Chapitre VI. Connexions et fonctions numériques

Dimension: px
Commencer à balayer dès la page:

Download "Chapitre VI. Connexions et fonctions numériques"

Transcription

1 Chapitre VI Connexions et fonctions numériques Concepts : -> Extension aux fonctions -> Opérateurs connexes -> Géodésie numérique -> Nivellements et auto-dualité Applications : -> Etude des extrema -> Préservation des contours -> Filtres forts -> Segmentation J. Serra Ecole des Mines de Paris ( 2000 ) Cours Morpho VI. 1

2 Passage au Numérique Trois passages du du binaire au au numérique sont à envisager. La La géodésie C'est le le plus simple. Dilatation et et érosion étant croissantes, il il suffit de de définir les les opérations numériques via via leurs correspondantes binaires, appliquées seuil par seuil. Les applications Ce Ce ne ne sont plus les les mêmes qu'en binaire. Priorité est est donnée ici ici au au traitement des extrema et et à la la préservation des contours. La La connexité La La tâche est est plus difficile. Il Il faut :: --soit généraliser le le concept de de connexion aux treillis complets, et et trouver des connexions adaptées aux fonctions numériques -- soit partir des fonctions pour induire des connexions ensemblistes sur sur leurs supports. On On ne ne présentera ici ici que ce ce second point de de vue, plus simple, mais moins puissant. J. Serra Ecole des Mines de Paris ( 2000 ) Cours Morpho VI. 2

3 Treillis de Fonctions (rappel) E étant un un ensemble arbitraire, et et T désignant R, R, Z ou ou une de de leurs parties fermées, les les fonctions f f :: E T forment à leur tour un un treillis,, noté T E,, pour l'ordre produit :: f f g ssi ssi f(x) g(x) pour tous x E,, et et où où le lesup et etl'inf dérivent des sup et etinf infnumériques, i.e. i.e. (( ff i )(x) i = ff i (x) i (x) (( ff i )(x) i = ff i (x) i (x).. On On convient de de noter 0 à la la fois le le minimum dans T et et dans T E Dans T E,, les les fonctions impulsions :: k x,t (y) x,t (y) = t t si si x = y ;; k x,t (y) x,t (y) = 0 si si x y sont sup-génératrices i.e. i.e. tout f f :: E T est est un un supremum d'impulsions. La La démarche précédente s' s' étend directement aux produits de de treillis de de type T, T, c'est à dire aux fonctions multivariées (( e.g. couleur). J. Serra Ecole des Mines de Paris ( 2000 ) Cours Morpho VI. 3

4 Treillis des partitions (rappel) Définition :: On On appelle Partition d un espace E toute application D: D: E σ(e) telle que (i) (i) x E,, x D(x) (ii) (ii) (x, (x, y) y) E, E, soit D(x) = D(y) soit D(x) D(y) = Les partitions de de E forment un untreillis γ pour l ordre selon lequel D D' D' quand chaque classe de de D est est incluse dans une classe de de D'. D'. Le Le plus grand élément de de γ est est E lui-même, et et le le plus petit celui qui pulvérise E en en la la totalité de de ses ses points. Le sup des deux types de cellules est le pentagone où leurs frontières coïncident. Leur inf, plus simple, s obtient par intersection des cellules. J. Serra Ecole des Mines de Paris ( 2000 ) Cours Morpho VI. 4

5 Connexions induites par des fonctions But :: Soit φ une connexion sur surσ(e) et et f f :: E T. T. Nous voulons construire un un critère régional σ sur sur f f tel tel que :: (i) (i) x E,, f(x) vérifie σ ;; (ii) (ii) A, A, B φ,, avec A B,, si si ff vérifie σ sur A et et sur B, B, alors f f vérifie σ sur A B.. Résultat :: Une telle propriété génère une sous-classe φ σ de de φ qui est est une seconde connexion sur sur σ(e). En En particulier, φ σ partitionne l espace E classes maximales vérifiant le le critère σ. σ. Exemple :: Les zones où où ff est est constante. Les composantes connexes de σ(r 1 ) according φ σ sont soit - les segments en rouge; - ou, ailleurs, les points. J. Serra Ecole des Mines de Paris ( 2000 ) Cours Morpho VI. 5

6 A x z y Connexion lisse B T λ λ{ { x y f E Connexion lisse :: E = R n n,, muni de de la la connexité par arcs,, et et la la fonction f f :: E T est est fixée. la la classe φ σ(r n n )) composée i) i) des singletons, plus de de l l ensemble vide ;; ii) ii) de de tous les les ouverts Y σ(r n n )) tels que f f est est k-lipschitz le le long de de tous les les chemins inclus dans Y, Y, constitue une seconde connexion sur sur σ(r n n ), ), appelée connexion lisse. Implémentation :: Soit H(x) est est le le cercle unité de de Z 22 au au point x. x. La La partition associée à φ admet pour classes non ponctuelles les les composantes connexes de de X = { x ΥE ;; sup{ f(x) --f(y), y Υ H(x)} k } J. Serra Ecole des Mines de Paris ( 2000 ) Cours Morpho VI. 6

7 Exemple de connexion lisse (I) Commentaire : Les deux phases de la micrographie ne peuvent pas être séparées par seuillage. Les connexions lisses les classent selon leur rugosité. a) Image initiale: micrographie électronique de roche b) connexion lisse de paramètre 7 c) connexion lisse de paramètre 6 (- en sombre, les composantes connexes ponctuelles - en blanc, chaque particule est base d un cylindre) J. Serra Ecole des Mines de Paris ( 2000 ) Cours Morpho VI. 7

8 Connexion par sauts Connection par sauts :: E = R n n,, muni de de la la connexité par arcs,, et et la la fonction f f :: E T est est fixée. La La classe φ σ(r n n )) composée :: i) i) des singletons, plus de de l l ensemble vide ;; ii)de tous les les ensembles connexes contenant un un minimum, et et où où les les valeurs de de f f sont à moins de de k au au dessus du du minimum ;; constitue une seconde connexion sur sur σ(r n n ), ), appelée connexion par sauts à partir des minima.. De De la la même manière, on on peut partir des maxima, ou ou prendre l intersection des deux connexions.. k { T m 0 Y Composante connexe dans la connexion par sauts de valeur k à partir des minima. f E J. Serra Ecole des Mines de Paris ( 2000 ) Cours Morpho VI. 8

9 Exemple de connexion par sauts a) Image initiale : section polie de grains d alumine b) connexion par sauts d amplitude 12: - en sombre, ensemble des composantes connexes ponctuelles - en blanc, bases (connexes) des cylindres c) Skiz de la réunion des points sombres de l image b) J. Serra Ecole des Mines de Paris ( 2000 ) Cours Morpho VI. 9

10 Opérateurs connexes Définition :: Un Un opérateur ψ :: T E E T T E E sur sur les les fonctions numériques est est dit dit connexe (( pour pour un un critère σ) σ) quand la la partition de de E par par ψ(f) ψ(f) est est plus plus grande que que celle celle de de E par par f. f. a) b) c) d) Trois images mosaïques, dues à C. Vachier, obtenues par fusion des régions de la LPE du gradient de a): b) par dynamique ; c) selon les aires ; d) par volumes. J. Serra Ecole des Mines de Paris ( 2000 ) Cours Morpho VI. 10

