TP de SI241 : segmentation des images
|
|
- Adèle Doucet
- il y a 7 ans
- Total affichages :
Transcription
1 TP de SI241 : segmentation des images Le compte-rendu est à rendre pour le 5 novembre. Pour réaliser le TP depuis votre compte personnel lancez les commandes suivantes : source /tsi/tp/bin/tp-seg L ensemble du TP se déroule via des commandes en ligne à lancer directement de la fenêtre de commande. Vous utiliserez les logiciels gimp ou xv pour visualiser les images. 1 Détection de contours 1.1 Filtre de gradient local par masque Depuis la fenêtre de commande, vous pouvez utiliser la fonction contours pour tester un filtre de gradient local. La commande : contours -h fournit une aide en ligne sur les paramètres de la fonction. Par exemple, la commande : contours cell.tif sobel.tif -sobel permet d obtenir la norme (image sobel N.tif) et la direction (image sobel D.tif) du gradient sur l image cell.tif avec l opérateur de Sobel. Essayez de seuiller l image de la norme avec l outil binaire. Commentez les résultats en terme d épaisseur et de continuité des contours, et de filtrage du bruit? 1.2 Maximum du gradient filtré dans la direction du gradient La commande contours permet également de détecter les maxima locaux du gradient dans la direction du gradient. Il suffit pour cela de rajouter l option -c <seuil>. Par exemple : contours cell.tif sobel.tif -sobel -c 1 fournit une image des contours du filtre de Sobel qui ont une norme au moins égale à 1 (image sobel C.tif). Vous pouvez superposer une image de contours sur l image initiale avec la fonction composition : composition cell.tif sobel C.tif super.tif -t 1 Cherchez à fixer le seuil sur la norme de façon à obtenir un compromis entre élimination du bruit et continuité des contours. Commentez les résultats obtenus en terme de position et de continuité des contours et d élimination du bruit. 1
2 1.3 Filtre récursif de Deriche Testez une approche analytique avec le filtre de Deriche de réponse impulsionnelle f(x) = cx.exp( a x ), suivi d une recherche du maximum du gradient dans la direction du gradient. Pour cela, placez-vous dans votre fenêtre de commande et tapez : deriche cell.tif deriche.tif -a 1.5 -c 1 Ce programme écrit en sortie les images deriche D.tif, deriche N.tif et deriche C.tif qui sont respectivement les images de la direction du gradient, de la norme du gradient et des contours. Que pensez vous des résultats? Etudiez l influence du paramètre a (le faire varier entre 0.3 et 3) sur la détection des contours (position, continuité, bruit,...). Le temps de calcul dépend-il de la valeur de a? Expliquez pourquoi. 1.4 Passage par zéro du laplacien Testez la détection de contours par passage par zéro du laplacien avec la routine LaplacianOfDeriche. Quel est l effet du paramètre a sur les résultats? Quelles sont les principales différences par rapport aux résultats fournis par les opérateurs vus précédemment (contours, Deriche)? 1.5 Changez d image Quel opérateur choisiriez-vous pour segmenter l image pyra-gauss.tif? Quels seraient les pré-traitements et les post-traitements à effectuer? 2 Seuillage avec hystérésis Dans cette partie, vous allez tester l intérêt du seuillage avec hystérésis sur un exemple de détection de lignes dans une image. Le principe du seuillage avec hystérésis est de sélectionner deux seuils différents de binarisation : l un est suffisamment bas pour que les lignes soient continues, mais risque de sélectionner du bruit dans l image, l autre est suffisamment haut pour que les points préservés appartiennent bien à des lignes valides, mais qui ne laissent que des lignes très incomplètes. La deuxième image est utilisée pour sélectionner dans la première les lignes les plus significatives : les objets connexes après le seuillage bas qui comportent au moins un point au dessus du seuil haut. 2
3 2.1 Application à la détection de lignes Appliquez le filtre du Duda Road Operator à une image SPOT pour effectuer une détection de lignes : duda.sh spot.tif duda.tif Application d un seuil bas binaire duda.tif bin-bas.tif -bas 70 Application d un seuil haut binaire duda.tif bin-haut.tif -bas 100 Seuillage avec hystérésis hysteresis bin-haut.tif bin-bas.tif hyste.tif 2.2 Votre travail Modifiez les valeurs des deux seuils, et examinez comment les lignes sont supprimées ou préservées. Quels sont les seuils qui donnent, à votre avis, le meilleur résultat? Appliquez le seuillage par hysteresis pour améliorer la détection de contours par l opérateur de Deriche sur une image de votre choix. Précisez la mise en oeuvre que vous proposez et commentez les résultats. 