Traitements et Applications de l Image

Transcription

1 Voie d Approfondissement Traitements et Applications de l Image (VAP TAI) Directeur de Programme : Prof. Wojciech PIECZYNSKI Objectifs : Les entreprises qui développent et/ou utilisent les techniques de traitement d'image au sens large sont extrêmement nombreuses et variées, que ce soit en terme de secteurs d'activité ou de taille. Ainsi sans être exhaustif, les domaines d applications sont le médical et la biologie, la sécurité et la surveillance, le multimédia, la photographie et la vidéo, la robotique, la vision industrielle, la biométrie ou encore la télédétection. Par ailleurs, si l'on trouve pléthore de petites ou moyennes entreprises (comme Timeat, Realviz, Theralys, ), plusieurs grands groupes sont facilement identifiables par leurs activités demandeuses en technologie image (par exemple Philips, Canon, EADS, Thalès, ). Mais bien souvent on ignore que derrière d'autres grandes sociétés sans lien apparent avec l'imagerie, comme Renault ou Essilor, se cachent des activités liées à l'image. La Voie d approfondissement «Traitements et applications de l image (TAI)» est destinée aux étudiants ingénieurs qui souhaitent acquérir des connaissances et des compétences dans les techniques de pointe du traitement des images. Techniques illustrées au travers de trois technologies émergentes : biométrie, télédétection et réalité virtuelle. A l issue de ce programme, les compétences et savoir-faire acquis par les futurs ingénieurs leur permettront : - d'appréhender et de formaliser les grandes familles des problèmes industriels mettant en jeu l imagerie numérique (codage, analyse, synthèse, classification, fusion) ; - d imaginer, mettre en œuvre et optimiser des solutions appropriées à ces problèmes. D un point de vue plus large, les outils introduits lors de la VAP sont suffisamment généraux pour donner aux étudiants la capacité d aborder d autres domaines d applications des techniques statistiques et de classification, comme la finance, l analyse de données ou l analyse de risques. Organisation : Cette voie d approfondissement s inscrit dans le cycle d approfondissement du cursus de Télécom INT. Elle se compose de 6 UVs autonomes et cohérentes programmées Cycle d'approfondissement (version 08.01a) 1

2 dans les semestres S8 et S9 équivalentes chacune pour l étudiant à une charge de travail totale de 90h dont 45h sont au maximum réalisées en face à face. En complément de ces UVs, un projet d approfondissement dans la thématique de la VAP sera réalisé en binôme ou en trinôme sur la période du semestre S9. Ce projet représente une charge de travail de 225 heures. Programme : Semestre 8 - IMA4508 : Compression des contenus visuels 2D et 3D - IMA4509 : Analyse des contenus visuels Semestre 9 - IMA5511 : Reconnaissances des formes et Biométrie - IMA5512 : Télédétection - IMA5513 : Traitements statistiques des images - IMA5514 : Interaction multimédia et Réalité virtuelle - IMA5515 : Projet d'approfondissement de la VAP TAI Cycle d'approfondissement (version 08.01a) 2

3 IMA4508 Compression des contenus visuels 2D et 3D Période : S8 P3 ECTS : 4 Langue : Français Organisation : - Heures programmées / Charge Totale : 45/90 - Heures Cours/TD/TP/CF : 36/0/9/0 Evaluation : Projet (P) en binôme (45h) empruntant à des applications industrielles réelles ou à des projets de recherche nationaux/européens, donnant lieu à une soutenance orale (S). Note finale = Moyenne (P, S) Objectifs : - Appréhender les nouveaux défis scientifiques de compression scalable et d accès universel. - Maîtriser les principes fondamentaux et outils mathématiques associés à ces enjeux ainsi que les principales normes de compression. - Mettre en œuvre méthodes et technologies dans le cadre d applications industrielles (e.g. TV numérique, télésurveillance, robotique, jeux 3D...). Mots clefs : Compression des images et de la vidéo, codage mono- et multirésolution, standards JPEG/MPEG, scalabilité, transmission progressive, convergence technologique. Pré-requis : - Niveau moyen de connaissances en programmation C/C++ (pour la réalisation du mini-projet). Programme : - Les nouveaux enjeux : TNT, HD, TV/ADSL, scalabilité et convergence technologique - Principes généraux des schémas de codage - Techniques de décorrélation, approches prédictives, méthodes par transformées et hybrides - Quantification - Codage binaire : codage arithmétique, codage résistant aux erreurs de transmission - Codage multirésolution par transformées : les ondelettes - Compression scalable - Compression par approche fractale - Les standards JPEG : de JPEG à MotionJPEG - Les standards MPEG : de MPEG-1 à MPEG-21 - Compression de films pour le cinéma sur Internet Cycle d'approfondissement (version 08.01a) 3

