Retinex: du système visuel humain aux modèles mathématiques et statistiques
|
|
- Sylvain Viau
- il y a 8 ans
- Total affichages :
Transcription
1 Retinex: du système visuel humain aux modèles mathématiques et statistiques Ségolen Geffray, Nicolas Klutchnikoff, Myriam Vimond IRMA, UMR 7501, Université de Strasbourg CREST-ENSAI, Rennes septembre 2013 S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
2 Motivation analyse automatique d images en présence d artéfacts de type mauvaise illumination S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
3 Démarche utiliser/établir une méthode de désillumination d images définir un modèle qui permette de définir mathématiquement l illumination estimer l illumination pour l ôter ensuite obtenir ainsi une méthode dont on contrôle le biais, la variance, le taux d erreur lors de sa mise en oeuvre répétée sur des images S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
4 Problèmes d illumination microscopie électronique IRM photographie numérique S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
5 Exemple en microscopie électronique S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
6 Autre exemple en microscopie électronique S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
7 Comment fonctionne un microscope SEM? S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
8 Exemple en IRM L artéfact d illumination peut être dû aux instruments (par ex inhomogénéité du champ statique ou non-uniformité des impulsions radio-fréquence) ou aux mouvements du patient. IRM avec inhomogénéité d intensité : images originales (a) images corrigées (b) illuminations estimées (c) Z. Hou (2006) A review on MR image intensity inhomogeneity correction. International Journal of Biomedical Imaging. S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
9 Comment fonctionne l IRM? S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
10 Comment fonctionne l IRM? S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
11 Comment fonctionne l IRM? S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
12 Exemple en photographie numérique l artéfact peut être dû aux conditions d illumination. image originale (en haut) illumination estimée (en bas) L. Meylan, S. Süsstrunk (2006) High dynamic range image rendering with a Retinex-based adaptive filter IEEE Transactions on Image Processing S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
13 Comment fonctionne un appareil photo numérique? Un appareil photo comporte un capteur composé de millions de photosites ou pixels. La surface photosensible des photosites transforme le signal lumineux (photons) en signal électrique (électrons). Pendant l exposition, les électrons générés par un photosite sont accumulés dans un puit dont la taille limite la capacité (plus la surface d un photosite est large, plus sa capacité à stocker des électrons est grande). s il y a trop de lumière qui atteint un photosite, il y aura débordement des électrons (saturation) = restitution de zones brulées (blanc sans nuances). même en l absence de lumière, des électrons sont éjectés de la surface des photosites = signal aléatoire (bruit d obscurité) plage dynamique d un capteur = ratio entre l intensité maximum mesurable (donnée par la capacité du puit d électrons) et l intensité minimum enregistrable (donnée par le niveau de bruit du capteur). S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
14 Plage dynamique plage dynamique d une scène : ratio entre les intensités lumineuses maximum et minimum émises par la scène La vision humaine s adapte à la dynamique élevée d une scène en s ajustant en permanence aux intensités lumineuses des différentes zones. L oeil peut voir une étoile dans la nuit (1/1000 cd.m 2 ), mais aussi un ciel ensoleillé ( cd.m 2 ). unité de mesure d une plage dynamique : indice de lumination (IL) mesurée sur une échelle logarithmique en base 2 S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
15 Indice de lumination De f/1.4 à f/16, il y a 7 unités de diaphragme (7 IL) et l intensité lumineuse est multipliée par 2 7 = 128 plage dynamique de l oeil : IL si le diamètre de la pupille est fixe (1000 :1 à :1) ie grace au seul travail des cônes et des bâtonnets 24 IL ( : 1) grâce en plus, à la faculté de dilatation de la pupille plage dynamique d un écran : 8.7 à 12 IL (400 :1 à 5000 :1) S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
16 Plage dynamique Le passage de la plage dynamique du paysage réel à celle du capteur ne s effectue pas par une compression de dynamique, mais par un rognage des parties hors gamme. Plus un capteur a une plage dynamique étendue, plus les zones très claires et les zones proches du noir seront richement détaillées. S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
17 Plage tonale La notion de plage dynamique se situe lors de la prise de vue. Une fois le fichier numérisé, il n existe plus de dynamique à proprement parler et il est préférable d employer le terme de plage tonale. scène modification de la modification de la capteur écran plage dynamique plage tonale La résolution tonale décrit le nombre de niveaux intermédiaires que l on place entre les valeurs extrêmes (noir et blanc) (plus le nombre de niveaux est élevé, plus les couleurs seront définies avec précision). Une résolution tonale trop basse peut jouer le rôle de facteur limitant. Par ex, si le capteur propose 6500 niveaux identifiables et que le convertisseur, limité à 12 bits, ne peut restituer que 4096 niveaux, il y a perte d information. Une résolution tonale excessive n augmentera pas la plage dynamique. S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
18 LDR source : wikimedia S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
