Algorithmes pour le traitement dimages - 2
Un seul et même algorithme permet d'appliquer différents filtres à une image. Le passage d'un filtre à un autre se fait en ne modifiant qu'une seule ligne de
Embarquabilité des algorithmes de traitement dimages
d'un algorithme de traitement d'images appliqué à la problématique du véhicule auto- nome. Il s'agit d'un algorithme d'odométrie visuelle pouvant
Traitement dImages
Vision et Images. Introduction. Contours. Régions. Pré-traitements. Les algorithmes de traitements incluent les problématiques de : •Codage et transmission.
Algorithmes pour le traitement dimages - 1
Des langages de programmation tels que Python avec notamment la bibliothèque PIL
Présentation / Algorithmes pour le traitement dimages - 1
Des langages de programmation tels que Python avec notamment la bibliothèque PIL
Développement dalgorithmes de traitement dimage pour la
16 mai 2020 Cette application de perception active consiste à détecter et localiser avec précision les plants de betterave et leurs feuilles associées
Informatique Graphique II 2- Traitement dimages
Les algorithmes de rastérisation pemettent de calculer des valeurs échantillonnées qui approchent l'image "réelle". Dans le cours précédent on a vu l'
Générateur d architecture pour plate-forme reconfigurable dédié au
Traitement d 'image et architectures parallèles. Toute manipulation d 'image détacher la description de l 'algorithme du modèle d 'entrée/sortie.
Image Signal
https://www.math.univ-toulouse.fr/~fmalgouy/enseignement/downloadSignal_Image_Simulation/poly_image.pdf
Algorithmes rapides pour le traitement dimages et lassimilation de
26 nov. 2008 Traitement d'images par analyse asymptotique topologique. Applications `a la restauration la classification
Algorithmes pour le traitement dimages - 2
Un seul et même algorithme permet d'appliquer différents filtres à une image. Le passage d'un filtre à un autre se fait en ne modifiant qu'une seule ligne de
Traitement dImages
Vision et Images. Introduction. Contours. Régions. Pré-traitements. Les algorithmes de traitements incluent les problématiques de : •Codage et transmission.
Quelques méthodes mathématiques pour le traitement dimage
4 janv. 2009 1.2.1 Quelques aspects du Traitement d'Image ... L'algorithme de Brenner est souvent utilisé car il présente généralement une bonne sen-.
Contribution à lévaluation dalgorithmes de traitement dimages
6 déc. 2007 Evaluation de la qualité d'un algorithme de traitement d'images de. Détection et reconnaissance d'objets dans une image recherche.
Algorithmes pour le traitement dimages - 1
Des langages de programmation tels que Python avec notamment la bibliothèque PIL
g{¢Åx
L'objectif de notre travail est d'implémenter les différents algorithmes de traitement d'image en utilisant la bibliothèque OpenCV.
Traitement dimages – Processing Python
Cela s'appelle : un algorithme. 1. Créer une fenêtre de 400x300 pixels. 2. Charger les pixels dans une liste. 3. En parcourant tous les pixels de
Prédiction de performance dalgorithmes de traitement dimages sur
8 sept. 2015 algorithme de traitement d'images en ces briques élémentaires a été conçu. Une méthode est proposée pour modéliser ces briques en fonction ...
Quelques méthodes de filtrage en Traitement dImage
29 août 2010 Mots clefs. — Traitement d'image filtrage
DidierAuroux
Laboratoire MIP - Institut de Math´ematiques de ToulouseUniversit´e Paul Sabatier Toulouse 3
auroux@math.univ-toulouse.frAlgorithmes rapides pour le traitement d"images
et l"assimilation de donn´ees Soutenance d"habilitation `a diriger des recherches, Institut de Math´ematiques, Toulouse26 Novembre 2008Th`emes de recherche
1.Traitement d"images par analyse asymptotique topologique.
Applications `a la restauration, la classification, la segmentation, et l"inpainting.2.Assimilation de donn´ees : le nudging direct et r´etrograde.
