[PDF] [PDF] TERI : Traitement et reconnaissance dimages - ENSTA Paris

[PDF] Bases du traitement des images - Introduction et fondements - LIP6

13 sept 2016 · Matthieu Cord (cours 7-8-9), Dominique Béréziat (cours 6-8) • TD/TME 2 Application de méthodes de traitement d'images : N Thome, M Cord, D Approximation discrète de la densité de probabilité ( pdf ) de la variable 

[PDF] Chapitre Généralités sur le traitement dimages Introduction

De ce fait, le traitement d'images est l'ensemble des méthodes et techniques opérant En traitement d'image, la majorité du temps, on considère qu'il Au cours de sa migration, l'agent va vieillir et peut mourir si le nombre de cycles de

[PDF] Outils fondamentaux en traitement dimages

Le traitement d'image (image processing) consiste à appliquer des transformations mathématiques Figure 1 – Système de coordonnées adopté dans le cours

[PDF] Le traitement des images tome 1

16 sept 2004 · 8 Equations aux dérivées partielles et traitement d'images 163 sur l'évolution de l'entropie au cours des opérations effectuées Reprenons 

[PDF] Traitement dImages - UFR Math-Info

Vision et Images Introduction Contours Régions Pré-traitements Pour ce cours d'introduction, nous allons illustrer les concepts et techniques du Traitement 

[PDF] TERI : Traitement et reconnaissance dimages - ENSTA Paris

L'objectif du cours « Traitement et Reconnaissance d'Images » est de proposer Cours 2 : Filtrage et détection de contours (3h) (Antoine Manzanera) internet : http://www ph tn tudelft nl/~lucas/publications/1995/FIP95TYJGLV/FIP2 2 pdf )

[PDF] Notes de cours Traitement dimages numériques - L2TI

7 nov 2018 · La convention M × N signifie dans ce cours que l'image a une hauteur de M pixels et une largeur de N pixels, mais dans beaucoup de logiciels et 

[PDF] Introduction au traitement dimages - Loria

Points abordés dans le cours ▷ les fondements du Traitement d'Images ▷ formation outils de test et de démonstration : matlab + toolbox image processing 

[PDF] Cours : Traitement dimages Cours : Traitement d images

Ce cours s'intéresse aux techniques d'amélioration des images numériques, pour augmenter la qualité de leur rendu visuel, ou pour faciliter leur analyse

[PDF] cours de traitement de salaire

[PDF] cours de windows 10 pdf

[PDF] cours de zoologie generale

[PDF] cours de zootechnie generale pdf

[PDF] cours de zootechnie pdf gratuit

[PDF] cours de zootechnie speciale pdf

[PDF] cours décolonisation terminale bac pro

[PDF] cours décoration intérieur gratuit

[PDF] cours des signaux pour observer et communiquer

[PDF] cours dessin pdf

[PDF] cours dessin scientifique

[PDF] cours dessin technique pdf gratuit

[PDF] cours déterminant mpsi

[PDF] cours determinants maths

[PDF] cours développement durable sti2d

Antoine MANZANERA Cours TERI - Master IAD UPMC Paris 6TERI : Traitement et reconnaissance d'images

Cours Master 2 IADCours Master 2 IAD

Isabelle Bloch ENST / Département Signal & ImagesFlorence Tupin ENST / D épartement Signal & ImagesAntoine Manzanera - ENSTA / Unit

é d'Électronique et d'Informatique

Antoine MANZANERA Cours TERI - Master IAD UPMC Paris 6TERI - Objectifs du cours

page 2L'objectif du cours " Traitement et Reconnaissance d'Images » est de proposer une formation de base en analyse d'images et reconnaissance des formes.

Il est a destin

é à tous les élèves suivant le Master IA et Décision ; les liens entre l'Image, la Vision et l'Intelligence Artificielle seront abord

és à plusieurs reprises.On pr

ésentera les connaissances de base sur les images discrètes (théorie de l'information), leur repr ésentation (structures discrètes), et leur exploitation (filtrage et amélioration).