19 HDR source : wikimedia S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
20 Deux contributeurs historiques à gauche : Edwin H. Land ( ), inventeur américain filtres polarisants, appareil photo polaroïd, théorie Retinex à droite : John J. McCann, biologiste et consultant américain perception sensorielle de la couleur, théorie Retinex perception sensorielle : ensemble des informations immédiates délivrées par les cinq sens : vue, ouïe, goût, odorat, toucher. pas de reconstruction par le cortex. S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
21 Définitions adoptées ici Luminance (= illumination) : intensité d une source lumineuse par unité de surface, exprimée en candela par mètre carré (cd.m 2 ). Réflectance : rapport de l intensité de l onde incidente à celle de l onde réfléchie = proportion d intensité lumineuse renvoyée par une scène à l observateur, [0, 1]. image, scène, couleur intrinsèque. Radiance : flux lumineux par unité de surface que renvoit une surface éclairée. image, scène, couleur perçue, observée. = radiance = réflectance luminance S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
22 Le système visuel humain : rétine + cortex S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
23 Rétine : cônes et bâtonnets S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
24 La couleur : théorie trichromatique S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
25 les Mondrians expériences de Land et McCann réalisées avec des Mondrians pour garantir la reproductibilité des recherches (neutraliser les processus de mémorisation, d interprétation et de reconnaissance dans le cerveau). Piet Mondrian ( ) : peintre néerlandais, pionnier de l art abstrait, fondateur du néoplasticisme. S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
26 Les expériences de Land et McCann Le système visuel tient beaucoup plus compte du contraste à petite échelle que du contraste à grande échelle. S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
27 Les expériences de Land et McCann S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
28 Les expériences de Land et McCann S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
29 Les expériences de Land et McCann S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
30 Vision humaine le système visuel humain ne procède pas massivement en analysant pixel par pixel mais par comparaison spatiale locale! S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
31 Où l on réalise que l oeil est capable de traiter une certaine forme d illumination Land E.H. (1977) The Retinex theory of color vision, Scientific American, 237(6) : Land (1977) a réalisé l expérience suivante : un observateur éclairé en lumière blanche se voit donner une feuille de papier d une certaine couleur. il regarde un Mondrian éclairé par un jeu de lumières de sorte que la réflectance du Mondrian n est pas égale à sa radiance. l observateur doit trouver dans le Mondrian un rectangle de même couleur que la feuille qu il a dans les mains. l observateur identifie un rectangle de même réflectance intégrée normalisée que sa feuille et non pas de même radiance! il y a eu traitement de l illumination! par l oeil? par le cortex? S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
32 Où l on voit arriver le concept référence de blanc dans chaque canal (R, G, B), réflectance intégrée normalisée = intégrale sur le rectangle considéré de l intensité lumineuse du rectangle dans la bande spectrale considérée / intégrale sur un rectangle blanc de même taille de l illumination appliquée sur le rectangle du Mondrian conséquences : 2 intuitions majeures, à savoir l oeil cherche une référence de blanc pour faire ses comparaisons de pixels il est peu probable que l oeil intègre quoi que ce soit! Plus vraisemblablement, il se sert de comparaisons locales pour ôter l illumination et percevoir la réflectance S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
33 Axiomes de Land et McCann Le même traitement est réalisé dans chacun des trois canaux (R,G,B). Persistance des couleurs : la perception des couleurs est indépendante dans une certaine mesure de l illumination appliquée à la scène observée (pourvu que la surface des objets observés soit uniforme ie sans angle) Réhaussement local du contraste : la perception des détails dépend de leur localisation spatiale dans leur environnement proche. Adaptation à la plage dynamique : la même variation est perçue plus faiblement lorsque l intensité du stimulus augmente. loi de Weber-Fechner : réponse non-linéaire des sens humains aux stimulus (traitement de type logarithmique de l intensité lumineuse). l oeil procède par comparaisons spatiales locales à la recherche d une référence de blanc. S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
34 Où l on voit arriver le concept ratio-product-reset Land (1977) : comment fait l oeil pour réaliser des comparaisons entre zones distantes? Intuition : propagation des comparaisons en multipliant des ratios de radiance entre pixels contigus le long d un chemin entre les deux pixels distants à comparer Notons x et y les pixels distants à comparer et γ = {z 0, z 1, z 2,..., z n } un chemin de pixels contigus qui va de x = z 0 à y = z n et effectuons mécanisme ratio-product I (x) I (y) = I (z 1) I (z 2 ) I (y) I (z 1 ) I (z 2 )... I (x) I (z n 1). NB : Wallach (1948) avait remarqué que les ratios de radiance ont tendance à être invariants sous des changements d illumination. S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
35 Où l on voit arriver le concept ratio-product-reset Que fait l oeil lorsqu il atteint un pixel (presque) blanc en chemin? Il s en sert de référence de blanc et il oublie le chemin parcouru avant! Notons x m le pixel d intensité maximale le long du chemin γ (le cas échéant). Le ratio à calculer devient mécanisme reset I (x) I (z m ) = I (z m) I (z m+1 )... I (x) I (z n 1) = I (x) max z γk I (z) S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
