Restauration multi- images et 3D sans artefacts: Optimisation sous contraintes locales et apprentissage statistique
|
|
- Florentin Trudeau
- il y a 8 ans
- Total affichages :
Transcription
1 Restauration multi- images et 3D sans artefacts: Optimisation sous contraintes locales et apprentissage statistique Proposition de Sujet de Thèse Andrés Almansa Telecom ParisTech Introduction Les images numériques aussi bien que les films et les surfaces 3D subissent pendant leur processus de capture des dégradations de différents types : Bruit (gaussien, poissonien, impulsionnel, multiplicatif ou additif), données manquantes (scratches ou taches dans les films, taux d échantillonnage insuffisant dans les images satellitaires et surfaces 3D), compression et flou dans les images et les films. Beaucoup de solutions ont été proposées dans la littérature pour résoudre ce type de problèmes avec des performances très bonnes en termes de rapport signal- bruit, mais pour certaines applications en imagerie satellitaire et en graphisme 3D les exigences vont au delà de ces métriques habituelles. En particulier, quand les images restaurées vont être utilisées pour des traitements ultérieurs, comme la stéréoscopie sous- pixellique, il est plus important d assurer que la restauration est invariante par translation sous- pixellique (ce qui est particulièrement difficile pour les images compressées) et ne contient pas des artefacts, ni de bruit structuré. On préférera donc accepter un bruit plus fort mais prévisible et non- corrélé à l image, que un bruit structuré. De même, en graphisme 3D, la distance entre la forme de référence et la forme reconstruite a beaucoup moins d importance que les erreurs et artefacts sur le champ de normales à la surface, car celui- ci a un effet très visible sur le rendu graphique. Projet Cette thèse vise à obtenir des images restaurées de bonne qualité tout en évitant d introduire des artefacts visibles, qu ils soient propres au modèle de restauration ou au processus d acquisition. On puisera pour cela sur trois axes méthodologiques fondamentaux : - l apprentissage de modèles statistiques des images naturelles - une utilisation approfondie du modèle de bruit dans l image
2 - des méthodes d estimation robuste et leur capacité à pardonner des points aberrants On cherchera à formuler les méthodes proposées dans un cadre commun à plusieurs applications, puis d explorer de manière approfondie une des applications possibles, dans un cas réel et appliqué. Modèles statistiques d images naturelles Apprentissage statistique et régularisation non- locale performante. Suite au succès des méthodes non- locales pour le debruitage [NLM], le critère a été raffiné de diverses manières. Les extensions les plus récentes à plusieurs problèmes inverses [NLB, PLE] considèrent que les patches d une image naturelle parcourent une variété fortement non- linéaire et de faible dimension, mais qui peut être approchée localement par une distribution Gaussienne. Néanmoins rien ne permet de fixer (a priori) le nombre de Gaussiennes nécessaires pour bien modéliser une image ou une famille d images. Mais on peut s affranchir de cette information manquante si on dispose d un moyen efficace d organiser les patches d une grande base de données dans une structure hiérarchique, permettant d obtenir en requête la distribution de patches autour d un point. Une telle structure de données permettrait entre autres d étudier les limites des méthodes non- locales comme proposé dans []. Mesures de similitude entre patches. Dans la grande majorité des méthodes non- locales on accepte implicitement que la norme L2 fournit une bonne mesure pour évaluer la similitude entre deux patches. Or ce choix n'est pas assez discriminant dans plusieurs situations (dont la stéréoscopie fine), et il est très difficile d'établir un seuil universel assez discriminant basé sur cette distance, ce qui a conduit souvent dans les méthodes de debruitage non- local à rajouter un critère de localité spatiale [DeledalleLocalNLM] dans la recherche de patchs similaires, afin de diminuer le risque de se tromper. Pour la même raison le réglage du paramètre h dans non- local means est assez ardue. On propose d'établir une meilleure métrique de similitude de patches, et un critère de décision pour déterminer si deux patches sont assez proches. La deuxième question a déjà été abordée dans le cadre de la stéréoscopie [J16] en utilisant des méthodes a contrario. La méthode est entièrement basée sur un modèle probabiliste a priori de l'ensemble de patches d'une image, qui est obtenue par ACP globale (ou bien une ACP local à la manière des modèles de mélange de gaussiennes pour rendre la méthode plus discriminante quand il y a une forte variabilité intra- image), et elle permet de trouver au moins un correspondant sûr dans environ la moitié des patches d'une paire stéréoscopique. Néanmoins la méthode ignore complètement le modèle de bruit, et elle fonctionne correctement pour les niveaux de bruits assez faibles courants en stéréoscopie (SNR ~ 30 à 40 db). A l'autre extrême [DeledallePatchMatch] prends l'attitude contraire et il donne un critère de similitude qui est uniquement basé sur le modèle de bruit. Quant au modèle a priori il prends l'attitude la plus