3 Segmentation par classification : K-moyennes Depuis une fenêtre de commande, vous pouvez lancer un algorithme de k-moyennes sur des images à niveaux de gris (kmeans1) ou sur des image en couleur (kmeans3). Vous pouvez choisir une initialisation aléatoire des germes ou spécifier les centres initiaux des classes. 3.1 Image à niveaux de gris Calcul de l histogramme de l image cell.tif : histo cell.tif -o histo.tif et visualisation de l image histo.tif avec xv ou gimp. Testez l algorithme des k-moyennes sur l image cell.tif pour une classification en 3 classes (par défaut, les centres des classes initiaux sont équirépartis) : kmeans1 cell.tif kmeans.tif histo histo.tif histokmeans.tif 3
4 L image histokmeans.tif permet de voir la séparation de l histogramme en différentes classes. Cette classification segmente-t-elle correctement les différents types de cellules? Avec l option -random, testez l algorithme des k-moyennes avec des germes tirés de façon aléatoire. Le résultat est-il stable si vous lancez l algorithme plusieurs fois? Quelles sont les difficultés rencontrées pour la segmentation des différents types de muscle dans l image muscle.tif? Vous pouvez spécifier certains centres initiaux de classes. Par exemple pour initiliser 3 centres à 50, 100 et 200, remplir le fichier classe.dat avec la commande suivante : echo > classe.dat qui crée 3 classes initialisées en 50, 100 et 200, et lancer la commande pour une classification en 5 classes (les centres non spécifiés sont tirés aléatoirement) : kmeans1 muscle.tif kmeans.tif c classe.dat Combien de classes sont nécessaires pour obtenir une segmentation correcte? Avec quelle initialisation? Quels prétraitements proposez-vous pour améliorer les résultats? 3.2 Image en couleur Testez l algorithme sur l image fleur.tif pour une classification en 10 classes (par défaut, les centres des classes initiaux sont tirés aléatoirement) : kmeans3 fleur.tif kmeans.tif Si vous voulez spécifier le centre de certaines classes, vous pouvez remplir le fichier classe.dat de la façon suivante : et lancer la commande : kmeans3 fleur.tif kmeans.tif c classe.dat Commentez la dégradation de l image quantifiée par rapport à l image initiale. Quel est le minimum de classe qui donne un rendu visuel similaire à celui de l image codée sur 3 octets? Proposez une solution pour retrouver les planches-mères utilisées pour l impression d une carte IGN : carte.tif. 4
5 4 Segmentation par régions 4.1 Partage et réunion : algorithme de Suk Dans la fenêtre de commande de votre compte TP, testez l algorithme de split and merge proposé par Suk et Chung sur des images à niveaux de gris et sur des images en couleur. La méthode de Suk fonctionne par trois passages sur l image : Dans une première passe, toutes les cellules de 2x2 pixels sont examinées. On recherche pour chacune la meilleure (qui implique le plus petit nombre de divisions) configuration permettant de partager la cellule en 1, 2 3 ou 4 régions homogènes. La meilleure configuration est retenue si elle garantie que chaque sous-cellule n a pas de contraste supérieur à un seuil T1. Dans une seconde passe, on cherche à réunir tout pixel aux 3 pixels qui le précèdent dans un balayage de type TV. Cette réunion est faite si la dynamique de la zone ainsi formée est inférieure à un second seuil T2. Enfin toutes les zones trop petites (d une taille inférieure à un seuil S) sont aggrégées à leur voisines les plus proches (au sens de la radiométrie). 4.2 Images à niveaux de gris L algorithme de Suk s exécute sur l image cell.tif par la commande : SUK-IMA cell ce qui signifie que T1 = 10, T2 = 12 et S = 200. Vous obtenez deux images en sortie : - cell-suk.tif est l image des zones où la valeur moyenne de la zone remplace les niveaux de gris. - cell-etiq.tif est une image d étiquettes de régions sur 8 bits. Etudiez l effet des différents paramètres sur le résultat de la segmentation. Cherchez le jeu de paramètres qui vous semble donner la meilleure segmentation. Cherchez également à expliquer l effet d une rotation de 90 degrés de l image initiale (prenez l image cell90.tif). Testez l algorithme de Suk sur l image RADAR ERS1 : hollande.tif. L algorithme est-il adapté à ce type d images? Il existe un algorithme de filtrage de speckle adapté aux images SAR. lee hollande.tif lee.tif -stdn 5 -r 3 Est-ce qu il permet d améliorer le résultat de la segmentation? 5