L'analyse automatique des images sera d

éveloppée à travers un problème phare : celui de la segmentation d'images.

On abordera

également des notions de plus haut niveau sur la compréhension automatique du contenu des images (classification et reconnaissance des formes).

Le cours s'accompagnera d'une partie pratique : TP sur machine + TD exercices. Enfin, une ouverture sur les applications et les d

ébouchés industriels sera présentée.

Antoine MANZANERA Cours TERI - Master IAD UPMC Paris 6TERI - Planning du cours

page 3http://www.tsi.enst.fr/~bloch/P6Image/TERI.html* Cours 1 : Introduction + échantillonnage (4h) (Antoine Manzanera)

* Cours 2 : Filtrage et d

étection de contours (3h) (Antoine Manzanera)

* Cours 3 : Introduction

à la segmentation (2h) (Antoine Manzanera)

* Cours 4 : Perceptions et mod

èles (2h) (Antoine Manzanera)

* Cours 5 : Reconnaissance des formes et classification (4h) (Florence Tupin) * TP Machines : TP Introduction à l'image (4h) (Florence Tupin - Nicolas Loménie)* TD Exercices : S

éance de travaux dirigés (4h) (Séverine Dubuisson)* Cours 6 : Descripteurs d'images (2h) (A. Manzanera)

* Cours 7 : Applications du traitement d'images (2h) (F. Tupin) D étails pratiques, Organisation des examens, Supports de cours,... : Antoine MANZANERA Cours TERI - Master IAD UPMC Paris 6Introduction au TI - Plan du cours page 4I Développement du TI et domaines connexesI1 Historique du Traitement d'images (TI)

I2 TI et vision par ordinateur

I3 TI et Intelligence Artificielle

I4 TI et perception visuelle

II Introduction aux images num

ériquesII1 Modalit

ésII2 Vocabulaire

II3

Échantillonnage et quantificationIII Les mod

èles formels du TIIII1 Le mod

èle linéaire : la convolution...

III2 Le mod

èle fréquentiel : la transformée de Fourier, l'échantillonnage...III3 Le mod èle statistique : l'histogramme, la quantification, l'entropie,...

III4 Le mod

èle différentiel : gradients, isophotes, équations différentielles,...III5 Le mod èle ensembliste : morphologie mathématique,...III6 Le mod èle discret : maillage, connexité, distances,... Antoine MANZANERA Cours TERI - Master IAD UPMC Paris 6Historique du Traitement d'Images page 5Images de chambre à bullesCaract

ères typographi

ésImagerie satellite

et a

érienneImagerie médicaleT

élesurveillance et armement

IndexationRobotique

mobileRestauration Am

éliorationClassification

D

étectionPoursuiteReconstruction

Localisation

CompressionGestion des donn

ées multimediaEMPIRISME

RECONSTRUCTIONISMEVISION ACTIVE

Contr

ôle qualitéMORPHOLOGIE

MATHEMATIQUE

EDP & SCALE

SPACE1950

2005
Antoine MANZANERA Cours TERI - Master IAD UPMC Paris 6TI & vision par ordinateur page 6Vision industrielleVision robotique

MultimediaAdéquation Algorithme

ArchitectureTraitement

d'Images Environnement connu / contr

ôlé Contraintes de temps

Contraintes de qualit

é Environnement non contr

ôlé /hostile Contraintes d'

énergie Action / Adaptation

Humain dans la boucle Contraintes d'espace Protection des contenus Prise en compte de la machine Compromis temps/

énergie/espace

Antoine MANZANERA Cours TERI - Master IAD UPMC Paris 6SegmentationDécodage / restitutionSyst

èmes à base de TIpage 7

ScèneCodage / compressionD

étection de contoursCalcul de gradient

Filtrage

Acquisition

Transmission

Analyse

CompréhensionAm

élioration

Traitement∑p∈S

∂I ∂xp

Ux∈Ig

fIxExtraction d'attributs Antoine MANZANERA Cours TERI - Master IAD UPMC Paris 6TI & Intelligence Artificielle

page 8Dans la conception moderne de l'Intelligence Artificielle dite située (i.e. mise en

situation) ou incarn ée (i.e. introduite dans un " acteur »), la machine agit sur le monde ext érieur, éventuellement se déplace, et aussi perçoit son environnement pour pouvoir s'y adapter.