11 Opérateurs connexes, planaires, et croissants A partir d ici, nous considérons uniquement i i )) les les critères portant sur sur les les zones plates des fonctions ;; ii ii )) les les opérateurs ψ :: T E T T E qui sont planaires et et croissants.. Propriétés de de base :: Tout opérateur connexe binaire (resp. et et croissant) induit sur sur T E,, via via les les section planes, un un unique opérateur connexe (resp. et et croissant) (( H. H. Heijmans ));; En En particulier, les lesdémarches géodesiques s étendent au au cas numérique ;; Leurs éventuelles propriétés d être des filtres forts, de de constituer des semigroupes, etc.. sont transmises aux opérateurs connexes induits sur sur T E.. On On remarquera qu une opération peut être anti-extensive sur sur T E,, et et extensive sur sur le le treillis γ des partitions (les ouvertures par reconstruction, par ex.). J. Serra Ecole des Mines de Paris ( 2000 ) Cours Morpho VI. 11

12 Dilatations Géodésiques Numériques (I) Soient f,g f,g deux fonctions numériques de der dd dans R, R, telles que g f. f. La La dilatation géodésique binaire de de taille λ appliquée seuil par seuil aux sections de de f f marquées par celles de de g induit sur sur f f une dilatation δ f,λ f,λ (g) (g) (S.Beucher). En En d autres termes (L.Vincent), le le sous-graphe de deδ f,λ f,λ (g) (g) est est formé des points du du sous-graphe de de f f reliés au au sous-graphe de de g par un un chemin: -- non descendant; -- de de longueur λ. λ. f g δ f,λ (g) dilatation géodésique numérique de g relativement à f J. Serra Ecole des Mines de Paris ( 2000 ) Cours Morpho VI. 12

13 Dilatations Géodésiques Numériques (II) La La version digitale part de de la la dilatation géodésique de de taille unité δ f (g) f (g) = inf inf (g (g + B, B, f) f) que l'on itère n fois pour obtenir la la taille n δ f f,n(g) = δ (n) f (n) f (g) (g) = δ f f (δ (δ f f......(δ (δ f f (g))). Les érosions euclidienne et et digitale se se déduisent des dilatations correspondantes par la la dualité ε f (g) f (g) = m --δ f (m f (m--g) g),, différente du du cas géodésique binaire. f g ε f,λ (g) érosion géodésique numérique de f relativement à g J. Serra Ecole des Mines de Paris ( 2000 ) Cours Morpho VI. 13

14 Reconstruction Numérique L'ouverture de de f f par reconstruction selon g, g, est est le le supremum des dilatation géodésiques de de g dans f, f, considéré comme fonction de de f: f: γ rec rec (f (f;; g) g) = {δ f,λ (g) f,λ (g),, λ>0 } avec pour fermeture duale pour le le négatif ϕ rec rec (f (f;; g) g) = m --γ rec rec (m- f f ;; m- m-g) g) Trois exemples sont très utiles: -L' érosion-reconstruction; -Leswamping, reconstruction d'une fonction marquée par ses ses maxima; -L' ouverture par contraste, qui mène à l'extraction des maxima. f g γ rec (f ; g) Reconstruction numérique de g dans f J. Serra Ecole des Mines de Paris ( 2000 ) Cours Morpho VI. 14

15 Erosion-Reconstruction Objectif : Préservation des contours Alors que l'ouverture par érosion-dilatation modifie les contours des éléments, l'ouverture par reconstruction les restitue sans changement s'ils n'ont pas été éliminés par le filtrage. Dans cette reconstruction : - la référence est le signal original, Elément structurant :B Dilatation - le marqueur est un érodé de la référence: Original Erosion Reconstruction Ouverture morpho. γ rec ( f ; ε B (f) ) = {δ f (n) (ε B (f)), n > 0 } Ouverture par reconst. J. Serra Ecole des Mines de Paris ( 2000 ) Cours Morpho VI. 15

16 Application à l'examen du fond de l oeil Commentaire: Le but est d' extraire et de localiser les anévrismes. Les opérateurs par reconstruction garantissent qu'on retire exclusivement les pics petits et isolés ( étude de F. Zana et J.C. Klein) a) Image initiale b) fermeture par c) différence a) moins b) dilatation-reconstruction suivie d'un seuillage suivie d'ouverture par érosion- reconstruction J. Serra Ecole des Mines de Paris ( 2000 ) Cours Morpho VI. 16

17 Swamping (reconstruction par marqueurs) Objectif : Reconfigurer les maxima d'une fonction par ouverture connexe ( par reconstruction) Moyens : On utilise des marqueurs i.e. une fonction à 2 niveaux (0,m) qui identifie les pics à garder. Le procédé de reconstruction crée une fonction égale à l'originale dans les zones d'intérêt et élimine les extrema non marqués Le résultat fournit la plus grande fonction f et possédant des maxima aux points marqués. On le nomme le swamping de f par ouverture (S.Beucher, F.Meyer), cf. la version par fermeture in X-6. Rec. marqueur: m Swamping de f par le marqueur m f J. Serra Ecole des Mines de Paris ( 2000 ) Cours Morpho VI. 17

18 Exemple de swamping: ouverture de contraste Objectif : Les ouvertures morphologiques ou par érosion-reconstruction éliminent les composantes en fonction de leur structure spatiale (taille, forme). Le but du filtre de contraste est d'éliminer les composantes de faible contraste (M.Grimaud). Moyens : Original Cette transformation s'interprète au C moyen d' une reconstruction où: Résultat - la référence est le signal original; - le marqueur de l'ouverture est le signal original diminué d'une constante c. γ rec (f ; f-c) = {δ f (n) (f-c), n > 0 } J. Serra Ecole des Mines de Paris ( 2000 ) Cours Morpho VI. 18

19 Maxima et Ouverture de Contraste Un Un point x du du graphe de de f f est est sur sur un un maximum quand aucun chemin qui le le joint aux autres points du du graphe n'est strictement ascendant. Les maxima sont des parties connexes plates entourées de de points situés tous plus bas. Ils Ils sont donc obtenus par résidus de de l'ouverture de de contraste, lorsque la la valeur du du décalage est est Plus généralement, le le résidus associé au au décalage c extrait les les maxima entourés d'une zone descendante de de hauteur 8c. 8c. On On les les nomme maxima étendus (S. (S. Beucher). J. Serra Ecole des Mines de Paris ( 2000 ) Cours Morpho VI. 19