6 4.3 Images en couleur Effectuez la segmentation des images couleurs fleur.tif ou brux.tif dans l espace des couleurs RVB et dans l espace Lab. SUK-RVB fleur SUK-LAB fleur Fixez les paramètres de la segmentation dans l espace RVB, puis ajustez les paramètres de la segmentation dans Lab de façon à obtenir le même nombre de régions. Expliquez les différences de segmentation en fonction de l espace de couleurs utilisé. 5 A vous de jouer Sur l image aérienne vincennes.tif qui se trouve dans votre répertoire, utilisez les différents opérateurs que vous venez d étudier afin d extraire les ombres et les toits des bâtiments. Quels sont les problèmes que vous rencontrez? Que proposez-vous pour y remédier? En particulier, quels sont les filtres qu il est possible d appliquer à l image pour éliminer le bruit dû aux voitures ou aux objets présents sur les toits. 6
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 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 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 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 détailTP : Gestion d une image au format PGM
TP : Gestion d une image au format PGM Objectif : L objectif du sujet est de créer une classe de manipulation d images au format PGM (Portable GreyMap), et de programmer des opérations relativement simples
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 détailHiver 2013 IMN 259. Introduction à l analyse d images. Par Pierre-Marc Jodoin
Hiver 2013 Analyse d images IMN 259 Introduction à l analyse d images Par Pierre-Marc Jodoin Où se situe l analyse d images? Traitement d images Imagerie Image Analyse d images/ Vision par ordinateur Infographie
Plus en 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 détailINTRODUCTION AU DATA MINING
INTRODUCTION AU DATA MINING 6 séances de 3 heures mai-juin 2006 EPF - 4 ème année - Option Ingénierie d Affaires et de Projets Bertrand LIAUDET TP DE DATA MINING Le TP et le projet consisteront à mettre
Plus en détailIntroduction au Data-Mining
Introduction au Data-Mining Alain Rakotomamonjy - Gilles Gasso. INSA Rouen -Département ASI Laboratoire PSI Introduction au Data-Mining p. 1/25 Data-Mining : Kèkecé? Traduction : Fouille de données. Terme
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 détailTP Modulation Démodulation BPSK
I- INTRODUCTION : TP Modulation Démodulation BPSK La modulation BPSK est une modulation de phase (Phase Shift Keying = saut discret de phase) par signal numérique binaire (Binary). La phase d une porteuse
Plus en détailLes étapes du traitement de l analyse d image
Les étapes du traitement de l analyse d image La capture image brute Prétraitement niveaux de gris Segmentation image binaire Post-traitement régions d intérêts Amélioration Publication Quantification
Plus en détailUtilisation 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 détailSécurité et Firewall
TP de Réseaux IP pour DESS Sécurité et Firewall Auteurs: Congduc Pham (Université Lyon 1), Mathieu Goutelle (ENS Lyon), Faycal Bouhafs (INRIA) 1 Introduction: les architectures de sécurité, firewall Cette
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 détailTraitement d un AVI avec Iris
Traitement d un AVI avec Iris 1. Définir le répertoire de travail Fichier > Réglages (Ctrl + R) Et on définit le chemin du répertoire de travail. C est là que les images vont être stockées. 2. Convertir
Plus en détailEPREUVE OPTIONNELLE d INFORMATIQUE CORRIGE
EPREUVE OPTIONNELLE d INFORMATIQUE CORRIGE QCM Remarque : - A une question correspond au moins 1 réponse juste - Cocher la ou les bonnes réponses Barème : - Une bonne réponse = +1 - Pas de réponse = 0
Plus en détailProjet 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 détailAlgorithme des fourmis appliqué à la détection et au suivi de contours dans une image
IN52-IN54 A2008 Algorithme des fourmis appliqué à la détection et au suivi de contours dans une image Etudiants : Nicolas MONNERET Alexandre HAFFNER Sébastien DE MELO Responsable : Franck GECHTER Sommaire
Plus en détailWindows Internet Name Service (WINS)
Windows Internet Name Service (WINS) WINDOWS INTERNET NAME SERVICE (WINS)...2 1.) Introduction au Service de nom Internet Windows (WINS)...2 1.1) Les Noms NetBIOS...2 1.2) Le processus de résolution WINS...2
Plus en détailChapitre 22 Optimisation pour diffusion à l'écran, pour le web
1 1 9 9 7 7 Optimisation pour diffusion à l'écran, pour le web Diffusion pour le web........................ 31 Les paramètres avant l exportation................. 31 Optimisation pour le web......................
