des images fournies sont : SPOT, ESA TM,

II.2. Structures des fichiers-images :

Les images numériques multibandes sont stockées selon trois structures : la structure BSQ, BIL et BIP. L’avantage de rassembler
l’ensemble des bandes dans un seul fichier est de faciliter leur traitement et l’extraction de l’information multidimensionnelle,
cependant, l’inconvénient est la taille du fichier qui devient importante et difficile à manipuler.

7
Pr. M. BELHADJ AISSA
 Nbcol  Structure par pixels intercalés
 Structure séquentielle (BSQ) Bande
. 1 Nblig. (BIP) (Band Interleaved Pixel), pour
(Binary Stream seQuential), cette structure les images
Bande 2
pour cette structure les images multibandes sont stockées par pixels
multibandes sont stockées l’une intercalés.
après l’autre dans le fichier
Bande n 1er pixel de la B2 1er pixel de la Bn
image.
1er pixel de la B1

 Structure par lignes 1ème ligne de B1 Fichier image multibandes

1ème ligne de B2
intercalées (BIL) (Band
1ème ligne de Bn Dernier pixel de Bn
Interleaved Line), pour cette
ème
structure les images 2 ligne de B1 Dernier pixel de B1 Dernier pixel de Bn-1
2ème ligne de B2
multibandes sont stockées
par lignes intercalées. 2ème ligne de Bn

Soit une image multispectrale de M lignes, N colonnes et K bandes,

L’expression générale permettant de calculer l’adresse, dans le fichier, d’un pixel de coordonnées (x, y) appartenant à la bande j:
Dans le cas où l’image est stockée dans un fichier sans entête, en structure
a) BSQ : M * N * (j - 1) + N * (x - 1) + y
b) BIL : N * K * (x - 1) + N * (j - 1) + y
c) BIP: N * K * (x - 1) + K * (y - 1) + j

Exemple illustratif :

c : Image : Composition colorée

a : Image : niveau de gris b : Image : Fausse couleur avec modification par les LUTs
Figure 13 : Exemple d’affichage d’images

Références Bibliographiques
 Coster M Chermant J.L, 1989. Précis d’Analyse d’image, ed CNRS, Paris, 423p.
 Gonzales R.C., Woods R. E, 1992. Digital Image Processing, Addison-Wesley publishing company, 710p
 Kunt M., 1983 , Traitement numérique des images. Vol. 2, Presses polytechniques et universitaires romandes
563p.
 Pratt W., 1978. Digital Image Processing. Wiley and Sons, New York: John Wiley & Sons, 476p.
 Rosenfield A. and Kark A.C, 1982 Digital picture processing. Academic press ed New-York/London (2d edition) ,
vol.1, 435p, vol.2 349p

8
Pr. M. BELHADJ AISSA