20 Filtres forts par reconstruction Proposition(J.Serra): Soit γ rec rec une ouverture par reconstruction sur sur T E qui ne ne crée pas de de pores, et et soit ϕ rec rec la la fermeture duale pour le le complément d une ouverture de de ce ce type (( mais pas nécessairement γ rec rec ). ). Alors :: ν = ϕ rec rec γ rec rec et et µ = γ rec rec ϕ rec rec sont des filtres forts. [[ Tout pore de de X, X, d abord bouché par ϕ rec rec (X),, puis restitué par γ rec rec (X) devient pore de de X γ rec rec ϕ rec rec (X), et et il il n y en en a pas d autres d où µ(ι µ(ι µ) µ) = µ.] µ.] En En particulier, ΙΙ γ rec rec ϕ rec rec est est une ouverture (appréciée pour son top-hat quand on on l étend aux fonctions numériques, cf. cf. IV-9). Proposition (J.Crespo, J.Serra) :: Soient {γ {γ rec rec i et {ϕ rec i } et {ϕ rec i } i une granulométrie et et une anti-granulométrie du du type précédent, alors :: 1) 1) Les filtres alternés séquentiels associés N ii et et M ii sont forts;et 2) 2) Les deux opérateurs Ψ n ={ϕ i γ i i, i, 1 i n} et et Θ n = {γ {γ i ϕ i i, i, 1 i n} sont aussi des filtres forts. J. Serra Ecole des Mines de Paris ( 2000 ) Cours Morpho VI. 20

21 Semi-groupes de filtres par reconstruction Proposition (Ph. Salembier, J.Serra): Soit γ rec rec une ouverture par reconstruction sur sur E et et ϕ une fermeture qui ne ne crée pas de de composantes connexes. Alors :: ϕ γ rec rec γ γ rec rec ϕ (( γ rec rec ϕγ rec rec = ϕ γ rec rec ϕ γ rec rec ϕ=γ rec rec ϕ) ϕ) [ϕγ rec rec est est invariant pour γ rec rec car carϕ, ϕ, extensive, ne ne peut qu élargir les les composantes connexes déjà existantes de de γ rec rec (X) ]] Proposition (Ph. Salembier, J.Serra): Soit {γ {γ rec rec i } i une granulométrie et et {ϕ {ϕ i } i une anti-granulométrie des types précédents.. Alors :: 1) 1) pour tout i, i, les les deux produits de de composition ν i i rec i et i rec i = ϕ i γ rec i et µ i = γ rec i ϕ i i vérifient i les les relations j i j i ν i ν i j = j ν j et j et µ i µ i j = j µ jj [On a toujours j i j i µ j j µ i i µ j j.. De De plus, ici ici γ rec rec j j =γ rec i rec j j =γ rec i j rec j j γ rec i i rec j ϕ j =γ rec i γ rec j ϕ j =γ rec i ϕ j γ rec j ϕ j γ rec i ϕ i γ rec jj ϕ j j ]] 2) 2) En En conséquence, les les A.S.F. associés N i et i et M i forment i le lesemi groupe N j N j i =N i i N i j = j N sup(i,j) ; sup(i,j) ; M j M j i =M i i M i j = j M sup(i,j) sup(i,j) J. Serra Ecole des Mines de Paris ( 2000 ) Cours Morpho VI. 21

22 Exemple d une pyramide de F.A.S connexes Connexion par zones plates ( i.e. ϕ = 0 ). Chaque contour est préservé ou supprimé, mais jamais déformé : la partition initiale croit par action des filtres successifs, qui sont forts et forment un semi groupe FAS de taille 8 FAS de taille 4 Image initiale FAS de taille 1 (éléments structurants hexagonaux) J. Serra Ecole des Mines de Paris ( 2000 ) Cours Morpho VI. 22

23 Adjacence On On dérive des ouvertures par marqueur un un opérateur auto-dual, nommé nivellement, du du à F.Meyer. Introduisons d abord la la notion d adjacence :: Adjacence (J. (J. Serra): Soit φ une connexion sur sur σ(e). Les ensembles X,Y σ(e) sont dits adjacents quand X Y est est connexe, alors que X et et Y sont disjoints. Pour la la connexion digitale définie M par l ouverture de de carré 2x2,, le le marqueur ponctuel M de de la la figure X bien qu qu adjacent à aucun grain de de l ensemble X, X, l est à X lui-même. Protection contre l adjacence :: la la connexion φ protège de de l adjacence, quand pour tout élément M σ(e) et et toute famille {B {B i i ;i I} dans φ, φ, il il est est équivalent que M ne ne soit adjacent à aucun des B ii ou ou à leur réunion B B i. i. J. Serra Ecole des Mines de Paris ( 2000 ) Cours Morpho VI. 23

24 Nivellements Etant donné un un ensemble marqueur M, M, considérons A σ(e) et et soit ~ γ M (A) la la réunion des grains de de A qui rencontrent M ou ou qui lui lui sont adjacents (disjoints de de M mais dont l union avec un un grain de de M est est connexe) ~ ϕ M (A) la la réunion de de A et et des pores inclus dans M, M, et et non adjacents à M cc Définition (F. (F. Meyer) :: On On appelle nivellement λ le lesupremum d activité λ = γ M ϕ M i.e. i.e. λ(a) A = γ M A, A, et et λ(a) A c c = ϕ M A c c ;; λ agit sur sur A comme l ouverture γ M,, et et sur sur A cc comme la la fermeture ϕ M.. Auto-dualité: L application (A,M) λ (A,M) de de σ(e) σ(e) σ(e) est est autoduale. Si Si M dépend lui lui même de de A, A, i.e. i.e. M= µ(a), alors le le nivellement, en en tant que fonction de de A seulement, est est auto-dual ssi ssi µ l est déjà. L extension du du nivellement aux fonctions numériques se se note (( f f,, g )) Λ (( f f,, g )) J. Serra Ecole des Mines de Paris ( 2000 ) Cours Morpho VI. 24

25 Propriétés des nivellements Voici quelques propriétés des nivellements qui justifient leur intérêt: Proposition(F.Meyer): le le nivellement (A,M) λ (A,M) est est une application croissante de de σ(e) σ(e) σ(e) qui admet l expression equivalente: λ = γ M (( ϕ M ) ) Proposition(G.Matheron): Les deux applications ~ A λ Μ (A),, à M fixé, et et ~ M λ Α (M),, à A fixé, sont idempotentes (et (et sont donc des filtres connexes sur sur σ(e) )).. Proposition(J.Serra): Le Le nivellement A λ Μ (A) est est un un filtre fort, produit commutatif de de ses ses deux primitives, i.e. i.e. λ = γ M 1 ϕ M = ϕ M 1γ M ssi ssila la connexion φ protège de de l adjacence ;; λ vérifie alors la la relation de de stabilité γ x ( x ( I λ )) = γ x γ x γ x λ, x λ, préservant le le sens des variations grains/pores J. Serra Ecole des Mines de Paris ( 2000 ) Cours Morpho VI. 25

26 Exemple Image initiale : Joueur de fifre, de E. MANET Marqueurs : filtres alternés carrés de taille 2 (non auto-dual) Image initiale, pels dont en zones plates Nivellement selon ϕ γ zones plates : Nivellement selon γ ϕ zones plates : J. Serra Ecole des Mines de Paris ( 2000 ) Cours Morpho VI. 26