3 agnostique possible en utilisant le modèle de Jeffrey. Ça lui permet d'étendre le débruitage non- local au cadre des images pollués par de bruit de Poisson, speckle et autres types de bruit courants en imagerie radar [DeledalleNLM] y compris avec des forts niveaux de bruit. Mais dans le cas d'un bruit Gaussien son critère retombe sur la distance L2 dont nous avons évoqué les limites plus haut. Il paraît logique de combiner les deux approches: utiliser le critère de Deledalle en y injectant un modèle Gaussien global ou local [NLB,PLE] comme a priori statistique pour les patches. Modèles statistiques du bruit Une des critiques qui a été faite à la méthode MAP [5] (particulièrement dans le cadre de la variation totale) est que la solution qu'elle produit a des caractéristiques statistiques très particulières, pas toujours cohérentes avec le modèle probabiliste utilisé pour l'obtenir. Notamment le résidu est souvent très structuré, alors qu'il est supposé blanc Gaussien. Cette observation a motivé un intérêt renouvelé pour des approches alternatives comme le calcul de l'espérance a postériori [6]. Une autre approche consiste à raffiner la méthode de régularisation de sorte à ce qu'elle reproduise bien la nature des images naturelles. C'est pour cette raison (parmi d'autres) que les méthodes basées patches produisent des images avec un résidu assez proche d'un bruit blanc... sauf à quelques endroits où l'image n'est pas cohérente avec le modèle autosimilaire: des points aberrants comme les grains de beauté par exemple. Plus gênant encore, dès que l'on essaye de généraliser les méthodes basés patches à d'autres problèmes inverses [PeyreNonLocalReg] le résidu perds vite en blancheur. Même en déconvolution, très peu de littérature montre le résidu et ceux qui le font montrent une legère avantage des méthodes plus sophistiqués comme la TV non- locale [NLTVdeblur] face à des régularisations non- locales plus classiques, sans pour autant donner une explication convaincante de ce phénomène. En plus des fortes structurations restent présentes dans le résidu. Indépendamment de la méthode de régularisation choisie, ou s en passer complètement, nous pouvons utiliser la distribution connue du bruit pour contraindre encore la solution et éviter des artefacts sur l image. La moyenne et variance du bruit sont typiquement utilisées pour régler le paramètre de régularisation [7], mais des statistiques d ordre plus élevé sont rarement exploitées et feront l objet de cet étude. Détection de points aberrants et compressed sensing Des critères robustes tels que la norme L1 sur le terme d attache aux données sont souvent utilisés pour détecter et restaurer automatiquement des points aberrants. Comme il a été montré par Candes & Tao [13] dans le cadre des codes correcteurs d erreur, on peut utiliser des bornes similaires à celles du compressed sensing pour caractériser le nombre de mesures erronées qui
4 peuvent être automatiquement détectées. Dans [12] la technique a été étendue à la restauration d images notamment en superresolution. D autres problèmes de restauration d images restent à être étudiés sous cet angle et des nombreuses extensions de cette théorie peuvent être envisagées. Cette thèse comportera donc deux volets : Du coté théorique, les propriétés géométriques et statistiques des solutions optimales seront étudies sous hypothèses réalistes de bruit et autres dégradations. Du coté pratique on développera des algorithmes numériques assurant une bonne proximité de l optimum théorique dans un temps raisonnable. International Cette thèse entre dans le cadre d une collaboration avec l équipe du Pr. Vicent Caselles à Barcelone (Espagne), du Pr Pablo Musé à Montevideo (Uruguay), ainsi que avec le CNES (Toulouse) et Tamy Boubekeur (Paris). Une mobilité et des échanges avec ces partenaires sont envisagés. Profil du candidat Le candidat aura une formation en Mathématiques Appliquées au Traitement d Images et un goût particulier pour la modélisation physique et mathématique des instruments de capture d'images la mise en oeuvre informatique d'algorithmes de traitement d'images Bibliographie [1] M. Lebrun, M. Colom, A. Buades, and J. M. Morel, Secrets of image denoising cuisine, Acta Numerica, vol. 21, no. 1, pp , May [2] P. Arias, G. Facciolo, V. Caselles, and G. Sapiro, A Variational Framework for Exemplar- Based Image Inpainting, International Journal of Computer Vision, vol. 93, no. 3, pp , Jan [3] T. Guillemot, T. Boubekeur, and A. Almansa, Non Local Point Set Surfaces, in 3DIMPVT, paristech.fr/~boubek/papers/nlpss/ [4] S. Durand and M. Nikolova, Denoising of Frame Coefficients Using $\ell^1$ Data- Fidelity Term and Edge- Preserving Regularization, Multiscale Modeling & Simulation, vol. 6, no. 2, [5] M. Nikolova, MODEL DISTORTIONS IN BAYESIAN MAP RECONSTRUCTION, Inverse Problems and Imaging, vol. 1, no. 2, pp , May 2007.
5 [6] C. Louchet and L. Moisan, Total Variation denoising using posterior expectation, in European Signal Processing Conference (EUSIPCO), [7] A. Almansa, C. Ballester, V. Caselles, and G. Haro, A TV Based Restoration Model with Local Constraints, Journal of Scientific Computing, vol. 34, no. 3, pp , Mar [8] Charles- Alban Deledalle, Florence Tupin, and Loic Denis. Poisson NL means: Unsupervised non local means for poisson noise. In 2010 IEEE International Conference on Image Processing, ICIP [9] Charles- Alban Deledalle, Vincent Duval, and Joseph Salmon. Non- local methods with Shape- Adaptive patches (NLM- SAP). Journal of Mathematical Imaging and Vision, pages 1 18, May ISSN doi: /s y. [10] Charles- Alban Deledalle, Lo ïc Denis, and Florence Tupin. How to compare noisy patches? patch similarity beyond gaussian noise. International Journal of Computer Vision, 99(1): , March ISSN doi: /s [11] Gabriel Peyreé, Sébastien Bougleux, and Laurent Cohen. Non- local regularization of inverse problems computer vision ECCV In Computer Vision ECCV 2008, volume 5304 of Lecture Notes in Computer Science, chapter 5, pages doi: / _5. [12] Y. Traonmilin, S. Ladjal, A. Almansa, Outlier Removal Power of the L1- Norm Super- Resolution, SSVM ouvertes.fr/hal / [13] Candes, E.J., Tao, T.: Decoding by linear programming. Information Theory, IEEE Transactions on 51(12) (December 2005)
Mesure agnostique de la qualité des images.