´Etude th´eorique de convergence, applications num´eriques `a plusieurs mod`eles (Lorenz, Burgers 1D, Saint Venant 2D, quasi-g´eostrophique barocline 3D).3.Assimilation de donn´ees images.Extraction et identification de champs de vitesses `a partirde s´equences
d"images.D. Auroux, HDR, 26/11/20081/48
Plan de l"expos´e
1. Introduction
2. Traitement d"images par analyse asymptotique topologique
(a) Analyse asymptotique topologique (b) Application `a l"inpainting (c) Autres applications (d) Complexit´e des algorithmes3. Nudging direct et r´etrograde pour l"assimilation de donn´ees
(a) Pr´esentation de l"algorithme (b) Choix des param`etres (c) Quelques r´esultats de convergence (d) Application `a un mod`ele shallow-water4. Conclusions g´en´erales
D. Auroux, HDR, 26/11/20082/48
INTRODUCTIONG´EN´ERALE
ETMOTIVATIONS
D. Auroux, HDR, 26/11/20083/48
Motivations
Contraintes :
Besoin de m´ethodes
op´erationnellesen assimilation de donn´ees (ex : pr´evisions m´et´eorologiques toutes les 6 heures), et de traitement des images en temps r´eel(ex : aide au diagnostic m´edical, t´el´evision par internet).Facilit´e d"
utilisationet demise en oeuvredes m´ethodes d´evelopp´ees (peu de param`etres `a r´egler, peu de d´eveloppement informatique n´ecessaire). Taillegrandissante des donn´ees (satellites d"observation de laTerre, photos et films de r´esolution toujours plus grande). ?recherche et d´eveloppement de m´ethodes simples,efficacesetrapides. ?algorithmes en rupture avec l"´etat de l"art. D. Auroux, HDR, 26/11/2008 1. Introduction g´en´erale & motivations 4/48TRAITEMENT D"IMAGES
PARANALYSEASYMPTOTIQUE
TOPOLOGIQUE
D. Auroux, HDR, 26/11/20085/48
Introduction
Pr´erequis pour le traitement d"images :identification de formes (contours, objets caract´eristiques, ...).Difficult´e :
non diff´erentiabilit´edu probl`eme (identification d"un domaine optimal, ou de sa fonction caract´eristique).Approches classiques :m´ethodes de
relaxation, approche parlevel-sets. Optimisation topologique :permet de faire varier la fonction caract´eristique de 0 `a 1 dans une zone infinit´esimale. ?Diff´erentiabilit´e, d´erivation d"un gradient topologique. ?Approche rapideetefficaceen ´electromagn´etisme, m´ecanique des structures, conception de formes, ... ?M´ethode a priori bien adapt´ee au traitement d"images. D. Auroux, HDR, 26/11/2008 2. Traitement d"images par analyse asymptotique topologique 6/48Analyse asymptotique topologique
´Etude de la variation d"une fonction coˆut par rapport `a unepetite perturbation du domaine. Notations :Soit Ω un ouvert deRn, on consid`ere uneEDPsur Ω :
trouveru? Vtel quea(u,w) =l(w),?w? V.On consid`ere une
fonction coˆutJ(Ω,u) mesurant un crit`ere sur la solutionu.Perturbation :Insertion d"une
fissurede petite tailleσρ=x0+ρσ(n)? domaine perturb´eΩρ= Ω\σρ. EDP perturb´ee : trouveruρ? Vρtel queaρ(uρ,w) =lρ(w),?w? Vρ. La fonction coˆut peut ˆetre r´e´ecrite comme une fonction deρuniquement : j:ρ?→Ωρ?→uρsolution de l"EDP perturb´ee?→j(ρ) :=J(Ωρ,uρ). D. Auroux, HDR, 26/11/2008 2. Traitement d"images par analyse asymptotique topologique 7/48Analyse asymptotique topologique
D´eveloppement asymptotique :donn´e par la th´eorie de l"analyse asymp- totique topologique lorsqueρtend vers 0 : j(ρ)-j(0) =f(ρ)G(x0) +o(f(ρ)), o`uf(ρ)>0, limρ→0f(ρ) = 0, etG(x0) est appel´e le gradient topologiqueau pointx0d"insertion de la perturbation [Masmoudi, 2001].La minimisation du crit`erejconsiste alors `a
perturber le domaineaux endroits o`u le gradient topologiqueGest le plus n´egatif. D. Auroux, HDR, 26/11/2008 2. Traitement d"images par analyse asymptotique topologique 8/48Application `a l"inpainting
100200300400500
50100
150
200
250
300
350
But :reconstituer les par-
ties cach´ees d"une image, retirer un masque, une tache, ...Approches classiques :m´ethodes d"
apprentissage[Wen et al., 2006], mini- misation de la variation totale[Chan-Shen, 2000-2005],analyse morphologique [Elad et al., 2005-2006], ... D. Auroux, HDR, 26/11/2008 2. Traitement d"images par analyse asymptotique topologique 9/48Application `a l"inpainting
Approches classiques :temps de calcul ´elev´e (m´ethodes it´eratives), nom- breux param`etres `a r´egler, ... ?d´eveloppement d"une m´ethode efficace,rapide, etfacile `a utiliser. Identification des contours cach´es :technique de d´etection des fissures, bas´ee sur la diffusion thermique[Perona-Malik, 1990; Morel et al., 1992;Weickert, 1994-2001; ...].