27 Dualité pour les fonctions Notons 0 et et m les les extrema numériques (( i.e. i.e. ceux de de l l axe des gris T ). ). L involution qui remplace l opération de de complément f m --f f.. Or Or il il vient pour le le nivellement Λ m --Λ (( m --f f,, m -g -g)) = Λ (( f, f, g )) (1) (1) ce ce qui signifie que l l application f, f, g Λ(f, g) g) est est toujours auto-duale. De De plus, si si g se se déduit de de f f par une opération auto -duale, i.e. i.e. g = g(f), avec m -g -g(( m --f f )) = g (( f f )) (2) (2) (convolution, médiane), alors le le nivellement f f Λ(f, g(f)) est est auto-dual. On On remarquera que la la rel. (2) (2) est est différente de de l invariance par involution g (( m --f f )) = g (( f f )) Cette dernière, vérifiée par le le module du du gradient, or or par les les extrema étendus, par exemple, n entraine pas l auto-dualité de de f f Λ(f). J. Serra Ecole des Mines de Paris ( 2000 ) Cours Morpho VI. 27

28 Exemple de dualité Marqueur : réunion des maxima et minima de dynamique 8 h ( invariance pour le complément). Image initiale zones plates: h = 80 zones plates : J. Serra Ecole des Mines de Paris ( 2000 ) Cours Morpho VI. 28

29 Nivellements comme fonctions du marqueur Etudions l application M λ A (M) quand le le marqueur M varie, à A fixé. L ensemble A génère l ordre 9 A de de la la A-activité, sur sur σ(e), par les les relations M A M 22 Si Si M 11 rencontre A ou ou lui lui est est adjacent, alors M 22 rencontre A ou ou lui lui est est adjacent et et si si M 22 rencontre A cc ou ou lui lui est est adjacent, alors M 11 rencontre A cc ou ou lui lui est est adjacent.. M 1 M2 A Proposition (J. (J. Serra): Si Si M 11 9 A M 22 il il vient λ M1 M1 λ M2 M2 (A) = λ M2 M2 λ M1 M1 (A) = λ M2 M2 (A) Cette pyramide granulométrique permet de de doser l activité des marqueurs. J. Serra Ecole des Mines de Paris ( 2000 ) Cours Morpho VI. 29

30 Exemple de Pyramide Marqeur (auto-dual): image initiale, après avoir attribué zéro aux h-extrema Image initiale zones plates : Nivellement pour h = 50 zones plates : Nivellement pour h = 80 zones plates : J. Serra Ecole des Mines de Paris ( 2000 ) Cours Morpho VI. 30

31 Exemple de réduction de bruit Marqueur (auto-dual) : Convoluée gaussienne de taille 5 de l image initiale a) Image initiale, plus points de bruit b) Convolution gaussienne of a) c) Nivellement de a) par b) zones plates : J. Serra Ecole des Mines de Paris ( 2000 ) Cours Morpho VI. 31

32 Références Sur la la géodésie :: Les éléments essentiels de de la la géodésie numérique ont été été découverts par S.Beucher et et F.Meyer dans les les années 80, et et publiés dans {BEU90} et et {MEY90}. L.Vincent {VIN93}, P. P. Soille {SOI91} et et C.Vachier {VAC95} y l ont complétée d importantes contributions algorithmiques. Sur les les opérateurs connexes :: Dans {MEY90} et et {SAL92}, la la reconstruction est est utilisée pour modifier l homotopie d une fonction, en enmulti-résolution. L ouverture par contraste est est introduite dans {GRI92}. Les pyramides d opérateurs connexes apparaissent dans{ser93, ils ils servent pour la la compression et et le le filtrage des séquences dans {MGT96}, {SAL96}, {PAR94}, {CAS97} et et {DEC97}. Les nivellements sont dus à F.Meyer {MEY98}, cf cfaussi {MAT97} et et {SER98b}. Sur les les connexions pour les les fonctions (( ch. XVIII): La La notion de de connexion sur sur un un treillis, avec application aux fonctions, est est due à J.Serra {SER98a et et b}. b}. J. Serra Ecole des Mines de Paris ( 2000 ) Cours Morpho VI. 32

Chapitre IX SKIZ et Ligne de partage des eaux

Chapitre IX SKIZ et Ligne de partage des eaux Chapitre IX SKIZ et Ligne de partage des eaux SKIZ euclidien et géodésique Fonction distance Ligne de partage des eaux Définition et propriétés Algorithmes J. Serra Ecole des Mines de Paris ( 2000 ) Course

Plus en détail

Master IMA - UMPC Paris 6 RDMM - Année 2009-2010 Fiche de TP

Master IMA - UMPC Paris 6 RDMM - Année 2009-2010 Fiche de TP Master IMA - UMPC Paris 6 RDMM - Année 2009-200 Fiche de TP Préliminaires. Récupérez l archive du logiciel de TP à partir du lien suivant : http://www.ensta.fr/~manzaner/cours/ima/tp2009.tar 2. Développez

Plus en détail

Morphologie mathématique : introduction. Morphologie mathématique : introduction

Morphologie mathématique : introduction. Morphologie mathématique : introduction Morpologie matématique 2D et 3D Application en analyse d image Morpologie matématique : introduction Téorie de traitement non linéaire de l information introduite en France dans les années 60 par G. Materon

Plus en détail

OPERATEURS MORPHOLOGIQUES

OPERATEURS MORPHOLOGIQUES OPERATEURS MORPHOLOGIQUES Ensembles caractéristiques et éléments structurants Érosion et dilatation Ouverture et fermeture Application au filtrage Extraction de contours, remplissage de régions Épaississement,

Plus en détail

TP5 - Morphologie mathématique

TP5 - Morphologie mathématique TP5 - Morphologie mathématique Vincent Barra - Christophe Tilmant 5 novembre 2007 1 Partie théorique 1.1 Introduction La morphologie mathématique [1] est un outil mathématique permettant au départ d explorer

Plus en détail

Traitement bas-niveau

Traitement bas-niveau Plan Introduction L approche contour (frontière) Introduction Objectifs Les traitements ont pour but d extraire l information utile et pertinente contenue dans l image en regard de l application considérée.

Plus en détail

Exemple de filtrage non-linéaire : le filtrage médian

Exemple de filtrage non-linéaire : le filtrage médian Exemple de filtrage non-linéaire : le filtrage médian Le filtrage médian est une opération non-linéaire : médiane { x m + y m } médiane { x m } + médiane { y m } sauf exception exemple sur des séquences

Plus en détail

III Caractérisation d'image binaire

III Caractérisation d'image binaire III Caractérisation d'image binaire 1. Généralités Les images binaires codent l'information sur deux valeurs. Rarement le résultat direct d'un capteur, mais facilement obtenues par seuillage dans certains

Plus en détail

Géométrie discrète Chapitre V

Géométrie discrète Chapitre V Géométrie discrète Chapitre V Introduction au traitement d'images Géométrie euclidienne : espace continu Géométrie discrète (GD) : espace discrétisé notamment en grille de pixels GD définition des objets

Plus en détail

Image d un intervalle par une fonction continue

Image d un intervalle par une fonction continue DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction

Plus en détail

L analyse d images regroupe plusieurs disciplines que l on classe en deux catégories :