Mesure agnostique de la qualité des images. Application en biométrie Christophe Charrier Université de Caen Basse-Normandie GREYC, UMR CNRS 6072 Caen, France 8 avril, 2013 C. Charrier NR-IQA 1 / 34 Sommaire
Plus en détailProjet de Traitement du Signal Segmentation d images SAR
Projet de Traitement du Signal Segmentation d images SAR Introduction En analyse d images, la segmentation est une étape essentielle, préliminaire à des traitements de haut niveau tels que la classification,
Plus en détailPrincipe de symétrisation pour la construction d un test adaptatif
Principe de symétrisation pour la construction d un test adaptatif Cécile Durot 1 & Yves Rozenholc 2 1 UFR SEGMI, Université Paris Ouest Nanterre La Défense, France, cecile.durot@gmail.com 2 Université
Plus en détailEchantillonnage Non uniforme
Echantillonnage Non uniforme Marie CHABERT IRIT/INP-ENSEEIHT/ ENSEEIHT/TéSASA Patrice MICHEL et Bernard LACAZE TéSA 1 Plan Introduction Echantillonnage uniforme Echantillonnage irrégulier Comparaison Cas
Plus en détail10ème Congrès Français d'acoustique Lyon, 12-16 Avril 2010
10ème Congrès Français d'acoustique Lyon, 12-16 Avril 2010 Le compressed sensing pour l holographie acoustique de champ proche II: Mise en œuvre expérimentale. Antoine Peillot 1, Gilles Chardon 2, François
Plus en détailReconnaissance de visages 2.5D par fusion des indices de texture et de profondeur ICI 12/12/12
Reconnaissance de visages 2.5D par fusion des indices de texture et de profondeur ICI 12/12/12 2 Discrimination Invariance Expressions faciales Age Pose Eclairage 11/12/2012 3 Personne Inconnue Identité
Plus en détailSoutenance de stage Laboratoire des Signaux et Systèmes
Soutenance de stage Laboratoire des Signaux et Systèmes Bornes inférieures bayésiennes de l'erreur quadratique moyenne. Application à la localisation de points de rupture. M2R ATSI Université Paris-Sud
Plus en détailAnalyse de la vidéo. Chapitre 4.1 - La modélisation pour le suivi d objet. 10 mars 2015. Chapitre 4.1 - La modélisation d objet 1 / 57
Analyse de la vidéo Chapitre 4.1 - La modélisation pour le suivi d objet 10 mars 2015 Chapitre 4.1 - La modélisation d objet 1 / 57 La représentation d objets Plan de la présentation 1 La représentation
Plus en détailAmélioration de la fiabilité d inspection en CND grâce à la fusion d information : applications en rayons X et ultrasons
Amélioration de la fiabilité d inspection en CND grâce à la fusion d information : applications en rayons X et ultrasons Ahmad OSMAN 1a, Valérie KAFTANDJIAN b, Ulf HASSLER a a Fraunhofer Development Center
Plus en détailMCMC et approximations en champ moyen pour les modèles de Markov
MCMC et approximations en champ moyen pour les modèles de Markov Gersende FORT LTCI CNRS - TELECOM ParisTech En collaboration avec Florence FORBES (Projet MISTIS, INRIA Rhône-Alpes). Basé sur l article:
Plus en détailQuantification Scalaire et Prédictive
Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction
Plus en détailhttp ://www.labri.fr/perso/bugeau/
Aurélie Bugeau Etat civil Date de Naissance 17 septembre 1982 à Nantes (44) Nationalité Française Situation familiale Mariée, deux enfants Adresse professionnelle LaBRI, Université Bordeaux, 351 cours
Plus en détailCompression et Transmission des Signaux. Samson LASAULCE Laboratoire des Signaux et Systèmes, Gif/Yvette
Compression et Transmission des Signaux Samson LASAULCE Laboratoire des Signaux et Systèmes, Gif/Yvette 1 De Shannon à Mac Donalds Mac Donalds 1955 Claude Elwood Shannon 1916 2001 Monsieur X 1951 2 Où
Plus en détailProjet : Recalage par maximisation de l information mutuelle
École Polytechnique de Montréal Automne 25, 12 décembre 25 Projet : Recalage par maximisation de l information mutuelle GBM613, Application médicales de l informatique Nom Matricule Groupe Herve Lombaert
Plus en détailInterception des signaux issus de communications MIMO
Interception des signaux issus de communications MIMO par Vincent Choqueuse Laboratoire E 3 I 2, EA 3876, ENSIETA Laboratoire LabSTICC, UMR CNRS 3192, UBO 26 novembre 2008 Interception des signaux issus
Plus en détailRenforcement des trois compétences : compréhension orale, expression orale et expression écrite à partir de documents et vidéos.