36 Les méthodes de type Retinex A la suite de Land E.H. and McCann J.J. (1971) Lightness and the retinex theory, J. Opt. Soc. Am., 61 : 1-11 on trouve : méthodes à chemins aléatoires ou à spray aléatoire méthodes à masques de pixels ( lissage sur un voisinage) : filtrage homomorphique, SSR, MSR, Retinex par filtrage bilatéral résolution d équations différentielles (équation de Poisson) résolution de problèmes d optimisation quadratique (modèles variationnels) méthodes itératives pour l IRM (PABIC, N3, N4 : désillumination et segmentation simultanées) méthode par régression (projeter sur un sous-espace particulier) S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
37 L algorithme Retinex originel Soit (γ k ) k=1,...,k un ensemble de chemins allant d un pixel x k au pixel x en n pas. Notons γ k = {z 0,k = x k, z 1,k, z 2,k,..., z n,k = x} les pixels visités par le chemin γ k. S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
38 L algorithme Retinex originel La réflectance relative de x par rapport à x k le long de γ k est n 1 ( ) I (zj+1,k ) R γk (x, x k ) = log δ k I (z j,k ) avec et pour j = 1,..., n 1 ( ) I (zj+1,k ) δ k = I (z j,k ) j=0 ( ) I (z1,k ) δ k = I (z 1,k) I (z 0,k ) I (z 0,k ) I (z j+1,k ) I (z j,k ) j 1 i=0 δ k La réflectance au pixel x est ( 1 I (zi+1,k ) I (z i,k ) R(x) = 1 K si ) sinon. j 1 i=0 δ k K R γk (x, x k ) k=1 ( ) I (zi+1,k ) I (z i,k ). I (z j+1,k) I (z j,k ) 1 S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
39 Propriétés de l agorithme Rétinex orginel autre expression de R : R(x) = 1 K K k=1 ( ) I (x) log max z γk I (z) 1 deux paramètres à calibrer : K, n, les chemins sont générés par des marches aléatoires. choix de n : moyen chemins trop courts ratios trop similaires image presque blanche chemins trop longs perte de la nature locale speckle (chaque chemin va avoir tendance à traverser un pixel de forte intensité) choix de K : assez grand sinon apparition de bruit d échantillonnage, artéfacts quelles valeurs de K et n choisir? NSP, ça dépend de l image à traiter, de la géométrie des chemins pb : les résults dépendent beaucoup du choix de K et n S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
40 Propriétés de l agorithme Rétinex orginel Retinex n est pas une transformation idempotente, i.e. en général R( R(x)) R(x). Réitérer l algorithme peut améliorer les résultats. Provenzi et al. (2005) ont montré que si l on applique Retinex encore et encore sur une image, il finit par apparaitre des points blancs sur l image. quand arrête-t-on de réitérer l algo? NSP comme on transforme les valeurs des pixels dans (0, 1] avant d appliquer Retinex, on a 0 < max z γk I (z) 1 et donc R(x) = 1 K K k=1 ( ) I (x) log max z γk I (z) 1 K K log (I (x)) I (x) les images sous-exposées sont généralement réhaussées par Retinex tandis que les images surexposées ne le sont généralement pas. k=1 S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
41 Image Land et McCann (1971) K = 20, n = 20 K = 20, n = 400 K = 400, n = 20 K = 400, n = 400 NB : initialement, il y avait un seuillage qui s est avéré non pertinent (ici, threshold = 0). S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
42 Retinex à chemins en spirales carrées Frankle-McCann (1983) comparent d abord des pixels éloignés puis des pixels de plus en plus rapprochés selon une spirale carrée à départ choisi aléatoirement. l espacement entre les pixels à comparer diminue à chaque fois. La direction entre les pixels change à chaque fois, dans le sens horaire. géométrie du chemin La comparaison est implémentée via le mécanisme ratio-product-reset-average jusqu à ce que l espacement soit de 1 pixel. implémentation MATLAB effectuée par Funt et Ciurea (2004) S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
43 Image Frankle et McCann 1983 kiter = 1 kiter = 16 kiter = 4 kiter = 128 Un paramètre à calibrer : kiter = nombre de pas S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
44 Retinex par pyramide multirésolution McCann 1999 créé une pyramide multi-résolution de l image de départ en moyennant les valeurs des pixels sur des blocs. Soit (2 M h, 2 M w) la taille de I avec w h où w, h {1,..., 5} et où M est le nombre de niveaux de résolution. INIT : kiter = nombre de pas image basse résolution (h w) : calcul de intensité moyenne sur chaque bloc (chacun étant de taille 2 M 2 M ) pour m =... M, calcul de la réfléctance relative le long d un chemin en spirale carrée selon ratio-product-reset à partir de l image basse résolution le nombre (maximal) de pas du chemin est kiter on crée une nouvelle image (un peu moins) basse résolution (2 m h 2 m w) et on recommence on moyenne les réfléctances relatives aux différentes résolutions S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
45 Image McCann 1999 image rognée (M = 7) kiter = 1 kiter = 16 kiter = 4 kiter = 128 Un paramètre à calibrer : kiter nombre de pas. S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
46 Retinex par sprays aléatoires Générons (S k (x)) k=1,...,k collection de K sprays aléatoires à n points centrés en le pixel x. Pour générer un spray, on tire indépendemment n valeurs de θ uniformément dans (0, 2π] et n valeurs de ρ uniformément dans (0, r m ] puis on forme { j x = i x + g(ρ) cos θ j y = i y + g(ρ) cos θ La réflectance en x est calculée par : R(x) = 1 K K k=1 ( log R(x) max z Sk (x) R(z) moins d artefacts que les algorithmes Retinex à chemins 1D mais bruit dans les zones homogènes (Provenzi et al. 2008). paramètres : r m, g, K, n difficiles à calibrer! S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86 ).