L 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 détail

Chapitre VI : Les images binaires

Chapitre VI : Les images binaires Chapitre VI : Les images binaires Une image binaire est une image pour laquelle chaque pixel ne peut avoir pour valeur que 0 ou 1. La manipulation de telles images regorge d'outils spécialisés ainsi que

Plus en détail

Vision par Ordinateur

Vision par Ordinateur Vision par Ordinateur James L. Crowley DEA IVR Premier Bimestre 2005/2006 Séance 6 23 novembre 2005 Détection et Description de Contraste Plan de la Séance : Description de Contraste...2 Le Détecteur de

Plus en détail

Agrégation interne de Mathématiques. Session 2009. Deuxième épreuve écrite. (et CAERPA)

Agrégation interne de Mathématiques. Session 2009. Deuxième épreuve écrite. (et CAERPA) Agrégation interne de Mathématiques (et CAEPA Session 2009 Deuxième épreuve écrite 2 NOTATIONS ET PÉLIMINAIES On désigne par le corps des nombres réels et par C le corps des nombres complexes. Si f est

Plus en détail

Jeux à somme nulle : le cas fini

Jeux à somme nulle : le cas fini CHAPITRE 2 Jeux à somme nulle : le cas fini Les jeux à somme nulle sont les jeux à deux joueurs où la somme des fonctions de paiement est nulle. Dans ce type d interaction stratégique, les intérêts des

Plus en détail

Introduction à la Topologie

Introduction à la Topologie Introduction à la Topologie Licence de Mathématiques Université de Rennes 1 Francis Nier Dragoş Iftimie 2 3 Introduction Ce cours s adresse à des étudiants de Licence en mathématiques. Il a pour objectif

Plus en détail

Intégration et probabilités 2012-2013. TD3 Intégration, théorèmes de convergence Corrigé. 1 Petites questions. n hésitez pas à m envoyer un mail à

Intégration et probabilités 2012-2013. TD3 Intégration, théorèmes de convergence Corrigé. 1 Petites questions. n hésitez pas à m envoyer un mail à Intégration et probabilités 212-213 TD3 Intégration, théorèmes de convergence Corrigé xercice ayant été voué à être préparé xercice 1 (Mesure image). Soient (, A, µ) un espace mesuré, (F, B) un espace

Plus en détail

Cours d Analyse. Fonctions de plusieurs variables

Cours d Analyse. Fonctions de plusieurs variables Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........

Plus en détail

Théorie de la Mesure et Intégration

Théorie de la Mesure et Intégration Université Pierre & Marie Curie (Paris 6) Licence de Mathématiques L3 UE LM364 Intégration 1 & UE LM365 Intégration 2 Année 2010 11 Théorie de la Mesure et Intégration Responsable des cours : Amaury LAMBERT

Plus en détail

Utilisation du logiciel ImageJ gratuit

Utilisation du logiciel ImageJ gratuit Utilisation du logiciel ImageJ gratuit on peut récupérer sur le lien suivant : http://rsbweb.nih.gov/ij/ à partir duquel ce résumé très bref (!!) a été élaboré Lancer ImageJ Vous avez une fenêtre qui s'ouvre

Plus en détail

Intégration et probabilités TD1 Espaces mesurés

Intégration et probabilités TD1 Espaces mesurés Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?

Plus en détail

Développements limités. Notion de développement limité

Développements limités. Notion de développement limité MT12 - ch2 Page 1/8 Développements limités Dans tout ce chapitre, I désigne un intervalle de R non vide et non réduit à un point. I Notion de développement limité Dans tout ce paragraphe, a désigne un

Plus en détail

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

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 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 détail

1 Codes linéaires. G = [I k A]. Dans ce cas on constate que la matrice. H = [ t A I n k ] est une matrice de contrôle de C. Le syndrome de x F n q

1 Codes linéaires. G = [I k A]. Dans ce cas on constate que la matrice. H = [ t A I n k ] est une matrice de contrôle de C. Le syndrome de x F n q 1 Codes linéaires Un code de longueur n est une partie de F n q. Un code linéaire C de longueur n sur le corps ni F q est un sous-espace vectoriel de F n q. Par défaut, un code sera supposé linéaire. La

Plus en détail

Marches, permutations et arbres binaires aléatoires

Marches, permutations et arbres binaires aléatoires Marches, permutations et arbres binaires aléatoires Épreuve pratique d algorithmique et de programmation Concours commun des Écoles Normales Supérieures Durée de l épreuve: 4 heures Cœfficient: 4 Juillet

Plus en détail

Les algorithmes de base du graphisme

Les algorithmes de base du graphisme Les algorithmes de base du graphisme Table des matières 1 Traçage 2 1.1 Segments de droites......................... 2 1.1.1 Algorithmes simples.................... 3 1.1.2 Algorithmes de Bresenham (1965).............

Plus en détail

3 Approximation de solutions d équations

3 Approximation de solutions d équations 3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle

Plus en détail

Cours3. Applications continues et homéomorphismes. 1 Rappel sur les images réciproques

Cours3. Applications continues et homéomorphismes. 1 Rappel sur les images réciproques Université de Provence Topologie 2 Cours3. Applications continues et homéomorphismes 1 Rappel sur les images réciproques Soit une application f d un ensemble X vers un ensemble Y et soit une partie P de

Plus en détail

Vision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007

Vision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007 Vision industrielle et télédétection - Détection d ellipses Guillaume Martinez 17 décembre 2007 1 Table des matières 1 Le projet 3 1.1 Objectif................................ 3 1.2 Les choix techniques.........................

Plus en détail

Eléments de correction du Bac Blanc n 2 de Mathématiquesdu Lundi 8 Avril2013. Calculatrice autorisée - Aucun document n'est autorisé.

Eléments de correction du Bac Blanc n 2 de Mathématiquesdu Lundi 8 Avril2013. Calculatrice autorisée - Aucun document n'est autorisé. TES Spé Maths Eléments de correction du Bac Blanc n 2 de Mathématiquesdu Lundi 8 Avril2013 Calculatrice autorisée - Aucun document n'est autorisé. Vous apporterez un grand soin à la présentation et à la

Plus en détail

Calcul fonctionnel holomorphe dans les algèbres de Banach

Calcul fonctionnel holomorphe dans les algèbres de Banach Chapitre 7 Calcul fonctionnel holomorphe dans les algèbres de Banach L objet de ce chapitre est de définir un calcul fonctionnel holomorphe qui prolonge le calcul fonctionnel polynômial et qui respecte

Plus en détail

Structures de données non linéaires

Structures de données non linéaires Structures de données non linéaires I. Graphes Définition Un graphe (simple) orienté G est un couple (S, A), où : S est un ensemble dont les éléments sont appelés les sommets. A est un ensemble de couples

Plus en détail

Projet 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 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 détail

BACCALAUREAT GENERAL MATHÉMATIQUES

BACCALAUREAT GENERAL MATHÉMATIQUES BACCALAUREAT GENERAL FEVRIER 2014 MATHÉMATIQUES SERIE : ES Durée de l épreuve : 3 heures Coefficient : 5 (ES), 4 (L) 7(spe ES) Les calculatrices électroniques de poche sont autorisées, conformement à la

Plus en détail

Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre

Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables

Plus en détail

Intégrale de Lebesgue

Intégrale de Lebesgue Intégrale de Lebesgue L3 Mathématiques Jean-Christophe Breton Université de Rennes 1 Septembre Décembre 2014 version du 2/12/14 Table des matières 1 Tribus (σ-algèbres) et mesures 1 1.1 Rappels ensemblistes..............................