Master Mathématiques et Applications Spécialité : Ingénierie mathématique et modélisation Parcours : Mathématique et Informatique : Statistique, Signal, Santé (MI3S) 2015-2016 RÉSUMÉ DES COURS : (dernière
Plus en détailK. Ammar, F. Bachoc, JM. Martinez. Séminaire ARISTOTE - 23 octobre 2014 - Palaiseau
Apport des modèles de krigeage à la simulation numérique K Ammar, F Bachoc, JM Martinez CEA-Saclay, DEN, DM2S, F-91191 Gif-sur-Yvette, France Séminaire ARISTOTE - 23 octobre 2014 - Palaiseau Apport des
Plus en détailEnric MEINHARDT-LLOPIS. Dossier de candidature Maître de Conférences. Section 26 Poste
Enric MEINHARDT-LLOPIS Laboratoire CMLA Ecole Normale Supérieure de Cachan enric.meinhardt@cmla.ens-cachan.fr Dossier de candidature Maître de Conférences Section 26 Poste Contenu du dossier Fiche de Synthèse..............................................
Plus en détail$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU
$SSOLFDWLRQGXNULJHDJHSRXUOD FDOLEUDWLRQPRWHXU Fabien FIGUERES fabien.figueres@mpsa.com 0RWVFOpV : Krigeage, plans d expériences space-filling, points de validations, calibration moteur. 5pVXPp Dans le
Plus en détailObserver. Un outil adapté à la VoIP
Observer Un outil adapté à la VoIP ELEXO 20 Rue de Billancourt 92100 Boulogne-Billancourt Téléphone : 33 (0) 1 41 22 10 00 Télécopie : 33 (0) 1 41 22 10 01 Courriel : info@elexo.fr TVA : FR00722063534
Plus en détailLes simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R
Les simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R Yves Aragon, David Haziza & Anne Ruiz-Gazen GREMAQ, UMR CNRS 5604, Université des Sciences
Plus en détailDétection en environnement non-gaussien Cas du fouillis de mer et extension aux milieux
Détection en environnement non-gaussien Cas du fouillis de mer et extension aux milieux hétérogènes Laurent Déjean Thales Airborne Systems/ENST-Bretagne Le 20 novembre 2006 Laurent Déjean Détection en
Plus en détailEtude des propriétés empiriques du lasso par simulations
Etude des propriétés empiriques du lasso par simulations L objectif de ce TP est d étudier les propriétés empiriques du LASSO et de ses variantes à partir de données simulées. Un deuxième objectif est
Plus en détailIntérêt du découpage en sous-bandes pour l analyse spectrale
Intérêt du découpage en sous-bandes pour l analyse spectrale David BONACCI Institut National Polytechnique de Toulouse (INP) École Nationale Supérieure d Électrotechnique, d Électronique, d Informatique,
Plus en détailObject Removal by Exemplar-Based Inpainting
Object Removal by Exemplar-Based Inpainting Kévin Polisano A partir d un article de A. Criminisi, P. Pérez & H. K. Toyama 14/02/2013 Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013
Plus en détailApplications en imagerie cérébrale (MEG/EEG)
EEG : mesure du potentiel électrique Ordre de grandeur : qq µ-volts Capteurs : électrodes MEG : mesure du champ magnétique Ordre de grandeur : 10 13 Tesla Capteurs SQUID couplés à des bobines VI. Applications
Plus en détailChapitre 2 : Systèmes radio mobiles et concepts cellulaires
Chapitre 2 : Systèmes radio mobiles et concepts cellulaires Systèmes cellulaires Réseaux cellulaires analogiques de 1ère génération : AMPS (USA), NMT(Scandinavie), TACS (RU)... Réseaux numériques de 2ème
Plus en détailTraitement d un AVI avec Iris
Traitement d un AVI avec Iris 1. Définir le répertoire de travail Fichier > Réglages (Ctrl + R) Et on définit le chemin du répertoire de travail. C est là que les images vont être stockées. 2. Convertir
Plus en détailLes atouts et faiblesses des caméras TEP dédiées, TEP corps entier, TEP-CT, TEMP pour la quantification
Les atouts et faiblesses des caméras TEP dédiées, TEP corps entier, TEP-CT, TEMP pour la quantification Irène Buvat U494 INSERM CHU Pitié-Salpêtrière, Paris buvat@imed.jussieu.fr http://www.guillemet.org/irene
Plus en détailPREPROCESSING PAR LISSAGE LOESS POUR ACP LISSEE
PREPROCESSING PAR LISSAGE LOESS POUR ACP LISSEE Jean-Paul Valois, Claude Mouret & Nicolas Pariset Total, 64018 Pau Cédex MOTS CLEFS : Analyse spatiale, ACP, Lissage, Loess PROBLEMATIQUE En analyse multivariée,
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailARDUIN Pierre-Emmanuel
ARDUIN Pierre-Emmanuel Maître de conférences pierre-emmanuel.arduin@dauphine.fr Tél : +33(0)1.44.05.48.19 Bureau : A 702 Site web : Site web Poste actuel et responsabilités à Dauphine Responsable d'un
Plus en détailArbres binaires de décision
1 Arbres binaires de décision Résumé Arbres binaires de décision Méthodes de construction d arbres binaires de décision, modélisant une discrimination (classification trees) ou une régression (regression
Plus en détailSuperstrat tout Dielectrique Pour le Contrôle de l Ouverture Angulaire d'une Antenne à Double Polarisation