47 le spray imite la répartition des cones dans la rétine dont la densité décroit lorsqu on s écarte de la fovea! S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
48 Rappel sur le filtrage filtrage linéaire par un filtre 3 5 défini par m(-1,-2) m(-1,-1) m(-1,0) m(-1,1) m(-1,2) m(0,-2) m(0,-1) m(0,0) m(0,1) m(0,2) m(1,-2) m(1,-1) m(1,0) m(1,1) m(1,2) Les valeurs correspondantes de l image à filtrer en (i, j) sont I(i-1,j-2) I(i-1,j-1) I(i-1,j) I(i-1,j+1) I(i-1,j+2) I(i,j-2) I(i,j-1) I(i,j) I(i,j+1) I(i,j+2) I(i+1,j-2) I(i+1,j-1) I(i+1,j) I(i+1,j+1) I(i+1,j+2) La valeur de l image filtrée par m en (i, j) est (I m)(i, j) = Le filtrage gaussien est linéaire. 1 s= 1 t= 2 2 m(s, t)i (i + s, j + t). S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
49 Rappel sur le filtrage filtre passe-bas gaussien (plus l écart-type est grand, plus l image sera floutée) S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
50 Rappel sur le filtrage effet du filtrage gaussien passe-haut (somme des coeff vaut 0 : un tel filtre annule les images constantes) et passe-bas (somme des coeff vaut 1 : un tel filtre laisse inchangées les images constantes) S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
51 Retinex par filtrage homomorphique luminance spatiallement lisse basse-fréquence filtrer log I par un filtre passe-haut H en pratique : filtrer log I dans le domaine des fréquences appliquer la transformation de Fourier F(log I ) = F(log(R) + log(l)) = F(log(R)) + F(log(L)). puis filtrer par H ie F(log I ).F(H) = F(log(R)).F(H) + F(log(L)).F(H) } {{ } } {{ } F(log(R)) 0 puis appliquer la transformée de Fourier inverse suivie de l exponentielle. NB : cela revient à calculer exp(log(i ) H) mais en diminuant considérablement la complexité et donc le temps de calcul S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
52 Retinex par filtrage homomorphique filtre passe-haut le plus utilisé (équation donnée dans le domaine de Fourier) = filtre Gaussien (tronqué) : ( F(H)(u, v) = 1 k exp (u2 + v 2 ) ) 2c 2 où k (0, 1) est une constante de normalisation (choisie de sorte la somme des coefficients du filtre somme à 0) et c est l écart-type de la gaussienne (valeur recommandée c = 5.5). autres possibilités : filtre de Butterworth la calibration du paramètre c est à recommencer à la main pour chaque image augmentation du bruit : texture (détails) de l image et bruit ne sont pas séparables dans l espace de Fourier!!! S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
53 Image Luminance filtrage homomorphique Réflectance c = 5 c = 5 c = 25 c = 25 Un paramètre à calibrer : c l écart-type du filtre gaussien. S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
54 Image Luminance filtrage homomorphique Réflectance c = 50 c = 50 c = 80 c = 80 Un paramètre à calibrer : c l écart-type du filtre gaussien. S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
55 Single-Scale Retinex (SSR) = center/surround algorithm on calcule une version floutée de la log-luminance par convolution spatiale à la log-image de départ puis on retire cette version floutée de la log-image originale ce qui donne R = log(i ) log( } I {{ G} ) version floutée de I où G est en général un filtre gaussien (passe-bas) d écart-type c : G(x, y) = k exp ( x2 + y 2 ) 2c 2 où k est une constante de normalisation telle que les coefficients du filtre sur le masque somment à 1. NB1 : on ne reprend pas l exponentielle ( compression dynamique) Rahman Z. (1995) Properties of a center/surround retinex : part 1. Signal processing design. NASA CR Jobson D.J., Rahman Z. and Woodell G.A. (1997a) Properties and Performance of a Center/Surround Retinex, IEEE Transactions on Image Processing, 6(3) : S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
56 Single-Scale Retinex (SSR) = center/surround algorithm NB2 : une correction est en général nécessaire : multiplication en chaque pixel par la valeur de log(c/i ) où C est une constante à calibrer... la calibration du paramètre c est à recommencer à la main pour chaque image, celle de C aussi les résultats de la méthode SSR dépendent beaucoup du choix de c (= paramètre d échelle)!!!! amplification du bruit dans les régions sombres, effet de halos autour des transitions marquées du sombre au clair S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
57 SSR Image c = 20 deux paramètres à calibrer : c l écart-type du filtre gaussien, C la constante de correction. c = 50 c = 100 S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
58 Image SSR avec correction c = 20 c = 100, C = 100 deux paramètres à calibrer : c l écart-type du filtre gaussien, C la constante de correction. c = 50 c = 20, C = 100 c = 100 c = 50, C = 100 S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