4 - Nouveaux enjeux en compression multimédia - Compression de données graphiques 3D statiques et animées - Compression adaptative - Techniques de transcodage - Standards émergents : MPEG-4 AFX, MPEG-4 AVC (H-264), MPEG-4 SVC Supports de cours et bibliograpie : Supports de cours : - Polycopiés distibués par les intervenants Ouvrages de référence : - A.K. Jain, Fundamentals of Digital Image Processing, Prentice Hall, Y.Q. Shi, H. Sun, Image and Video compression for multimedia engineering, CRC, M. Bosi, R. Golberg, Introduction to Digital Audio Coding and Standards, Kluwer, Responsable : Dr. Titus ZAHARIA (titus.zaharia@int-edu.eu) Intervenants : - Pr. Françoise PRETEUX : Professeur INT - Dr. Marius PREDA : Maître de Conférences INT - Dr. Gérard MOZELLE : société Thomson Cycle d'approfondissement (version 08.01a) 4

5 IMA4509 Analyse des contenus visuels Période : S8 P4 ECTS : 4 Langue : Français Organisation : - Heures programmées / Charge Totale : 45/90 - Heures Cours/TD/TP/CF1 : 36/0/9/0 Evaluation : La validation de cette UV repose sur un travail personnel encadré organisé sous forme de trois exposés courts (S1-S3) évalués à 15 h de travail, et d un mini-projet en équipe de 2-4 étudiants d un volume de 30h donnant lieu à la remise d un rapport écrit (E1). Les thèmes suivants : - extraction d attributs visuels - segmentation par approches variationnelles, morphologiques, stochastiques et statistiques - segmentation dynamique et suivi d objets - modélisation des déformations et de la variabilité de forme serviront de support technique à l acquisition des compétences. Les sujets proposés emprunteront à des applications industrielles réelles ou à des projets de recherche nationaux ou européens, et viseront à mettre en œuvre, après une phase d analyse, les fonctionnalités et technologies présentées dans l UV. Objectifs : - 1ère session = Moyenne (E1, Moyenne (S1, S2, S3)) (CF1) - 2ème session = 1 Contrôle écrit (CF2) - Note finale = Sup (CF1, Moyenne (CF1, CF2)) - Acquérir les compétences fondamentales en analyse bas-niveau des contenus visuels (images fixes 2D/3D et séquences vidéos), étape préliminaire à leur structuration à des fins d interprétation et de fouille de données. - Appréhender les enjeux technologiques et économiques associés, et disposer d une ouverture sur les défis applicatifs émergents. Mots clefs : Extraction d attributs, segmentation et regroupement, estimation de mouvement et suivi, analyse de forme. Pré-requis : Aucun prérequis Programme : - Analyse des contenus visuels : enjeux économiques et industriels, défis technologiques et nouveaux services de la Société de l Information et de la Communication - Modélisation 2D/3D : Cycle d'approfondissement (version 08.01a) 5