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 détailAnalyse d images. Edmond.Boyer@imag.fr. Edmond Boyer UFRIMA 1
Analyse d images Edmond.Boyer@imag.fr Edmond Boyer UFRIMA 1 1 Généralités Analyse d images (Image Analysis) : utiliser un ordinateur pour interpréter le monde extérieur au travers d images. Images Objets
Plus en détailVotre Réseau est-il prêt?
Adapter les Infrastructures à la Convergence Voix Données Votre Réseau est-il prêt? Conférence IDG Communications Joseph SAOUMA Responsable Offre ToIP Rappel - Définition Voix sur IP (VoIP) Technologie
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 détailOptimisation de la compression fractale D images basée sur les réseaux de neurones
Optimisation de la compression fractale D images basée sur les réseaux de neurones D r BOUKELIF Aoued Communication Networks,Architectures and Mutimedia laboratory University of S.B.A aoued@hotmail.com
Plus en détailComment optimiser dans ImageReady?
L optimisation des éléments graphiques et la création de la page Web 243 Comment optimiser dans ImageReady? Avec ImageReady, l optimisation d un fichier pour le Web est plus performante qu avec Photoshop.
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 détailDan Istrate. Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier
Détection et reconnaissance des sons pour la surveillance médicale Dan Istrate le 16 décembre 2003 Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier Thèse mené dans le cadre d une collaboration
Plus en détailEXEMPLE DE PAGE : FORMAT A4 (210X297)
EXEMPLE DE PAGE : FORMAT A4 (210X297) 220 210 Filet noir format réel du document soit 210x297mm Zone Rose Marge intérieure de 5 milimètres ou zone d exclusion qui doit être, si possible vierge de tout
Plus en détailTP 2 Réseaux. Adresses IP, routage et sous-réseaux
TP 2 Réseaux Adresses IP, routage et sous-réseaux C. Pain-Barre INFO - IUT Aix-en-Provence version du 24/2/2 Adressage IP. Limites du nombre d adresses IP.. Adresses de réseaux valides Les adresses IP
Plus en détailSillage Météo. Notion de sillage
Sillage Météo Les représentations météorologiques sous forme d animation satellites image par image sont intéressantes. Il est dommage que les données ainsi visualisées ne soient pas utilisées pour une
Plus en détailUtilisation d informations visuelles dynamiques en asservissement visuel Armel Crétual IRISA, projet TEMIS puis VISTA L asservissement visuel géométrique Principe : Réalisation d une tâche robotique par
Plus en détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
Plus en détailExtraction et reconstruction de bâtiments en 3D à partir de relevés lidar aéroportés
Thèse présentée pour obtenir le grade de Docteur de l Université Louis Pasteur Strasbourg I Discipline : Sciences pour l Ingénieur Spécialité : Topographie-Géomatique Par : Fayez TARSHA KURDI Extraction
Plus en détailLIDAR LAUSANNE 2012. Nouvelles données altimétriques sur l agglomération lausannoise par technologie laser aéroporté et ses produits dérivés
LIDAR LAUSANNE 2012 Nouvelles données altimétriques sur l agglomération lausannoise par technologie laser aéroporté et ses produits dérivés LIDAR 2012, nouveaux modèles altimétriques 1 Affaire 94022 /
Plus en détailUSTL - Licence ST-A 1ère année 2005-2006 Codage de l information TP 1 :
USTL - Licence ST-A 1ère année 2005-2006 Codage de l information TP 1 : Objectifs du TP Ce TP a pour but 1. de découvrir quelques opérations logiques sur les nombres 2. et quelques formats de fichiers.