La vision est une source extr

êmement riche

d'information, qui permet

à la machine de se localiser, reconna

ître des objets ou des personnes,

à un coût faible, une énergieraisonnable, et de mani

ère passive (i.e. sans

mettre de signal). Antoine MANZANERA Cours TERI - Master IAD UPMC Paris 6TI & Intelligence Artificielle page 9ApprentissageModélisation des connaissances

Raisonnement

et d

écisionRepr

ésentation de l'incertainR

éciproquement, le traitement d'image et la vision tirent parti des connaissances et des techniques d'intelligence artificielle pour g

érer l'adaptation à un environnement changeant, l'information incertaine, les syst èmes hétérogènes de connaissances et les différents niveaux de prise de d

écision.

Antoine MANZANERA Cours TERI - Master IAD UPMC Paris 6TI & perception visuelle

page 10Une difficulté fondamentale de la vision artificielle vient du manque de connaissance profonde des m

écanismes qui régissent la compréhension des images dans la nature. La vision humaine est en effet extr

êmement performante (déplacement, lecture, reconnaissance), mais nous n'avons aucun retour conscient sur la m

écanismes mis en jeu (

à la différence du jeu d'échec par exemple). En cela l'étude des mécanismes physiologiques et psychologiques de la vision sont une source tr

ès importante d'information, et d'inspiration.

Exemples :

Traitements r

étiniens / traitements corticaux. M

écanisme d'accentuation des contrastes. Multir

ésolution et rétine. Vision des batraciens.

Antoine MANZANERA Cours TERI - Master IAD UPMC Paris 6TI & perception visuelle page 11Exemple : l'illusion de l'échiquier.Plusieurs m

écanismes sont en jeu, du tr

ès bas niveau (renforcement local des

contrastes) au tr

ès haut niveau (interpr

étation de l'ombre et reconnaissance d'un

échiquier)

Antoine MANZANERA Cours TERI - Master IAD UPMC Paris 6TI & perception visuelle page 12Exemple : l'illusion de l'échiquier.Plusieurs m

écanismes sont en jeu, du tr

ès bas niveau (renforcement local des

contrastes) au tr

ès haut niveau (interpr

étation de l'ombre et reconnaissance d'un

échiquier)

Antoine MANZANERA Cours TERI - Master IAD UPMC Paris 6I1 Types d'images, de capteurs page 13Phénomène physiqueGrandeur mesuréeCapteur mission et réflexion de la lumi

ère visible É

cho ultra sonore Rayonnement infrarouge R ésonance magnétiqueAbsorption des rayons XÉ cho électromagnétiqueR éflectivité, luminance,...Luminance IR (chaleur), ...

Densit

é de tissus,...Distance, sp

écularité de surfaces,..CCD, CMOS,

Barrettes CCD,...

Bolom

ètres,...É

chographie, sonar,...

Radar, SAR,...

Radiographie,

tomographie,... Distance, densité de tissus,...Pr

ésence d'un corps chimique,...IRM, RMN,...

Antoine MANZANERA Cours TERI - Master IAD UPMC Paris 6Images numériquespage 14L'é chantillonnage est le procédé de discrétisation spatiale d'une image consistant à associer à chaque zone rectangulaire R(x,y) d'une image continue une unique valeur I(x,y).

On parle de sous

échantillonnage lorsque l'image est

d éjà discrétisée et qu'on diminue le nombre d'échantillons.x yR(x,y)I(x,y)

Une image num

érique est une image échantillonnée et quantifiée.La quantification d ésigne la limitation du nombre de valeurs différentes que peut prendre I(x,y). Antoine MANZANERA Cours TERI - Master IAD UPMC Paris 6Pixels et niveaux de gris page 15Une image numérique ILargeur

Hauteuri

quotesdbs_dbs50.pdfusesText_50