59 Multi-Scale Retinex (MSR) Idée : utiliser plusieurs SSR d écarts-types différents et pondérer les différents résultats ce qui donne R(x, y) = S w s (log I (x, y) log(i G cs (x, y))) s=1 où G cs (x, y) est le sème filtre utilisé d écart-type c s et où w s 0 est un poids avec S s=1 w s = 1. correction en chaque pixel en multipliant par log(c/i ) recommandation : prendre des pondérations égales pour diminuer le nombre de paramètres à calibrer, prendre S pas trop grand diminution de problèmes de halos et de bruit Jobson D.J., Rahmann Z. and Woodell G.A. (1997b) A Multiscale Retinex for Bridging the Gap Between Color Images and the human Observations of Scenes, IEEE Transactions on Image Processing, 6(7) : S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
60 MSR Image c = (7, 15, 21) c = (15, 80, 250) Paramètres à calibrer : S le nombre d échelles, les écarts-type c s des filtres gaussiens, les poids w c, C la constante de correction. S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
61 Image MSR avec correction c = (7, 15, 21) c = (7, 15, 21), C = 100 c = (15, 80, 250) c = (15, 80, 250), C = 100 Paramètres à calibrer : S le nombre d échelles, les écarts-type c s des filtres gaussiens, les poids w c, C la constante de correction. S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
62 Retinex par équation de type Poisson Idée de Blake A. (1985), Boundary conditions of lightness computation in Mondrian world. Computer Vision Graphics and Image Processing 32, Comme l illumination est spatiallement lisse, les fortes variations sont dues aux variations de la réflectance donc 1 log L est borné et petit 2 log R est nul presque-partout et grand seulement aux angles et contours I = RL log I = log R + log L On en déduit l équation de Poisson en r (en notant r = log R) r = log I 1 log I >threshold à résoudre en écrivant l équation d Euler-Lagrange associée. il est nécessaire d imposer des conditions aux bords en fonction du gradient S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
63 Retinex par équation de type Poisson Horn B.K. (1974), Determining lightness from an image. Computer Graphics and Image Processing, 3 : Un gradient est directionnel alors qu un Laplacien est anisotrope d où r = log I 1 log I >threshold mais les conditions aux bords s écrivent maintenant en fonction du Laplacien... Remède de Morel J.-M., Petro A.B. and Sbert C. (2010) A PDE Formalization of the Retinex Theory, IEEE Transactions on Image Processing, 19(11), Seuiller le gradient et écrire les conditions aux bords en fonction du gradient puis prendre la divergence de sorte que r = div ( log I 1 log I >threshold ) un paramètre à calibrer : threshold S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
64 EDP : Morel, Petro et Sbert (2011) Image threshold = 1 threshold = 4 threshold = 7 threshold = 20 un parame tre a calibrer : threshold S. Geffray, N. Klutchnikoff, M. Vimond De sillumination septembre / 86
65 Approche variationnelle Kimmel, R., Elad, M., Shaked, D., Keshet, R., Sobel I. (2003) A Variational Framework for Retinex. International Journal of Computer Vision, 52(1) : la log-luminance l = log L est lisse et même l est une version lisse de log I (sinon, une solution constante convient pour l où cette constante est supérieure à max{log I }) le gradient de la log-reflectance r est presque-partout nul contrainte : R (0, 1] L I l log I contrainte technique (sans impact) : l illumination est constante à partir des bords de l image l, n = 0 on D la log-réflectance est spatiallement lisse NB : comme r + l = log I, l hypothèse que r est lisse contredit l hypothèse que l est lisse. S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
66 Approche variationnelle Minimiser en l = log L : D { l 2 + α(l log I ) 2 + β (l log I ) 2} sous les contraintes l log I et l, n = 0 on D. en notant n la normale aux bords et où α, β 0. l 2 force l à être spatiallement lisse. (l log I ) 2 : terme de régularité, implique la proximité de l et log I r est petit R tend vers le blanc! α doit être choisi (très) petit! (l log I ) 2 : terme de pénalité qui pénalise r et force r à être spatiallement lisse pour être visuellement agréable paramètres à calibrer : α et β problèmes de halos et de bruit S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
67 Filtrage bilatéral La valeur en x d une image filtrée avec un filtre bilatéral est 1 G s (x y)g i (I (x) I (y))i (x) k y V (x) où k= cste de normalisation, G s et G i sont des noyaux gaussiens resp 2D et 1D (tronqués sur le voisinage V (x) de x) correspondant au lissage spatial et en intensité resp. filtrage non-linéaire Photoshop implémente un filtre bilatéral dans son outil surface blur. S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