6 - Attributs de bas et haut niveau - Approches géométriques, déterministes, floues, stochastiques - Segmentation d images fixes : - Approches globales : techniques d histogramme, filtrage fréquentiel - Approches différentielles : détection de contours et de singularités - Morphologie mathématique - Approches variationnelles orientées contour : contours actifs, méthodes par ensembles de niveau - Approches variationnelles orientées région : modèle de Mumford-Shah, compétition de régions - Méthodes bayésiennes, champs de Markov - Analyse et synthèse de texture - Analyse de séquences vidéos : Estimation de mouvement, segmentation dynamique et suivi - Approches conjointes pour la segmentation de données multimédias Supports de cours et bibliograpie : Supports de cours : - Documentation fournie par les intervenants. Bibliographie : - A. Bovik (Ed.). Handbook of Image & Video Processing. Academic Press, L.G. Shapiro, J-C. Stockman. Computer Vision. Prentice Hall, E.R. Davies. Machine Vision: Theory, Algorithms, Practicalities. Academic Press, R. Jain, R. Kasturi, B.G. Schunck. Machine Vision. McGraw-Hill, 1995 Responsable : Dr. Nicolas ROUGON (nicolas.rougon@int-edu.eu) Intervenants : - Dr. Catalin FETITA : Maître de Conférences INT - Pr. Françoise PRETEUX : professeur INT - Dr. Titus ZAHARIA : - Intervenants du monde industriel Cycle d'approfondissement (version 08.01a) 6

7 IMA5511 Reconnaissance de Formes et Biométrie Période : S9 P1 ECTS : 4 Langue : Français Organisation : - Heures programmées / Charge Totale : 45/90 - Heures Cours/TD/TP/CF : 15/12/18/0 Le module est structuré en deux volets : le premier, plus théorique, donne les outils de Reconnaissance de Formes qui permettent de comprendre comment se fait la vérification de l identité d un individu à partir de modalités biométriques ; le second porte sur l application de ces outils au domaine de la vérification de l identité. Evaluation : L évaluation est faite sur la base de trois Travaux Pratiques notés (TP1, TP2, TP3) et d un oral (O). Note Finale = 1/3 [Moy(TP1, TP2, TP3) + 2*O] Objectifs : - Maîtriser les outils de reconnaissance de formes et de classification de données - Connaître les traitements spécifiques aux différentes modalités biométriques en termes de l adaptation à chacune des outils génériques précédents - Savoir mettre en œuvre un système biométrique de vérification d identité Mots clefs : Authentification biométrique, reconnaissance de visages, vérification de signatures en-ligne, reconnaissance de l iris, vérification du locuteur Prérequis : Notions de statistique et du calcul des probabilités (Cours Introduction aux statistiques, MAT4003) Programme : - Modèles et Traitements - Introduction - Classification Bayésienne - Modèle linéaire - Règle des K plus proches voisins - Chaînes de Markov Cachées - Analyse en Composantes Principales, Analyse Discriminante - Perceptrons Multicouches - Algorithme de Kohonen - Applications à l authentification biométrique - Techniques de reconnaissance de visages Cycle d'approfondissement (version 08.01a) 7

8 - Techniques de vérification de signatures en-ligne - Techniques de reconnaissance de l iris - Techniques de vérification du locuteur Supports de cours et bibliograpie : Supports de cours : - Bibliographie : - R.O. Duda, P. E. Hart, D.G. Stork, Pattern Classification, Second Edition, John Wiley, L. Rabiner, B.H. Juang, Fundamentals of Speech Recognition, Prentice Hall Signal Processing Series, S. Haykin, Neural Networks, Second Edition, Prentice Hall International, M. Volle, Analyse des données, 3ème édition, Economica. Responsable : Dr. Sonia Salicetti (Sonia.Salicetti@int-edu.eu) Intervenants : - Prof. Bernadette Dorizzi : Professeur INT - Dr. Dijana Petrovska : Maître de Conférences INT - Dr. Sonia Salicetti : Maître de Conférences INT Cycle d'approfondissement (version 08.01a) 8