Plus en détail

Théorie des graphes pour l analyse de réseaux réels

Théorie des graphes pour l analyse de réseaux réels Théorie des graphes pour l analyse de réseaux réels Bertrand Jouve Laboratoire ERIC - IXXI - Université Lyon 2 Plan 1 Entre théorie des graphes et réseaux réels 2 Partitionnement métrique Exemple d étude

Plus en détail

Intégration et probabilités TD1 Espaces mesurés Corrigé

Intégration et probabilités TD1 Espaces mesurés Corrigé Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.

Plus en détail

Mathématiques pour l Informatique Relations binaires Jérôme Gensel

Mathématiques pour l Informatique Relations binaires Jérôme Gensel Master ICA Spécialité IHS Année 2007/2008 Mathématiques pour l Informatique Relations binaires Jérôme Gensel I) Relations binaires 1. Généralités Définition 1 : Une relation binaire d un ensemble E vers

Plus en détail

Théorie spectrale. Stéphane Maingot & David Manceau

Théorie spectrale. Stéphane Maingot & David Manceau Théorie spectrale Stéphane Maingot & David Manceau 2 Théorie spectrale 3 Table des matières Introduction 5 1 Spectre d un opérateur 7 1.1 Inversibilité d un opérateur........................... 7 1.2 Définitions

Plus en détail

L2 MIEE 2012-2013 VAR Université de Rennes 1

L2 MIEE 2012-2013 VAR Université de Rennes 1 . Sous-ensembles de R n et fonctions (suite) 1 Nappes paramétrées Si f une fonction de deux variables, son graphe est une surface incluse dans R 3 : {(x, y, f(x, y)) / (x, y) R 2 }. Une telle surface s

Plus en détail

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer

Plus en détail

Université Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications

Université Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications Université Paris-Dauphine DUMI2E 1ère année, 2009-2010 Applications 1 Introduction Une fonction f (plus précisément, une fonction réelle d une variable réelle) est une règle qui associe à tout réel x au

Plus en détail

Fête de la science Initiation au traitement des images

Fête de la science Initiation au traitement des images Fête de la science Initiation au traitement des images Détection automatique de plaques minéralogiques à partir d'un téléphone portable et atelier propose de créer un programme informatique pour un téléphone

Plus en détail

Axe " Génie des Procédés", centre SPIN, Ecole des Mines de Saint-Etienne ECOLE DES MINES SAINT-ETIENNE ANALYSE D IMAGE

Axe  Génie des Procédés, centre SPIN, Ecole des Mines de Saint-Etienne ECOLE DES MINES SAINT-ETIENNE ANALYSE D IMAGE ANALYSE D IMAGE 1. PRESENTATION DE L ANALYSE D IMAGE. 4 1.1. OJECTIF ET BUT DE L ANALYSE D IMAGE 4 1.2. PRINCIPE 4 1.2.1. FORMATION DE L IMAGE NUMERIQUE 4 1.2.2. TRANSFORMATION DE L IMAGE NUMERIQUE EN

Plus en détail

Relation d ordre. Manipulation des relations d ordre. Lycée Pierre de Fermat 2012/2013 Feuille d exercices

Relation d ordre. Manipulation des relations d ordre. Lycée Pierre de Fermat 2012/2013 Feuille d exercices Lycée Pierre de Fermat 2012/2013 MPSI 1 Feuille d exercices Manipulation des relations d ordre. Relation d ordre Exercice 1. Soit E un ensemble fixé contenant au moins deux éléments. On considère la relation

Plus en détail

Plus courts chemins, programmation dynamique

Plus courts chemins, programmation dynamique 1 Plus courts chemins, programmation dynamique 1. Plus courts chemins à partir d un sommet 2. Plus courts chemins entre tous les sommets 3. Semi-anneau 4. Programmation dynamique 5. Applications à la bio-informatique

Plus en détail

LA PHYSIQUE DES MATERIAUX. Chapitre 1 LES RESEAUX DIRECT ET RECIPROQUE

LA PHYSIQUE DES MATERIAUX. Chapitre 1 LES RESEAUX DIRECT ET RECIPROQUE LA PHYSIQUE DES MATERIAUX Chapitre 1 LES RESEAUX DIRECT ET RECIPROQUE Pr. A. Belayachi Université Mohammed V Agdal Faculté des Sciences Rabat Département de Physique - L.P.M belayach@fsr.ac.ma 1 1.Le réseau

Plus en détail

La classification automatique de données quantitatives

La classification automatique de données quantitatives La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations

Plus en détail

Par : Abdel YEZZA, Ph.D. Date : avril 2011 / mise à jour oct. 2012 (ajout de la section 3 et augmentation de la section 1)

Par : Abdel YEZZA, Ph.D. Date : avril 2011 / mise à jour oct. 2012 (ajout de la section 3 et augmentation de la section 1) 1 Que signifient AON et AOA? Par : Abdel YEZZA, Ph.D. Date : avril 2011 / mise à jour oct. 2012 (ajout de la section 3 et augmentation de la section 1) Sommaire 1. Concepts... 2 2. Méthode PCM appliquée

Plus en détail

Première partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015

Première partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015 Énoncé Soit V un espace vectoriel réel. L espace vectoriel des endomorphismes de V est désigné par L(V ). Lorsque f L(V ) et k N, on désigne par f 0 = Id V, f k = f k f la composée de f avec lui même k

Plus en détail

Arbres binaires de recherche

Arbres binaires de recherche Chapitre 1 Arbres binaires de recherche 1 Les arbre sont très utilisés en informatique, d une part parce que les informations sont souvent hiérarchisées, et peuvent être représentées naturellement sous

Plus en détail

BACCALAUREAT GENERAL

BACCALAUREAT GENERAL ACCALAUREAT GENERAL Session 2009 MATHÉMATIQUES - Série ES - Enseignement de Spécialité Liban EXERCICE 1 1) 2) C 3) C 4) A Explication 1. Chacun des logarithmes existe si et seulement si x > 4 et x > 2

Plus en détail

Opérations de base sur ImageJ

Opérations 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 détail

Chapitre 2 Le problème de l unicité des solutions

Chapitre 2 Le problème de l unicité des solutions Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)

Plus en détail

Fonctions de plusieurs variables

Fonctions de plusieurs variables Maths MP Exercices Fonctions de plusieurs variables Les indications ne sont ici que pour être consultées après le T (pour les exercices non traités). Avant et pendant le T, tenez bon et n allez pas les

Plus en détail

Segmentation interactive d images médicales à 4 dimensions par Lignes de Partage des Eaux