68 Retinex par filtrage bilatéral Elad M. (2005) Retinex by Two Bilateral Filters, Scale-Space 2005, Hofgeismar, Germany. méthode basée sur approche variationnelle de Kimmel et al. (2003) approximation du filtre bilatéral qui étant non-linéaire est coûteux en temps de calcul, par Durand, F. and Dorsey, J. (2002) Fast bilateral filtering for the display of high-dynamic-range images, SIGGRAPH 2002 : paramètres à calibrer : écart-type spatial, écart-type en intensité résolution non-itérative du problème d optimisation, pas de halos, bon traitement du bruit S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
69 Comparaison de Elad à la méthode de Kimmel et al. S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
70 Désillumination sur androïd S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
71 Désillumination en IRM illumination appelée bias field, gain field, intensity nonuniformity, intensity inhomogeneity désillumination couplée à la segmentation par classification supervisée hypothèse : l histogramme des niveaux de gris a des modes bien séparés et représente un mélange fini de lois dont le nombre de composantes est connu par exemple, les classes (dont le nombre est connu a priori) peuvent correspondre à l appartenance aux différentes zones de la réflectance par ex, dans le cerveau : matière blanche, matière grise, liquide cérébro-spinal S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
72 PABIC : Parametric Bias Field Correction Styner M., Brechbuhler C., Szckely G., Gerig, G.(2000) Parametric estimate of intensity inhomogeneities applied to MRI, IEEE Trans Med Imaging 19(3), PABIC ne segmente pas mais utilise l hypothèse que la réflectance est composée d un nombre fini connu de régions à intensité de moyenne et de variance constantes et connues! les µ k et σk 2 pour k = 1,..., K sont à fournir! log L est approximée par une combinaison linéaire de polynômes de Legendre dont le degré d est un paramètre à calibrer. NB : en 2D, le nb de coeff est (d + 1)(d + 2)/2, en 3D, le nb de coeff est (d + 1)(d + 2)(d + 3)/6 estimation obtenue en minimisant une fonction d énergie calculée à partir des hyp effectuées beaucoup de paramètres à calibrer implémenté dans ITK (Insight Toolkit of the National Institutes of Health) : ITK Bias Corrector algorithm (http :// S. Geffray, N. Klutchnikoff, M. Vimond Désillumination septembre / 86
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 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 détailGéométrie 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 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 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 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 détailCours 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 détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
Plus en détailFonctions 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 détailMesure 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 détailTP SIN Traitement d image
TP SIN Traitement d image Pré requis (l élève doit savoir): - Utiliser un ordinateur Objectif terminale : L élève doit être capable de reconnaître un format d image et d expliquer les différents types
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 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 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 détailINTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE
INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE Le schéma synoptique ci-dessous décrit les différentes étapes du traitement numérique
Plus en détailSujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.
Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de
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 détailContents. 1 Introduction Objectifs des systèmes bonus-malus Système bonus-malus à classes Système bonus-malus : Principes
Université Claude Bernard Lyon 1 Institut de Science Financière et d Assurances Système Bonus-Malus Introduction & Applications SCILAB Julien Tomas Institut de Science Financière et d Assurances Laboratoire
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 détail3 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 détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détailFONCTIONS 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 détailRésolution de systèmes linéaires par des méthodes directes
Résolution de systèmes linéaires par des méthodes directes J. Erhel Janvier 2014 1 Inverse d une matrice carrée et systèmes linéaires Ce paragraphe a pour objet les matrices carrées et les systèmes linéaires.