9 IMA5512 Télédétection Période : S9 P2 ECTS : 4 Langue : Français Organisation : - Heures programmées / Charge Totale : 45/90 - Heures Cours/TD/TP/CF : 30/0/15/0 Certains cours se font sous la forme de conférences avec des industriels. Les travaux pratiques (TP) se font en binômes et incluent 3h de manipulations chacun, entre autres sur les logiciels TeraVue et ORFEO Toolbox du CNES. Evaluation : La validation de cette UV repose sur la moyenne des notes des comptes-rendus des TD-TP. Note finale = Moy (TD) Objectifs : - Savoir mettre en oeuvre et optimiser les technologies de segmentation et de classification dans le contexte de la télédétection - Maîtriser les caractéristiques des différents types de capteurs d images utilisés en télédétection - Connaître les enjeux économiques et écologiques de la télédétection Mots clefs : Imagerie satellitaire et aérienne, imagerie SAR, imagerie hyperspectrale, fusion de données Prérequis : Classification bayésienne, notions de statistique (UV MAT4003), analyse bas niveau des contenus visuels Programme : - Bases de l imagerie satellitaire : capteurs optiques, radar, radar à ouverture synthétique (RSO/SAR), - Applications : détermination de l'occupation des sols (SPOT), détection de nappes de pétrole (RSO), extraction d indices de végétation - Imagerie multi- et hyper-spectrale : réduction de données (ACI, ondelettes), signature spectrale, caractérisation de textures et segmentation - Applications : détection de galaxies, cartographie agro-environnementale (images CASI) - Détection de changement : théorie de la détection, méthodes de classification à vecteur support machine (SVM) - Applications : suivi de l évolution des glaciers, cartographie des zones dévastées après une catastrophe Cycle d'approfondissement (version 08.01a) 9

10 - Stéréovision : géométrie épipolaire - Applications en milieu urbain : fabrication de modèle 3D d une scène - Introduction aux systèmes d informations géographiques (SIG) Supports de cours et bibliograpie : Supports de cours : - Bibliographie : - J-M. Monget, Initiation à la télédétection et son traitement, Editions de la Boyère Valbonne, P. J. Gibson, Introductory remote sensing: principles and concepts. Routledge, London, P. J. Gibson and C.H. Power, Introductory remote sensing: digital image processing and applications, Routledge, London, 2000 Responsable : Dr Annabelle Joannic-Chardin (Annabelle.Joannic-Chardin@int-edu.eu) Intervenants : - Dr A. Joannic-Chardin - Dr Grégoire Mercier - Pr Jean-Marie Nicolas - Dr Michel Roux - Dr Florence Tupin - Intervenants industriels : EADS, Thalès Cycle d'approfondissement (version 08.01a) 10

11 IMA5513 Traitements statistiques des images Période : S9 P3 ECTS : 4 Langue : Français Organisation : - Heures programmées / Charge Totale : 45/90 - Heures Cours/TD/TP/CF : 24/0/21/0 Les travaux pratiques (TP) se font en binômes et incluent 3h de manipulations chacun. Evaluation : La validation de cette UV repose sur la moyenne des notes des comptes-rendus des TD-TP. Note finale = Moy (TD) Objectifs : - Maîtriser les principales modélisations probabilistes et méthodes statistiques récentes de traitements des masses de données - Maîtriser leurs applications à la classification de données et la segmentation d images Mots clefs : Modèles de Markov cachés, couples, triplets, segmentation bayésienne, théorie de l évidence, fusion des capteurs, multirésolution, segmentation non supervisée Prérequis : Notions de statistique et du calcul des probabilités (Cf. MAT4003) Programme : - Modèles de Markov cachés (champs de Gibbs, chaînes de Markov, arbres de Markov) - Segmentation statistique non supervisée : - méthodes bayésiennes de segmentation MAP et MPM - méthodes d apprentissage EM, SEM, ICE - Segmentation statistique non supervisée floue - Estimation des mélanges généralisés - Théorie de l'évidence - modèles de Markov cachés évidentiels - fusion de Dempster-Shafer et segmentation d'images multi senseurs - Modèles de Markov Couples et Triplets - Modèles de Markov et multirésolution (groupe de renormalisation, algorithme multigrille, analyse multirésolution, modèles sur graphes hiérarchiques) - Arbres de Markov et ondelettes Cycle d'approfondissement (version 08.01a) 11

12 Supports de cours et bibliograpie : Supports de cours : - W. Pieczynski, Méthodes statistiques en imagerie, Polycopié, Bibliographie : - B. Chalmond, Eléments de modélisation pour l analyse d images, Springer, X. Guyon, Random fields on a network, Springer-Verlag, 1995 Responsable : Pr Wojciech Pieczynski (Wojciech.Pieczynski@int-edu.eu) Intervenants : - Dr A. Joannic-Chardin : Maître de conférences INT - Pr W. Pieczynski : Professeur INT Cycle d'approfondissement (version 08.01a) 12