URSI-France Journées scientifiques 26/27 mars 2013 Superstrat tout Dielectrique Pour le Contrôle de l Ouverture Angulaire d'une Antenne à Double Polarisation All Dielectric Superstrate to Control the Half-Power-BeamWidth
Plus en détailEquation LIDAR : exp 2 Equation RADAR :
Contexte scientifique Systèmes LIDAR/RADAR Equation LIDAR : exp Equation RADAR : p (r) : puissance rétrodiffusée r : altitude ou profondeur. C : constante instrumentale. β : coefficient de rétrodiffusion
Plus en détailDan Istrate. Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier
Détection et reconnaissance des sons pour la surveillance médicale Dan Istrate le 16 décembre 2003 Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier Thèse mené dans le cadre d une collaboration
Plus en détailUn schéma de compression avec pertes efficace pour les images médicales volumiques
Un schéma de compression avec pertes efficace pour les images médicales volumiques Yann GAUDEAU 1 Jean-Marie MOUREAUX 1 CRAN CNRS (UMR 7039) Nancy-University, Faculté des Sciences et Techniques, BP 239,
Plus en détailLaboratoire 4 Développement d un système intelligent
DÉPARTEMENT DE GÉNIE LOGICIEL ET DES TI LOG770 - SYSTÈMES INTELLIGENTS ÉTÉ 2012 Laboratoire 4 Développement d un système intelligent 1 Introduction Ce quatrième et dernier laboratoire porte sur le développement
Plus en détailTechnique de compression des images médicales 4D
Technique de compression des images médicales 4D Leila Belhadef 1 et Zoulikha Mekkakia 1 1 Département d Informatique, USTO-MB, BP 1505 El Mnaouer, Oran, Algérie l.belhadef@gmail.com, mekkakia@univ-usto.dz
Plus en détailHigh Performance by Exploiting Information Locality through Reverse Computing. Mouad Bahi
Thèse High Performance by Exploiting Information Locality through Reverse Computing Présentée et soutenue publiquement le 21 décembre 2011 par Mouad Bahi pour l obtention du Doctorat de l université Paris-Sud
Plus en détailApplication 1- VBA : Test de comportements d'investissements
Application 1- VBA : Test de comportements d'investissements Notions mobilisées Chapitres 1 à 5 du cours - Exemple de récupération de cours en ligne 1ère approche des objets (feuilles et classeurs). Corps
Plus en détailrecommandation Domaine : Informatique, Intelligence Artificielle, Modélisation de préférences
Modélisation des utilisateurs atypiques dans les systèmes de recommandation Directeur de thèse : Anne BOYER Si le directeur de thèse n'apparait pas dans le menu déroulant, vous pouvez indiquer cette information
Plus en détailRecherche De Coalescences Binaires Étalonnage Du Détecteur
Recherche De Coalescences Binaires Étalonnage Du Détecteur Fabrice Beauville Journées Jeunes Chercheurs 18/12/2003 Les Coalescences Binaires & VIRGO Système binaire d objets compacts (étoiles à neutrons,
Plus en détailReprésentation des Nombres
Chapitre 5 Représentation des Nombres 5. Representation des entiers 5.. Principe des représentations en base b Base L entier écrit 344 correspond a 3 mille + 4 cent + dix + 4. Plus généralement a n a n...
Plus en détailCommunications immersives : Enjeux et perspectives
Journée Futur et Ruptures Communications immersives : Enjeux et perspectives Béatrice Pesquet-Popescu Télécom ParisTech, Département TSI 5 mars 2015 Institut Mines-Télécom Tendances actuelles Plus, plus,
Plus en détailCodage vidéo par block matching adaptatif
Traitement et analyse d'images(39) Codage vidéo par block matching adaptatif Abdelhamid Djeffal Département d informatique Université Mohamed Khider BISKRA, ALGERIE Abdelhamid_Djeffal@yahoo.fr Zine Eddine
Plus en détailReconstruction de bâtiments en 3D à partir de nuages de points LIDAR
Reconstruction de bâtiments en 3D à partir de nuages de points LIDAR Mickaël Bergem 25 juin 2014 Maillages et applications 1 Table des matières Introduction 3 1 La modélisation numérique de milieux urbains
Plus en détailRégularisation d Images Multivaluées par EDP : Un Formalisme Commun pour Différentes Applications
Régularisation d Images Multivaluées par EDP : Un Formalisme Commun pour Différentes Applications David Tschumperlé 1 et Rachid Deriche 2 1 INRIA Sophia-Antipolis, Laboratoire Odyssée, BP 93, 2004 Route
Plus en détailUne comparaison de méthodes de discrimination des masses de véhicules automobiles
p.1/34 Une comparaison de méthodes de discrimination des masses de véhicules automobiles A. Rakotomamonjy, R. Le Riche et D. Gualandris INSA de Rouen / CNRS 1884 et SMS / PSA Enquêtes en clientèle dans
Plus en détailDétection et suivi d'objets dans une séquence d'images par contours actifs
Détection et suivi d'objets dans une séquence d'images par contours actifs A. Fekir (1), N. Benamrane (2) et A. Taleb-Ahmed (3) (1) Département d informatique, Université de Mustapha Stambouli, BP 763,