Segmentation interactive d images médicales à 4 dimensions par Lignes de Partage des Eaux 1 Segmentation interactive d images médicales à 4 dimensions par Lignes de Partage des Eaux F. Bidault (1), J. Stawiaski (2), E. Decencière (2), I. Ferreira (3), C. Le Péchoux (3), F. Meyer (2), J. Bourhis

Plus en détail

Théorie des graphes pour l analyse de réseaux d intéractions

Théorie des graphes pour l analyse de réseaux d intéractions Théorie des graphes pour l analyse de réseaux d intéractions Bertrand Jouve Laboratoire ERIC - IXXI - Université Lyon 2 SMAI 2013 Plan 1 Introduction 2 Décomposition en Clans Exemple d étude : modélisation

Plus en détail

I. Polynômes de Tchebychev

I. Polynômes de Tchebychev Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire

Plus en détail

Texte Agrégation limitée par diffusion interne

Texte Agrégation limitée par diffusion interne Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse

Plus en détail

Projet Matlab/Octave : segmentation d'un ballon de couleur dans une image couleur et insertion d'un logo

Projet Matlab/Octave : segmentation d'un ballon de couleur dans une image couleur et insertion d'un logo Projet Matlab/Octave : segmentation d'un ballon de couleur dans une image couleur et insertion d'un logo Dans ce projet, nous allons réaliser le code qui permet d'insérer sur une image, un logo sur un

Plus en détail

Fonctions Analytiques

Fonctions Analytiques 5 Chapitre Fonctions Analytiques. Le plan complexe.. Rappels Soit z C, alors!(x,y) IR 2 tel que z = x + iy. On définit le module de z comme z = x 2 + y 2. On peut aussi repérer z par des coordonnées polaires,

Plus en détail

Fonctions de deux variables. Mai 2011

Fonctions de deux variables. Mai 2011 Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs

Plus en détail

Propriétés des images numériques Contraintes sur l interprétation

Propriétés des images numériques Contraintes sur l interprétation Propriétés des images numériques Contraintes sur l interprétation M.LOUYS, Traitement d images et problèmes inverses Master Astrophysique, Observatoire de Strasbourg, 2013 Propriétés générales d une image

Plus en détail

Corrigé Pondichéry 1999

Corrigé Pondichéry 1999 Corrigé Pondichéry 999 EXERCICE. = 8 = i ). D'où les solutions de l'équation : z = + i et z = z = i. a. De manière immédiate : z = z = b. Soit θ la mesure principale de arg z : cos θ = Par suite arg z

Plus en détail

Relation binaire. 2. Relations, fonctions et ordres. Exemples. Représentation d une relation binaire. Un couple est une paire ordonnée d éléments.

Relation binaire. 2. Relations, fonctions et ordres. Exemples. Représentation d une relation binaire. Un couple est une paire ordonnée d éléments. Relation binaire Un couple est une paire ordonnée d éléments. ex: les points (x,y) du plan de IN 2 ou de IR 2, les nom et prix d un produit, les instances d un objet en Java (à 2 attributs). 2. Relations,

Plus en détail

FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)

FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité

Plus en détail

codage correcteur d erreurs convolutionnel 1. Définition...2 2. représentation en treillis...3 3. Décodage : algorithme de Viterbi...3 4.

codage correcteur d erreurs convolutionnel 1. Définition...2 2. représentation en treillis...3 3. Décodage : algorithme de Viterbi...3 4. codage correcteur d erreurs convolutionnel. éfinition.... représentation en treillis...3 3. écodage : algorithme de Viterbi...3 4. istance libre...5 5. iagramme d état. Fonction de transfert...5 6. écodage

Plus en détail

Probabilités. I- Expérience aléatoire, espace probabilisé : ShotGun. 1- Définitions :

Probabilités. I- Expérience aléatoire, espace probabilisé : ShotGun. 1- Définitions : Probabilités I- Expérience aléatoire, espace probabilisé : 1- Définitions : Ω : Ensemble dont les points w sont les résultats possibles de l expérience Des évènements A parties de Ω appartiennent à A une

Plus en détail

Dualité dans les espaces de Lebesgue et mesures de Radon finies

Dualité dans les espaces de Lebesgue et mesures de Radon finies Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention

Plus en détail

par Denis-Charles Cisinski & Georges Maltsiniotis

par Denis-Charles Cisinski & Georges Maltsiniotis LA CATÉGORIE Θ DE JOYAL EST UNE CATÉGORIE TEST par Denis-Charles Cisinski & Georges Maltsiniotis Résumé. Le but principal de cet article est de prouver que la catégorie cellulaire Θ de Joyal est une catégorie

Plus en détail

Continuité d une fonction de plusieurs variables

Continuité d une fonction de plusieurs variables Chapitre 2 Continuité d une fonction de plusieurs variables Maintenant qu on a défini la notion de limite pour des suites dans R n, la notion de continuité s étend sans problème à des fonctions de plusieurs

Plus en détail

Chapitre 0 Introduction à la cinématique

Chapitre 0 Introduction à la cinématique Chapitre 0 Introduction à la cinématique Plan Vitesse, accélération Coordonnées polaires Exercices corrigés Vitesse, Accélération La cinématique est l étude du mouvement Elle suppose donc l existence à

Plus en détail

Arbres binaires de recherche (ABR) Binary Search Trees (BST)

Arbres binaires de recherche (ABR) Binary Search Trees (BST) LSVIII-BIM Algorithmie, 2015 Arbres binaires de recherche (ABR) Binary Search Trees (BST) I. Arbres binaires 1. Structure 2. Parcours II. Arbres binaires de recherche 1. Définition 2. Opérations sur les

Plus en détail

Coup de Projecteur sur les Réseaux de Neurones

Coup de Projecteur sur les Réseaux de Neurones Coup de Projecteur sur les Réseaux de Neurones Les réseaux de neurones peuvent être utilisés pour des problèmes de prévision ou de classification. La représentation la plus populaire est le réseau multicouche

Plus en détail

Transformée de Fourier discrète.

Transformée de Fourier discrète. Université Bordeaux Transformée de Fourier discrète. Préliminaire : Téléchargement de Wavelab Wavelab est une toolbox matlab, c est à dire un ensemble de programmes matlab élaborés par une équipe de l

Plus en détail

MESURE ET INTÉGRATION EN UNE DIMENSION. Notes de cours

MESURE ET INTÉGRATION EN UNE DIMENSION. Notes de cours MSUR T INTÉGRATION N UN DIMNSION Notes de cours André Giroux Département de Mathématiques et Statistique Université de Montréal Mai 2004 Table des matières 1 INTRODUCTION 2 1.1 xercices.............................