13 IMA5514 Interaction multimédia et réalité virtuelle Période : S9 P4 ECTS : 4 Langue : Français Organisation : - Heures programmées / Charge Totale : 45/90 - Heures Cours/TD/TP/CF : 30/0/15/0 Certains cours seront immédiatement suivis de travaux pratiques sur ordinateur en binômes. Certains enseignements pourront être dispensés en anglais. Évaluation : La validation de cette UV repose sur la moyenne des notes des comptes-rendus des TP. Note finale = Moy (TD) Objectifs : - Représenter les signaux multimédia image, son et vidéo, - Analyser la parole, - Analyser les images fixes et animées, - Synthétiser la parole et les images, - Animer les objets virtuels, - Interagir dans un environnement virtuel partagé (en réseau), - Comprendre les techniques de la réalité augmentée. Mots clefs : Codage, reconnaissance de la parole, indexation par le contenu, synthèse d image, réalité virtuelle. Prérequis : Bases de traitement du signal et de l image. Programmation en C/C++/Java. Programme : - Codage du son et de la parole. - Codage d image : rappels et comparaison des normes de codage des images et vidéos. - Reconnaissance de la parole, du locuteur, des émotions. - Indexation des images par le contenu. - Acquisition du geste (motion capture) par vision. - Synthèse de la parole à partir du texte (text to speech). - Rendu à partir de vues multiples. - Synthèse d image : modélisation 3D, lissages de Gouraud et Phong, lancer de rayon. - Animation 3D : points clef, cinématique directe et inverse. Cycle d'approfondissement (version 08.01a) 13

14 - Langages et normes pour la Réalité Virtuelle : VRML, X3D, Java3D. - Environnements collaboratifs virtuels et applications. - Réalité augmentée. Supports de cours et bibliographie : supports de cours : - Polycopiés remis par les intervenants. Bibliographie : - Jean-Paul Guillois, Techniques de compression des images, Hermès (1996). - Jean-Paul Haton et al., Reconnaissance automatique de la parole : Du signal à son interprétation, Dunod (2006). - Aaron E. Walsh & Mikael Bourges-Sévenier, CoreWeb3D, Prentice Hall (2000) ; - Philippe Fuchs & Guillaume Moreau, Le traité de la réalité virtuelle, 3 ème édition en 4 volumes, Les Presses de l'école des Mines de Paris (2006) ; Responsable : Dr Patrick Horain (Patrick.Horain@int-evry.fr). Intervenants : - André Bideau : chargé d'enseignement et de Recherche INT - Dr Jérôme Boudy : Chargé d'enseignement et de Recherche INT - Dr Patrick Horain : Ingénieur d'etudes INT - Dr William Navarro : société Nortel Networks - Pr Yannick Rémion : Université de Reims Champagne-Ardenne (URCA) Cycle d'approfondissement (version 08.01a) 14

15 IMA5515 Projet de la voie d approfondissement TAI Période : S6 ECTS : 8 Langue : Français Organisation : - Heures programmées / Charge Totale : 36/225 Le projet de la voie d approfondissement TAI se déroule sur la totalité du semestre S9. Chaque étudiant doit réaliser un projet d étude ou de recherche soit seul, soit par groupe de deux ou trois, selon la difficulté du sujet abordé. Des plages horaires dédiées au projet sont programmées dans l emploi du temps. Evaluation : La validation du projet de voie d approfondissement repose sur l évaluation d un rapport écrit (R) et une soutenance orale (O). Note finale = Moy (R,O) Exemples de sujets : - Débruitage d images d iris - Comparaison de méthodes de segmentation de l iris - Segmentation d'images par classification floue. - Codage prédictif des micro-textures. - Optimisation de transformée en ondelettes pour la segmentation automatique du signal ECG (Electrocardiogramme) - Synthèse de textures dans un modèle multi-échelle - Gradient stochastique dans les champs de Markov Couple - Etude des chaînes de Markov à basculement - Reconnaissance de mots clés d urgence dans le contexte de la télésurveillance de patient à domicile Responsable : Dr Annabelle Joannic-Chardin (Annabelle.Joannic-Chardin@int-edu.eu) Encadrants : Equipe pédagogique de la voie d approfondissement TAI Cycle d'approfondissement (version 08.01a) 15

16 Cycle d'approfondissement (version 08.01a) 16