Plus en détailLa Recherche du Point Optimum de Fonctionnement d un Générateur Photovoltaïque en Utilisant les Réseaux NEURO-FLOUS
Rev. Energ. Ren. : Chemss 2000 39-44 La Recherche du Point Optimum de Fonctionnement d un Générateur Photovoltaïque en Utilisant les Réseaux NEURO-FLOUS D.K. Mohamed, A. Midoun et F. Safia Département
Plus en détailAPPROCHE DE LA SURVEILLANCE DES SYSTEMES PAR RESEAUX DE PETRI SYNCHRONISES FLOUS
THE PUBLISHING HOUSE PROCEEDINGS OF THE ROMANIAN ACADEMY, Series A, OF THE ROMANIAN ACADEMY Volume 9, Number 2/2008, pp. 000 000 APPROCHE DE LA SURVEILLANCE DES SYSTEMES PAR RESEAUX DE PETRI SYNCHRONISES
Plus en détailÉlue Correspondant le 25 avril 1994, puis Membre le 30 novembre 2004 dans la section Sciences mécaniques et informatiques
Odile Macchi Élue Correspondant le 25 avril 1994, puis Membre le 30 novembre 2004 dans la section Sciences mécaniques et informatiques Odile Macchi est directeur de recherche émérite au CNRS. Formation
Plus en détailDéroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI
1 Déroulement d un projet en DATA MINING, préparation et analyse des données Walid AYADI 2 Les étapes d un projet Choix du sujet - Définition des objectifs Inventaire des données existantes Collecte, nettoyage
Plus en détailFaire de la déformation interactive avec GIMP
Faire de la déformation interactive avec GIMP 1 - Option "Fichier", puis cliquer sur "Ouvrir" Nous allons créer un clin d'œil 2 - Choisir l'image à modifier en navigant dans les dossiers de l'ordinateur
Plus en détailDe la mesure à l analyse des risques
De la mesure à l analyse des risques Séminaire ISFA - B&W Deloitte Jean-Paul LAURENT Professeur à l'isfa, Université Claude Bernard Lyon 1 laurent.jeanpaul@free.fr http://laurent.jeanpaul.free.fr/ 0 De
Plus en détailIntroduction aux systèmes temps réel
Introduction aux systèmes temps réel Frank Singhoff Bureau C-203 Université de Brest, France LISyC/EA 3883 singhoff@univ-brest.fr UE applications de l informatique, Université de Brest Page 1/22 Plan du
Plus en détailValidation probabiliste d un Système de Prévision d Ensemble
Validation probabiliste d un Système de Prévision d Ensemble Guillem Candille, janvier 2006 Système de Prévision d Ensemble (EPS) (ECMWF Newsletter 90, 2001) Plan 1 Critères de validation probabiliste
Plus en détailVers une approche Adaptative pour la Découverte et la Composition Dynamique des Services
69 Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services M. Bakhouya, J. Gaber et A. Koukam Laboratoire Systèmes et Transports SeT Université de Technologie de Belfort-Montbéliard
Plus en détailCURRICULUM VITAE. Informations Personnelles
CURRICULUM VITAE Informations Personnelles NOM: BOURAS PRENOM : Zine-Eddine STRUCTURE DE RATTACHEMENT: Département de Mathématiques et d Informatique Ecole Préparatoire aux Sciences et Techniques Annaba
Plus en détailFig. 1 Le détecteur de LHCb. En bas à gauche : schématiquement ; En bas à droite: «Event Display» développé au LAL.
LHCb est l'une des expériences installées sur le LHC. Elle recherche la physique au-delà du Modèle standard en étudiant les mésons Beaux et Charmés. L accent est mis entre autres sur l étude de la violation
Plus en détailHiver 2013 IMN 259. Introduction à l analyse d images. Par Pierre-Marc Jodoin
Hiver 2013 Analyse d images IMN 259 Introduction à l analyse d images Par Pierre-Marc Jodoin Où se situe l analyse d images? Traitement d images Imagerie Image Analyse d images/ Vision par ordinateur Infographie
Plus en détailLe concept cellulaire
Le concept cellulaire X. Lagrange Télécom Bretagne 21 Mars 2014 X. Lagrange (Télécom Bretagne) Le concept cellulaire 21/03/14 1 / 57 Introduction : Objectif du cours Soit un opérateur qui dispose d une
Plus en détailOpérations de base sur ImageJ
Opérations de base sur ImageJ TPs d hydrodynamique de l ESPCI, J. Bico, M. Reyssat, M. Fermigier ImageJ est un logiciel libre, qui fonctionne aussi bien sous plate-forme Windows, Mac ou Linux. Initialement
Plus en détailPrésentation du sujet de thèse Schémas temporels hybrides fondés sur les SVMs pour l analyse du comportement du conducteur
Présentation du sujet de thèse Schémas temporels hybrides fondés sur les SVMs pour l analyse du comportement du conducteur Réalisé par : Bassem Besbes Laboratoire d Informatique, Traitement de l Information
Plus en détailL analyse d images regroupe plusieurs disciplines que l on classe en deux catégories :
La vision nous permet de percevoir et d interpreter le monde qui nous entoure. La vision artificielle a pour but de reproduire certaines fonctionnalités de la vision humaine au travers de l analyse d images.