Plus en détail

Exemples de problèmes et d applications. INF6953 Exemples de problèmes 1

Exemples de problèmes et d applications. INF6953 Exemples de problèmes 1 Exemples de problèmes et d applications INF6953 Exemples de problèmes Sommaire Quelques domaines d application Quelques problèmes réels Allocation de fréquences dans les réseaux radio-mobiles Affectation

Plus en détail

Structures algébriques

Structures algébriques Structures algébriques 1. Lois de composition s Soit E un ensemble. Une loi de composition interne sur E est une application de E E dans E. Soient E et F deux ensembles. Une loi de composition externe

Plus en détail

chapitre 4 Nombres de Catalan

chapitre 4 Nombres de Catalan chapitre 4 Nombres de Catalan I Dénitions Dénition 1 La suite de Catalan (C n ) n est la suite dénie par C 0 = 1 et, pour tout n N, C n+1 = C k C n k. Exemple 2 On trouve rapidement C 0 = 1, C 1 = 1, C

Plus en détail

Calculs approchés d un point fixe

Calculs approchés d un point fixe M11 ÉPREUVE COMMUNE DE TIPE 2013 - Partie D TITRE : Calculs approchés d un point fixe Temps de préparation :.. 2 h 15 minutes Temps de présentation devant les examinateurs :.10 minutes Dialogue avec les

Plus en détail

Fonctions de plusieurs variables

Fonctions de plusieurs variables Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme

Plus en détail

GEL-7064 : Théorie et pratique des codes correcteurs Codes cycliques Notes de cours

GEL-7064 : Théorie et pratique des codes correcteurs Codes cycliques Notes de cours linéaires GEL-7064 : Théorie et pratique des codes correcteurs Notes de cours Département de génie électrique et de génie informatique Université Laval jean-yves.chouinard@gel.ulaval.ca 12 février 2013

Plus en détail

Introduction à la théorie des graphes. Solutions des exercices

Introduction à la théorie des graphes. Solutions des exercices CAHIERS DE LA CRM Introduction à la théorie des graphes Solutions des exercices Didier Müller CAHIER N O 6 COMMISSION ROMANDE DE MATHÉMATIQUE 1 Graphes non orientés Exercice 1 On obtient le graphe biparti

Plus en détail

Le jeu de Marienbad. 1 Écriture binaire d un entier

Le jeu de Marienbad. 1 Écriture binaire d un entier MPSI Option Informatique Année 2002, Quatrième TP Caml Vcent Simonet (http://cristal.ria.fr/~simonet/) Le jeu de Marienbad Dans le film d Ala Resnais «L année dernière à Marienbad» (1961), l un des personnages,

Plus en détail

Cours STAT 2150. "Statistique non paramétrique: Méthodes de lissage"

Cours STAT 2150. Statistique non paramétrique: Méthodes de lissage Cours STAT 2150 "Statistique non paramétrique: Méthodes de lissage" Année académique 2008-2009 Séance 1 1 Table de matière du cours 1. Introduction (Fonction de répartition, histogramme, propriétés d un

Plus en détail

J AUVRAY Systèmes Electroniques TRANSMISSION DES SIGNAUX NUMERIQUES : SIGNAUX EN BANDE DE BASE

J AUVRAY Systèmes Electroniques TRANSMISSION DES SIGNAUX NUMERIQUES : SIGNAUX EN BANDE DE BASE RANSMISSION DES SIGNAUX NUMERIQUES : SIGNAUX EN BANDE DE BASE Un message numérique est une suite de nombres que l on considérera dans un premier temps comme indépendants.ils sont codés le plus souvent

Plus en détail

TP oscilloscope et GBF

TP oscilloscope et GBF TP oscilloscope et GBF Ce TP est évalué à l'aide d'un questionnaire moodle. Objectif : ce travail a pour buts de manipuler l oscilloscope et le GBF. A l issu de celui-ci, toutes les fonctions essentielles

Plus en détail

Cours de mathématiques

Cours de mathématiques DEUG MIAS premier niveau Cours de mathématiques année 2003/2004 Guillaume Legendre (version révisée du 3 avril 2015) Table des matières 1 Éléments de logique 1 1.1 Assertions...............................................

Plus en détail

Les calculatrices, téléphones, tablettes, ordinateurs et autres appareils électroniques similaires, ainsi que les documents sont interdits.

Les calculatrices, téléphones, tablettes, ordinateurs et autres appareils électroniques similaires, ainsi que les documents sont interdits. Les calculatrices, téléphones, tablettes, ordinateurs et autres appareils électroniques similaires, ainsi que les documents sont interdits 1 La qualité de la rédaction est un facteur important dans l appréciation

Plus en détail

t 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :

t 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre : Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant

Plus en détail

M2R IMA UE CONF Présentation

M2R IMA UE CONF Présentation M2R IMA UE CONF Présentation L objectif de l UE «Conférences» est de : 1. Présenter des applications du traitement d images dans divers domaines industriels ou académiques. 2. Apporter des compléments

Plus en détail

CALCULATRICE AUTORISEE

CALCULATRICE AUTORISEE Lycée F. MISTRAL AVIGNON BAC BLANC 2012 Epreuve de MATHEMATIQUES Série S CALCULATRICE AUTORISEE DUREE : 4 heures Dès que le sujet vous est remis, assurez-vous qu il est complet Ce sujet comporte 3 pages

Plus en détail

Chapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme

Chapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme Chapitre 3 Quelques fonctions usuelles 1 Fonctions logarithme et eponentielle 1.1 La fonction logarithme Définition 1.1 La fonction 7! 1/ est continue sur ]0, +1[. Elle admet donc des primitives sur cet

Plus en détail

Resolution limit in community detection

Resolution limit in community detection Introduction Plan 2006 Introduction Plan Introduction Introduction Plan Introduction Point de départ : un graphe et des sous-graphes. But : quantifier le fait que les sous-graphes choisis sont des modules.

Plus en détail

II. Conversions. I. Initialisation. III. Méthode point. TD Python Traitement d images MP*

II. Conversions. I. Initialisation. III. Méthode point. TD Python Traitement d images MP* Le but de ce TD est d utiliser les procédures et fonctions Python pour traiter des fichiers images. II. Conversions I. Initialisation Importer le module numpy sous l appellation np. On utilise le module

Plus en détail

CCP PSI - 2010 Mathématiques 1 : un corrigé

CCP PSI - 2010 Mathématiques 1 : un corrigé CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P

Plus en détail

Outils mathématiques pour le datamining. http://www.elseware.fr/univevry

Outils mathématiques pour le datamining. http://www.elseware.fr/univevry Outils mathématiques pour le datamining http://wwwelsewarefr/univevry Géométrie Distance Distance entre parties Matrice de variance/covariance Inertie Minimisation Probabilités Définition Théorème de Bayes

Plus en détail

8.1 Généralités sur les fonctions de plusieurs variables réelles. f : R 2 R (x, y) 1 x 2 y 2

8.1 Généralités sur les fonctions de plusieurs variables réelles. f : R 2 R (x, y) 1 x 2 y 2 Chapitre 8 Fonctions de plusieurs variables 8.1 Généralités sur les fonctions de plusieurs variables réelles Définition. Une fonction réelle de n variables réelles est une application d une partie de R

Plus en détail

Optimisation des fonctions de plusieurs variables

Optimisation des fonctions de plusieurs variables Optimisation des fonctions de plusieurs variables Hervé Hocquard Université de Bordeaux, France 8 avril 2013 Extrema locaux et globaux Définition On étudie le comportement d une fonction de plusieurs variables

Plus en détail