Id´ee-cl´e :la
conductivit´e thermique ne prend que deux valeurs: 0 (sur les fissures) ou 1 (en dehors des fissures).Utilisation de
deux mesures?probl`emes deDirichletet deNeumann[DA-Masmoudi, 2006-2008].
D. Auroux, HDR, 26/11/2008 2. Traitement d"images par analyse asymptotique topologique 10/48Application `a l"inpainting
Localisation des fissures :Ω repr´esente l"image, Γ sa fronti`ere, et on note ω?Ω la partie cach´ee (inconnue) de l"image, etγsa fronti`ere. Soitvl"image d´egrad´ee, que l"on souhaite reconstituer. Pour une fissureσdonn´ee dansω,uD(σ) etuN(σ)?H1(Ω\σ) sont solutions des probl`emes deDirichletetNeumann:
?ΔuD= 0dans ω\σ, uD=vsur γ, nuD= 0sur σ, u ΔuN= 0dans ω\σ,∂nuN=∂nvsur γ, nuN= 0sur σ, uN=v dansΩ\ω.
D. Auroux, HDR, 26/11/2008 2. Traitement d"images par analyse asymptotique topologique 11/48Application `a l"inpainting
But :identifier les fissuresafin de faire co¨ıncider les deux solutions :J(σ) =12?uD-uN?2L2(Ω).
D´eveloppement asymptotique :
Siσ=x+ρ
σ, etj(ρ) :=J(σ), alors
j(ρ)-j(0) =f(ρ)g(x,n) +o(f(ρ)), o`u le gradient topologiquegest donn´e par g(x,n) =-[(?uD(x).n)(?pD(x).n) + (?uN(x).n)(?pN(x).n)]. p NetpDsont les deux ´etats adjoints correspondant aux deux solutions directes uNetuD.
[Amstutz, 2001; DA-Masmoudi, 2006] D. Auroux, HDR, 26/11/2008 2. Traitement d"images par analyse asymptotique topologique 12/48Application `a l"inpainting
R´e´ecriture du gradient topologique :
g(x,n) =-[(?uD(x).n)(?pD(x).n) + (?uN(x).n)(?pN(x).n)] =nTM(x)n, o`uM(x) est une matrice sym´etrique2×2(ou 3×3 dans le cas d"images
tri-dimensionnelles, ou films) d´efinie parM(x) =-sym(?uD(x)? ?pD(x) +?uN(x)? ?pN(x)).