Plus en détailCatégories de format d'optimisation
Catégories de format d'optimisation On distingue 3 formats principaux pour les images destinées au Web: JPG GIF PNG Le format JPG est le format idéal pour les photographies et ses paramètres d'optimisation
Plus en détailAGROBASE : un système de gestion de données expérimentales
AGROBASE : un système de gestion de données expérimentales Daniel Wallach, Jean-Pierre RELLIER To cite this version: Daniel Wallach, Jean-Pierre RELLIER. AGROBASE : un système de gestion de données expérimentales.
Plus en détailExtraction de caractéristiques visuelles d'images médicales pour la recherche par similitude et l'aide au diagnostic
Extraction de caractéristiques visuelles d'images médicales pour la recherche par similitude et l'aide au diagnostic Jérôme Palayret 1,2, Auréline Quatrehomme 1,2, Denis Hoa 1, William Puech 2 IMAIOS,
Plus en détailLA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»
LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers
Plus en détailTravaux pratiques avec RapidMiner
Travaux pratiques avec RapidMiner Master Informatique de Paris 6 Spécialité IAD Parcours EDOW Module Algorithmes pour la Fouille de Données Janvier 2012 Prise en main Généralités RapidMiner est un logiciel
Plus en détailProjet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies
Projet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies Régis Boulet Charlie Demené Alexis Guyot Balthazar Neveu Guillaume Tartavel Sommaire Sommaire... 1 Structure
Plus en détailChristophe CANDILLIER Cours de DataMining mars 2004 Page 1
Christophe CANDILLIER Cours de DataMining mars 2004 age 1 1. Introduction 2. rocessus du DataMining 3. Analyse des données en DataMining 4. Analyse en Ligne OLA 5. Logiciels 6. Bibliographie Christophe
Plus en détailFilière MMIS. Modélisation Mathématique, Images et Simulation. Responsables : Stefanie Hahmann, Valérie Perrier, Zoltan Szigeti
Filière MMIS Modélisation Mathématique, Images et Simulation Responsables : Stefanie Hahmann, Valérie Perrier, Zoltan Szigeti Valerie.Perrier@imag.fr Modélisation mathématique, Images et simulation (MMIS)
Plus en détailProcessus de comptage, Poisson mélange, fonction de perte exponentielle, système bonus-malus.
JF WALHIN* J PARIS* * Université Catholique de Louvain, Belgique Le Mans Assurances, Belgique RÉSUMÉ Nous proposons une méthodologie générale pour construire un système bonus-malus équilibré basé sur une
Plus en détailCONFERENCE PALISADE. Optimisation robuste d un plan d expériences par simulation Monte-Carlo Concepts de «Design Space» et de «Quality by Design»
CONFERENCE PALISADE Optimisation robuste d un plan d expériences par simulation Monte-Carlo Concepts de «Design Space» et de «Quality by Design» 1 SIGMA PLUS Logiciels, Formations et Etudes Statistiques
Plus en détailCouplage efficace entre Optimisation et Simulation stochastique Application à la maintenance optimale d une constellation de satellites
Couplage efficace entre Optimisation et Simulation stochastique Application à la maintenance optimale d une constellation de satellites Benoît Beghin Pierre Baqué André Cabarbaye Centre National d Etudes
Plus en détailMéthodes de Simulation
Méthodes de Simulation JEAN-YVES TOURNERET Institut de recherche en informatique de Toulouse (IRIT) ENSEEIHT, Toulouse, France Peyresq06 p. 1/41 Remerciements Christian Robert : pour ses excellents transparents
Plus en détaila) La technique de l analyse discriminante linéaire : une brève présentation. 3 étapes de la méthode doivent être distinguées :
a) La technique de l analyse discriminante linéaire : une brève présentation. Nous nous limiterons ici à l'analyse discriminante linéaire et à deux groupes : - linéaire, la variante utilisée par ALTMAN
Plus en détailProgrammation Linéaire - Cours 1
Programmation Linéaire - Cours 1 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Ouvrages de référence V. Chvátal - Linear Programming, W.H.Freeman, New York, 1983.