Plus en détail1. Installation de COMPTINE
3-5 Rue de Metz 75010 PARIS SA à capital variable RCS Paris B 344 671 490 Tél. : 01 40 22 12 12 Fax : 01 40 22 12 00 E-mail : contact@arete.fr SIRET : 34467149000029 Guide démo SOMMAIRE 1. Installation
Plus en détailOptimiser les e-mails marketing Les points essentiels
Optimiser les e-mails marketing Les points essentiels Sommaire Une des clés de succès d un email marketing est la façon dont il est créé puis intégré en HTML, de telle sorte qu il puisse être routé correctement
Plus en détailIntroduction au datamining
Introduction au datamining Patrick Naïm janvier 2005 Définition Définition Historique Mot utilisé au départ par les statisticiens Le mot indiquait une utilisation intensive des données conduisant à des
Plus en détailReconstruction de bâtiments en 3D à partir de nuages de points LIDAR
Reconstruction de bâtiments en 3D à partir de nuages de points LIDAR Mickaël Bergem 25 juin 2014 Maillages et applications 1 Table des matières Introduction 3 1 La modélisation numérique de milieux urbains
Plus en détailInitiation à linfographie
Ce support de cours de l Agence universitaire de la Francophonie est distribué sous licence GNU FDL. Permission vous est donnée de copier, distribuer et/ou modifier ce document selon les termes de la Licence
Plus en détailUtilisation du logiciel Gwyddion
Traitement des images SPM Utilisation du logiciel Gwyddion Logiciels disponibles sur les appareils Agilent, Bruker, JPK, NT-MDT Logiciels i payants SPIP : http://www.imagenet.com Logiciels gratuits WSxM
Plus en détail1 Recherche en table par balayage
1 Recherche en table par balayage 1.1 Problème de la recherche en table Une table désigne une liste ou un tableau d éléments. Le problème de la recherche en table est celui de la recherche d un élément
Plus en détailObjectifs. Clustering. Principe. Applications. Applications. Cartes de crédits. Remarques. Biologie, Génomique
Objectifs Clustering On ne sait pas ce qu on veut trouver : on laisse l algorithme nous proposer un modèle. On pense qu il existe des similarités entre les exemples. Qui se ressemble s assemble p. /55
Plus en détailTD 1 - Transmission en bande de passe
Claude Duvallet Université du Havre UFR Sciences et Techniques 25 rue Philippe Lebon - BP 540 76058 LE HAVRE CEDEX Claude.Duvallet@gmail.com Claude Duvallet 1/10 Transmission en bande de passe (1/2) Description
Plus en détailATELIER IMAGEJ. Différentes applications vous sont proposées pour apprendre à utiliser quelques fonctions d ImageJ :
Différentes applications vous sont proposées pour apprendre à utiliser quelques fonctions d ImageJ : 1. ANALYSE QUANTITATIVE D UN GEL D ELECTROPHORESE... 2 2. NUMERATION DE COLONIES BACTERIENNES SUR UNE
Plus en détailTraitement numérique de l'image. Raphaël Isdant - 2009
Traitement numérique de l'image 1/ L'IMAGE NUMÉRIQUE : COMPOSITION ET CARACTÉRISTIQUES 1.1 - Le pixel: Une image numérique est constituée d'un ensemble de points appelés pixels (abréviation de PICture
Plus en détailProposition d un model hiérarchique et coopératif agent pour la segmentation d image
Proposition d un model hiérarchique et coopératif agent pour la segmentation d image Mansouri Ziad 1, Hayet Farida Merouani 1, 1 Département d informatique Laboratoire LRI/Equipe SRF Université Badji Mokhtar
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 détailTransmission de données. A) Principaux éléments intervenant dans la transmission
Page 1 / 7 A) Principaux éléments intervenant dans la transmission A.1 Equipement voisins Ordinateur ou terminal Ordinateur ou terminal Canal de transmission ETTD ETTD ETTD : Equipement Terminal de Traitement
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 détailCompte-rendu Réunion générale. Grenoble, le 29 juin 2011 URBASIS
URBASIS Sismologie urbaine : évaluation de la vulnérabilité et des dommages sismiques par méthodes innovantes ANR09RISK009 URBASIS Compterendu Réunion générale Grenoble, le 29 juin 2011 Participants: J.
Plus en détailCREATION D UNE EVALUATION AVEC JADE par Patrick RUER (www.mathenvideo.comuv.com)
TABLE DES MATIERES I) Le logiciel JADE 2 II) Etablissements 3 1) Configuation de l établissement 3 2) Importation des classes avec SCONET 4 3) Les groupes d élèves 6 4) Les variables supplémentaires 6
Plus en détailN avez-vous jamais rêvé d une nouvelle façon de faire un film? gettyimages.fr/film. Guide de l utilisateur
N avez-vous jamais rêvé d une nouvelle façon de faire un film? gettyimages.fr/film Guide de l utilisateur Ouvrez les yeux. C est ici. Trouvez ce que vous voulez : accédez à 100 000 plans issus de 11 collections.