Plus en détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailVision 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 détailUNE TECHNIQUE ÉPROUVÉE : LE ZONE SYSTEM
3 Sur le terrain Info Les appareils photo équipés de deux logements pour cartes mémoire (SDHC et CompactFlash, par exemple) permettent de stocker les photos en Raw sur une carte mémoire et les photos en
Plus en détailLe traitement du 5ème concours A.I.P. pour l objet SH2-155 de Franck JOBARD
Le traitement du 5ème concours A.I.P. pour l objet SH2-155 de Franck JOBARD J ai fait le choix d utiliser Pixinsight en utilisant le process icons de l aip v3-21 pour le prétraitement. 1. Prétraitement
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
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 détailOptimisation, traitement d image et éclipse de Soleil
Kléber, PCSI1&3 014-015 I. Introduction 1/8 Optimisation, traitement d image et éclipse de Soleil Partie I Introduction Le 0 mars 015 a eu lieu en France une éclipse partielle de Soleil qu il était particulièrement
Plus en détailModèle de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes
de troncature gauche : Comparaison par simulation sur données indépendantes et dépendantes Zohra Guessoum 1 & Farida Hamrani 2 1 Lab. MSTD, Faculté de mathématique, USTHB, BP n 32, El Alia, Alger, Algérie,zguessoum@usthb.dz
Plus en détailNombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN
Nombres, mesures et incertitudes en sciences physiques et chimiques. Groupe des Sciences physiques et chimiques de l IGEN Table des matières. Introduction....3 Mesures et incertitudes en sciences physiques
Plus en détailCoup 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 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 détailCAPTEURS - CHAINES DE MESURES
CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,
Plus en détailStatistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailCollection de photos échantillons
Collection de photos échantillons SB-800/600 Entrez dans le monde passionnant du Système d Eclairage Créatif de Nikon avec le SB-800/600. Les numéros de page se rapportent aux explications dans le manuel
Plus en détailMaster 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 détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
Plus en détailFête 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 détailLes 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 détailLes indices à surplus constant
Les indices à surplus constant Une tentative de généralisation des indices à utilité constante On cherche ici en s inspirant des indices à utilité constante à définir un indice de prix de référence adapté
Plus en détailSéminaire TEST. 1 Présentation du sujet. October 18th, 2013
Séminaire ES Andrés SÁNCHEZ PÉREZ October 8th, 03 Présentation du sujet Le problème de régression non-paramétrique se pose de la façon suivante : Supposons que l on dispose de n couples indépendantes de
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailNotes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables Guy Desaulniers Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2014 Table des matières
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 détailChapitre 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 détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailLa Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1
La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois
Plus en détailLA 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 détailAnalyse de la variance Comparaison de plusieurs moyennes
Analyse de la variance Comparaison de plusieurs moyennes Biostatistique Pr. Nicolas MEYER Laboratoire de Biostatistique et Informatique Médicale Fac. de Médecine de Strasbourg Mars 2011 Plan 1 Introduction
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 détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailRIE LE RENDU THEO. 2 e trim ÉTAPE DE FINITION BOÎTE DE DIALOGUE. remarques
THEO RIE LE RENDU 2 e trim JANVIER 2008 remarques ÉTAPE DE FINITION Le rendu est la partie finale de notre création, à ce moment on décide que notre 3D est finie et l on en réalise une image 2D Cette image
Plus en détailNON-LINEARITE ET RESEAUX NEURONAUX
NON-LINEARITE ET RESEAUX NEURONAUX Vêlayoudom MARIMOUTOU Laboratoire d Analyse et de Recherche Economiques Université de Bordeaux IV Avenue. Leon Duguit, 33608 PESSAC, France tel. 05 56 84 85 77 e-mail
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 détailde calibration Master 2: Calibration de modèles: présentation et simulation d
Master 2: Calibration de modèles: présentation et simulation de quelques problèmes de calibration Plan de la présentation 1. Présentation de quelques modèles à calibrer 1a. Reconstruction d une courbe
Plus en détailMESURE ET PRECISION. Il est clair que si le voltmètre mesure bien la tension U aux bornes de R, l ampèremètre, lui, mesure. R mes. mes. .
MESURE ET PRECISIO La détermination de la valeur d une grandeur G à partir des mesures expérimentales de grandeurs a et b dont elle dépend n a vraiment de sens que si elle est accompagnée de la précision
Plus en détailQ6 : Comment calcule t-on l intensité sonore à partir du niveau d intensité?
EXERCICE 1 : QUESTION DE COURS Q1 : Qu est ce qu une onde progressive? Q2 : Qu est ce qu une onde mécanique? Q3 : Qu elle est la condition pour qu une onde soit diffractée? Q4 : Quelles sont les différentes
Plus en détailImage 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 détailÉconometrie non paramétrique I. Estimation d une densité
Économetrie non paramétrique I. Estimation d une densité Stéphane Adjemian Université d Évry Janvier 2004 1 1 Introduction 1.1 Pourquoi estimer une densité? Étudier la distribution des richesses... Proposer
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailFonctions 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 détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailExposition. VLR plongée e commission photo
Exposition VLR plongée e commission photo Agenda Définitions Exposition / analogie du verre d eau (de vin?) Ouverture Vitesse Sensibilité La notion d EV Pourquoi cela ne suffit pas? Dynamique des capteurs
Plus en détailExercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?
Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version
Plus en détailExercices Alternatifs. Quelqu un aurait-il vu passer un polynôme?
Exercices Alternatifs Quelqu un aurait-il vu passer un polynôme? c 2004 Frédéric Le Roux, François Béguin (copyleft LDL : Licence pour Documents Libres). Sources et figures: polynome-lagrange/. Version
Plus en détailLa 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 détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détailChapitre 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 détailIMAGES NUMÉRIQUES MATRICIELLES EN SCILAB
IMAGES NUMÉRIQUES MATRICIELLES EN SCILAB Ce document, écrit par des animateurs de l IREM de Besançon, a pour objectif de présenter quelques unes des fonctions du logiciel Scilab, celles qui sont spécifiques
Plus en détailLe théorème des deux fonds et la gestion indicielle
Le théorème des deux fonds et la gestion indicielle Philippe Bernard Ingénierie Economique& Financière Université Paris-Dauphine mars 2013 Les premiers fonds indiciels futent lancés aux Etats-Unis par
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 détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailDÉCOUVERTE DE CAPTURE ONE
Page 1/12 DÉCOUVERTE DE CAPTURE ONE PREMIERS PAS Lorsqu'on a l'habitude ce logiciel on effectue toutes les opérations ( ou presque avec lui ), y compris le transfert des fichiers depuis l'apn vers le disque
Plus en détailTransmission d informations sur le réseau électrique
Transmission d informations sur le réseau électrique Introduction Remarques Toutes les questions en italique devront être préparées par écrit avant la séance du TP. Les préparations seront ramassées en
Plus en détailFibonacci et les paquerettes
Fibonacci et les paquerettes JOLY Romain & RIVOAL Tanguy Introduction Quand on entend dire que l on peut trouver le nombre d or et la suite de Fibonacci dans les fleurs et les pommes de pin, on est au
Plus en détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
Plus en détailApproximations variationelles des EDP Notes du Cours de M2
Approximations variationelles des EDP Notes du Cours de M2 Albert Cohen Dans ce cours, on s intéresse à l approximation numérique d équations aux dérivées partielles linéaires qui admettent une formulation
Plus en détailL ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ
L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et
Plus en détailTests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA
Tests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA Soutenance de doctorat, sous la direction de Pr. Bilodeau, M. et Pr. Ducharme, G. Université de Montréal et Université
Plus en détailGlossaire technique Veditec
Glossaire technique Veditec 3D/2D DNR (digital noise réduction) La technologie DNR est un système de réduction numérique de bruit ayant pour but de réduire le bruit sur l image. Elle permet d obtenir des
Plus en détailTD1 PROPAGATION DANS UN MILIEU PRESENTANT UN GRADIENT D'INDICE
TD1 PROPAGATION DANS UN MILIEU PRESENTANT UN GRADIENT D'INDICE Exercice en classe EXERCICE 1 : La fibre à gradient d indice On considère la propagation d une onde électromagnétique dans un milieu diélectrique
Plus en détailCours de numérisation sur Epson Perfection
Cours de numérisation sur Epson Perfection 1- Vérifiez la propreté de la vitre, placez l original sur celle-ci. À savoir, on peut numériser des transparents avec ce scanner ; il a un capteur CCD dans le
Plus en détailCCP 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 détailArithmétique binaire. Chapitre. 5.1 Notions. 5.1.1 Bit. 5.1.2 Mot
Chapitre 5 Arithmétique binaire L es codes sont manipulés au quotidien sans qu on s en rende compte, et leur compréhension est quasi instinctive. Le seul fait de lire fait appel au codage alphabétique,
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 détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur
Plus en détailDe 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 détailÉquations non linéaires
Équations non linéaires Objectif : trouver les zéros de fonctions (ou systèmes) non linéaires, c-à-d les valeurs α R telles que f(α) = 0. y f(x) α 1 α 2 α 3 x Equations non lineaires p. 1/49 Exemples et
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 détailLes Conditions aux limites
Chapitre 5 Les Conditions aux limites Lorsque nous désirons appliquer les équations de base de l EM à des problèmes d exploration géophysique, il est essentiel, pour pouvoir résoudre les équations différentielles,
Plus en détailPHYSIQUE 2 - Épreuve écrite
PHYSIQUE - Épreuve écrite WARIN André I. Remarques générales Le sujet de physique de la session 010 comprenait une partie A sur l optique et une partie B sur l électromagnétisme. - La partie A, à caractère
Plus en détailIntroduction à l étude des Corps Finis
Introduction à l étude des Corps Finis Robert Rolland (Résumé) 1 Introduction La structure de corps fini intervient dans divers domaines des mathématiques, en particulier dans la théorie de Galois sur
Plus en détail