On en d´eduit que la
valeur minimaledeg(x,n) est atteinte lorsquenest le vecteur propre associ´e `a la valeur propreλmin(M(x)) la plusn´egativedeM(x). D. Auroux, HDR, 26/11/2008 2. Traitement d"images par analyse asymptotique topologique 13/48Application `a l"inpainting
Algorithme :
R´esolution des
deux probl`emes directs non perturb´es(σ=∅).R´esolution des
deux probl`emes adjoints non perturb´es. Assemblage en chaque pointx?ωde la matriceM(x).D´efinition de l"
ensemble des fissures identifi´ees:σ={x?ω;λmin(M(x))< δ <0},
o`uδest un seuil n´egatif.R´esolution du
probl`eme de Neumann direct perturb´eparσ. D. Auroux, HDR, 26/11/2008 2. Traitement d"images par analyse asymptotique topologique 14/48Application `a l"inpainting
100200300400500
50100
150
200
250
300
350
50100150200250300350400450
10 20 3040
50
60
70
80
90
100
(a)(b) Fig.1 - Image originale (a); Contours cach´es identifi´es par le gradient topo- logique (b). D. Auroux, HDR, 26/11/2008 2. Traitement d"images par analyse asymptotique topologique 15/48
Application `a l"inpainting
100200300400500
50100
150
200
250
300
350
100200300400500
50100
150
200
250
300
350
(a)(b) Fig.2 - Image originale (a); image reconstruite (b). D. Auroux, HDR, 26/11/2008 2. Traitement d"images par analyse asymptotique topologique 16/48
Application `a l"inpainting
(a) (b) Fig.3 - Zoom : image originale (a); image reconstruite (b). D. Auroux, HDR, 26/11/2008 2. Traitement d"images par analyse asymptotique topologique 17/48Autres applications
Restauration d"images :[Jaafar et al., 2006; DA-Jaafar-Masmoudi, 2006]100200300400500
50100
150
200
250
300
350
100200300400500
50100
150
200
250
300
350
Image bruit´ee
(SNR=10.74); image restaur´ee (SNR=21.09). -div( c?u) +u=v dansΩ, nu= 0sur ∂Ω.Choix de la conductivit´e :
diffusion lin´eaire(cconstant),non lin´eaire(c= fonction non lin´eaire de?u), ... Dans notre approche,cne prend que deux valeurs,0 sur les contours ou 1 en dehors.
(Exemple de r´esultat sur un film) D. Auroux, HDR, 26/11/2008 2. Traitement d"images par analyse asymptotique topologique 18/48Autres applications
Segmentation d"images :
˜Pε)uε?H1(Ω\σ)
?-div? 1ε?uε?
+uε=vΩ\σ, nuε= 0σ, nuε= 0∂Ω. 0 50100
150
200
0 50 100 150 200 250 300 350 400
Approximation error
Computation time
1e-13e-21e-2
D´eveloppement en s´erie enti`ere et analycit´e : uε=∞? n=0u nεn.Approximation :
Calcul de l"
image segment´eeu0parextrapolation`a partir de solutions de (˜Pε) pour plusieursε≥εc.[DA, 2008] D. Auroux, HDR, 26/11/2008 2. Traitement d"images par analyse asymptotique topologique 19/48Complexit´e des algorithmes
Tous les algorithmes que nous avons utilis´es reposent sur des r´esolutions de l"´equation???-div( c?u) +u=v dansΩ, nu= 0sur ∂Ω, avec diff´erentes valeurs dec. Les premi`eres r´esolutions se font avec une conductivit´ecconstante.Transform´ee de cosinus discr`ete (DCT) :
m,n?1 +c(mπ)2+c(nπ)2?
um,nφm,n=? m,nvm,nφm,n, o`u les fonctionsφm,n=δm,ncos(mπx)cos(nπy) forment une base de cosinus dansR2, et o`u (vm,n) repr´esente les coefficients de la DCT de l"image originale v. D. Auroux, HDR, 26/11/2008 2. Traitement d"images par analyse asymptotique topologique 20/48Complexit´e des algorithmes
La r´esolution des probl`emes non perturb´es se fait de la fa¸con suivante :Calcul des coefficients
vm,nde laDCTde l"image originalev.Calcul des coefficients
um,n: u m,n=vm,n1 +c(mπ)2+c(nπ)2.
Assemblage de l"imageu`a partir de ses coefficientsum,npar uneDCT inverse.
La complexit´e d"une DCT est
O(n.log(n))o`unest le nombre de pixels de
l"image. D. Auroux, HDR, 26/11/2008 2. Traitement d"images par analyse asymptotique topologique 21/48Complexit´e des algorithmes
Le probl`eme perturb´e qu"il faut r´esoudre peut s"´ecriresous la formeA(c)u=b,
o`uuest l"inconnue. Ce probl`eme se r´esout tr`es rapidement dans le casc constant. L"id´ee est de pr´econditionner le cas o`ucn"est pas constant `a l"aide du cas constant. Le probl`eme perturb´e est ´equivalent au probl`eme suivant :A(c0)-1A(c)?u=?A(c0)-1b?.