Plus en détailchoisir H 1 quand H 0 est vraie - fausse alarme
étection et Estimation GEL-64943 Hiver 5 Tests Neyman-Pearson Règles de Bayes: coûts connus min π R ( ) + ( π ) R ( ) { } Règles Minimax: coûts connus min max R ( ), R ( ) Règles Neyman Pearson: coûts
Plus en détailOPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT)
OPTIMISATION DE LA MAINTENANCE DES EQUIPEMENTS DE MANUTENTION DU TERMINAL A CONTENEURS DE BEJAIA (BMT) LAGGOUNE Radouane 1 et HADDAD Cherifa 2 1,2: Dépt. de G. Mécanique, université de Bejaia, Targa-Ouzemour
Plus en détailCodage hiérarchique et multirésolution (JPEG 2000) Codage Vidéo. Représentation de la couleur. Codage canal et codes correcteurs d erreur
Codage hiérarchique et multirésolution (JPEG 000) Codage Vidéo Représentation de la couleur Codage canal et codes correcteurs d erreur Format vectoriel (SVG - Scalable Vector Graphics) Organisation de
Plus en détailTechniques d interaction dans la visualisation de l information Séminaire DIVA
Techniques d interaction dans la visualisation de l information Séminaire DIVA Zingg Luca, luca.zingg@unifr.ch 13 février 2007 Résumé Le but de cet article est d avoir une vision globale des techniques
Plus en détailSensibilité (bas niveaux de lumière, hauts niveaux de lumière) Spectre de sensibilité : visible (400-700 nm) mais aussi IR, UV, RX
Les capteurs pour l imagerie en biologie i Marc Moreau Catherine Leclerc Centre de Biologie du développement UMR 5547 et GDR E n 731 Toulouse BC02 mars 2013 Les différents système d imagerie à base de
Plus en détail8563A. SPECTRUM ANALYZER 9 khz - 26.5 GHz ANALYSEUR DE SPECTRE
8563A SPECTRUM ANALYZER 9 khz - 26.5 GHz ANALYSEUR DE SPECTRE Agenda Vue d ensemble: Qu est ce que l analyse spectrale? Que fait-on comme mesures? Theorie de l Operation: Le hardware de l analyseur de
Plus en détailun nouvel œil pour l analyse de mouvement
un nouvel œil pour l analyse de mouvement L entreprise EyeNetics La S.A.R.L. EyeNetics a pour objectif de simplifier l utilisation des systèmes d analyse de mouvement. Dans cette optique nous avons conçu
Plus en détailModèles et politiques de sécurité pour les infrastructures critiques
Modèles et politiques de sécurité pour les infrastructures critiques Yves Deswarte deswarte@laas.fr LAAS-CNRS, Toulouse, France Exemple d infrastructure critique Production, transport, distribution d énergie
Plus en détailModélisation prédictive et incertitudes. P. Pernot. Laboratoire de Chimie Physique, CNRS/U-PSUD, Orsay pascal.pernot@u-psud.fr
Modélisation prédictive et incertitudes P. Pernot Laboratoire de Chimie Physique, CNRS/U-PSUD, Orsay pascal.pernot@u-psud.fr Le concept de Mesure Virtuelle mesure virtuelle résultat d un modèle visant
Plus en détailfacilitez-vous la vie avec Ray Technologie avancée pour le Confort
Dose réduite - Scan ultra-rapide - Tube x-ray pulsé - Plusieurs modes de balayage partielles 3 détecteurs exclusifs - Procédure fiable - Aucun risque de dommage - Longue durée de vie Mise à niveau facile
Plus en détailDéveloppements algorithmiques au LIAMA et àamap en vue de l'analyse d'une scène forestière
Développements algorithmiques au LIAMA et àamap en vue de l'analyse d'une scène forestière Principaux contributeurs: Zhang Xiaopeng (CASIA-NLPR-LIAMA Coordinateur Groupe Image) Li HongJun (CASIA-NLPR-LIAMA
Plus en détailCR 30-Xm. Unité de numérisation CR 30-Xm
U n i t é d e n u m é r i s at i o n CR 30-Xm 'Solution complète' de mammographie numérique et pour toutes les applications de radiographie générale L unité CR 30-Xm est une unité de radiographie numérisée
Plus en détailChoisir entre le détourage plume et le détourage par les couches.
Choisir entre le détourage plume et le détourage par les couches. QUEL CHOIX D OUTILS ET QUELLE METHODE, POUR QUEL OBJECTIF? Il existe différentes techniques de détourage. De la plus simple à la plus délicate,
Plus en détailparée e avec C. Germain, B. Kegl et M. Jouvin CS de l Université Paris Sud
Présentation prépar parée e avec C. Germain, B. Kegl et M. Jouvin CS de l Université Paris Sud (pré)histoire de la Grille Paris Sudn1 Les besoins de la communauté HEP La collaboration physiciens/informaticiens
Plus en détailINF6304 Interfaces Intelligentes
INF6304 Interfaces Intelligentes filtres collaboratifs 1/42 INF6304 Interfaces Intelligentes Systèmes de recommandations, Approches filtres collaboratifs Michel C. Desmarais Génie informatique et génie
Plus en détailData Mining. Vincent Augusto 2012-2013. École Nationale Supérieure des Mines de Saint-Étienne. Data Mining. V. Augusto.
des des Data Mining Vincent Augusto École Nationale Supérieure des Mines de Saint-Étienne 2012-2013 1/65 des des 1 2 des des 3 4 Post-traitement 5 représentation : 6 2/65 des des Définition générale Le
Plus en détailL indice de SEN, outil de mesure de l équité des systèmes éducatifs. Une comparaison à l échelle européenne
L indice de SEN, outil de mesure de l équité des systèmes éducatifs. Une comparaison à l échelle européenne Sophie Morlaix To cite this version: Sophie Morlaix. L indice de SEN, outil de mesure de l équité
Plus en détailCours de Mécanique du point matériel
Cours de Mécanique du point matériel SMPC1 Module 1 : Mécanique 1 Session : Automne 2014 Prof. M. EL BAZ Cours de Mécanique du Point matériel Chapitre 1 : Complément Mathématique SMPC1 Chapitre 1: Rappels
Plus en détailIdR Trading et Microstructure CA Cheuvreux. Charles-Albert Lehalle
IdR Trading et Microstructure CA Cheuvreux Charles-Albert Lehalle 2010-2014 Crédit Agricole Cheuvreux Kepler Cheuvreux L objectif de cette IdR «trading et microstructure des marchés» est de stimuler la
Plus en détailEntreprise et Big Data
Entreprise et Big Data Christophe Favart Chef Architecte, SAP Advanced Development, Business Information Technology Public Juin 2013 Agenda SAP Données d Entreprise Big Data en entreprise Solutions SAP
Plus en détail