Gradient conjugu´e pr´econditionn´e: pour les probl`emes perturb´es,c est proche dec0(ensemblediscretde contours)?la matrice du syst`eme `a r´esoudre est proche de l"identit´e.Complexit´e th´eorique de nos algorithmes :
O(n.log(n))op´erations, o`un
est le nombre de pixels dans l"image?traitement des images et films en temps r´eel D. Auroux, HDR, 26/11/2008 2. Traitement d"images par analyse asymptotique topologique 22/48Complexit´e des algorithmes
1 10 1001000
10000
100000
1e+061000 10000 100000 1e+06 1e+07 1e+08
Computation time
Image size
Fig.4 - Temps de calcul en fonction de la taille de l"image. D. Auroux, HDR, 26/11/2008 2. Traitement d"images par analyse asymptotique topologique 23/48Conclusions
Technique ded´etection de fissuresbas´ee sur le gradient topologique.Algorithme
facile `a utiliser: tr`es peu de r´eglages. Permet de traiter indiff´eremment les images en 2D / 3D / noir &blanc / couleur. Complexit´e th´eorique et num´erique?traitement des images/films en temps r´eelPlusieurs applications :
Impl´ementation facilegrˆace `a labase communepour tous les algorithmes. D. Auroux, HDR, 26/11/2008 2. Traitement d"images par analyse asymptotique topologique 24/48Perspectives
Utiliser des op´erateurs diff´erentiels d"ordre plus ´elev´e que le Laplacien. D´efinir plusieurs niveaux de conductivit´e pour identifierplusieurs cat´egories de contours. ´Etudier d"autres applications (compression, identification de structures, ...). D. Auroux, HDR, 26/11/2008 2. Traitement d"images par analyse asymptotique topologique 25/48NUDGINGDIRECT ETR´ETROGRADE
(BACK ANDFORTHNUDGING)POUR L"ASSIMILATION DEDONN´EES
D. Auroux, HDR, 26/11/200826/48
Motivations
´Etudes environnementales et g´eophysiques :pr´evoirl"´evolution naturelle du syst`eme estimerau mieux l"´etat pr´esent (ou lacondition initiale) de l"environnement. Fluides g´eophysiques(atmosph`ere, oc´eans, ...) : syst`emes turbulents =?forte d´ependance envers la condition initiale =?n´ecessit´e d"avoir une identification pr´ecise (plus pr´ecise que les observations). Probl`emes environnementaux(pollution souterraine, pollution de l"air, tempˆetes, cyclones, ...) : probl`emes de tr`es grande taille, g´en´eralement mal mod´elis´es et/ou observ´es.L"assimilation de donn´ees consiste `a
combiner de fa¸con optimalelesobserva- tions d"un syst`eme et la connaissance deslois physiquesqui le gouvernent. But : identifierla condition initiale, ouestimerles param`etres inconnus du mod`ele, et en d´eduire des pr´evisionsfiables de l"´evolution du syst`eme.D. Auroux, HDR, 26/11/2008 3. Nudging direct et r´etrogradepour l"assimilation de donn´ees 27/48
Motivations
tObservations
Mod`ele
combinaison mod`ele+observations identification de la condition initiale d"un syst`eme g´eophysique Fondamental pour les syst`emes chaotiques ou turbulents (atmosph`ere, oc´ean) Difficult´es :ces syst`emes sont g´en´eralement irr´eversibles.D. Auroux, HDR, 26/11/2008 3. Nudging direct et r´etrogradepour l"assimilation de donn´ees 28/48
Motivations
M´ethodes d"assimilation de donn´ees :
4D-VAR: m´ethode de contrˆole optimal, visant `a minimiser l"´ecart quadra-
tique entre le mod`ele et les observations. Inconv´enients :n´ecessite la mise en oeuvre de l"adjoint, et un minimiseur performant. [Le Dimet-Talagrand, 1986]Filtres de
Kalman: m´ethodes s´equentielles alternant des ´etapes de pr´evision et correction.quotesdbs_dbs30.pdfusesText_36[PDF] algorithmique exercices corrigés gratuit
[PDF] aliment contenant du mauvais cholesterol
[PDF] alimentation en eau potable en milieu rural
[PDF] alimentation femme enceinte 1er trimestre
[PDF] alimentation femme enceinte interdit
[PDF] alimentation grossesse application
[PDF] alimentation grossesse toxoplasmose
[PDF] aliments anti cholestérol liste
[PDF] aliments bon pour le cholesterol
[PDF] aliments cholesterol tableau
[PDF] aliments interdits aux usa
[PDF] aliments pour baisser le cholestérol
[PDF] aliments riches en mauvais cholestérol
[PDF] all english grammar rules pdf