Plus en détailBusiness Intelligence simple et efficace avec Excel et PowerPivot
Présentation de PowerPivot A. L analyse de données 7 1. Activité 7 2. Définitions 8 a. Mesures et dimensions 8 b. Traitement et analyse 8 c. Robustesse et confiance 9 B. Des solutions pour les gros volumes
Plus en détailIntroduction au Data-Mining
Introduction au Data-Mining Gilles Gasso, Stéphane Canu INSA Rouen -Département ASI Laboratoire LITIS 8 septembre 205. Ce cours est librement inspiré du cours DM de Alain Rakotomamonjy Gilles Gasso, Stéphane
Plus en détailBIRT (Business Intelligence and Reporting Tools)
BIRT (Business Intelligence and Reporting Tools) Introduction Cette publication a pour objectif de présenter l outil de reporting BIRT, dans le cadre de l unité de valeur «Data Warehouse et Outils Décisionnels»
Plus en détailExpérience 3 Formats de signalisation binaire
Expérience 3 Formats de signalisation binaire Introduction Procédures Effectuez les commandes suivantes: >> xhost nat >> rlogin nat >> setenv DISPLAY machine:0 >> setenv MATLABPATH /gel/usr/telecom/comm_tbx
Plus en détailInxmail Professional 4.2
Inxmail Professional 4.2 Nouvelles fonctionnalités La version 4.2 d Inxmail Professional est disponible depuis juin 2012. Au programme : cinq nouveaux types de Mailings Trigger qui vous permettront de
Plus en détailLa Rosette (NGC 2237) Fabien
La Rosette (NGC 2237) Fabien 1. Prétraitement 1.1 Introduction Nous partons de 3 jeux d images, prises par les membres du club, avec des instruments différents. - Des images en Ha, prises avec une lunette
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 détail1 La visualisation des logs au CNES
1 La visualisation des logs au CNES 1.1 Historique Depuis près de 2 ans maintenant, le CNES a mis en place une «cellule d analyse de logs». Son rôle est multiple : Cette cellule est chargée d analyser
Plus en détailChaine de transmission
Chaine de transmission Chaine de transmission 1. analogiques à l origine 2. convertis en signaux binaires Échantillonnage + quantification + codage 3. brassage des signaux binaires Multiplexage 4. séparation
Plus en détailTS 35 Numériser. Activité introductive - Exercice et démarche expérimentale en fin d activité Notions et contenus du programme de Terminale S
FICHE Fiche à destination des enseignants TS 35 Numériser Type d'activité Activité introductive - Exercice et démarche expérimentale en fin d activité Notions et contenus du programme de Terminale S Compétences
Plus en détailEtudier l influence de différents paramètres sur un phénomène physique Communiquer et argumenter en utilisant un vocabulaire scientifique adapté
Compétences travaillées : Mettre en œuvre un protocole expérimental Etudier l influence de différents paramètres sur un phénomène physique Communiquer et argumenter en utilisant un vocabulaire scientifique
Plus en détailChapitre 2 : communications numériques.
Chapitre 2 : communications numériques. 1) généralités sur les communications numériques. A) production d'un signal numérique : transformation d'un signal analogique en une suite d'éléments binaires notés
Plus en détailFEN FICHE EMPLOIS NUISANCES
Version 4.8.2 Date mise à jour : 19 Février 2013 Auteur : LAFUMA Gilles Email : glfm02@orange.fr Web : www.procarla.fr/soft Présentation : FEN FICHE EMPLOIS NUISANCES Le Logiciel FEN Fiche emploi nuisance
Plus en détailSystèmes de transmission
Systèmes de transmission Conception d une transmission série FABRE Maxime 2012 Introduction La transmission de données désigne le transport de quelque sorte d'information que ce soit, d'un endroit à un
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 détailInformatique. Les réponses doivent être données en cochant les cases sur la dernière feuille du sujet, intitulée feuille de réponse
Questions - Révision- - 1 er Semestre Informatique Durée de l examen : 1h pour 40 questions. Aucun document n est autorisé. L usage d appareils électroniques est interdit. Les questions faisant apparaître
Plus en détailJPEG, PNG, PDF, CMJN, HTML, Préparez-vous à communiquer!
JPEG, PNG, PDF, CMJN, HTML, Préparez-vous à communiquer! 1 / Contexte L ordinateur La loi du nombre La numérisation = codage d une information en chiffres binaire : 0 1 («bit») 8 bits = 1 octet 1ko = 1024
Plus en détailProgrammation C. Apprendre à développer des programmes simples dans le langage C
Programmation C Apprendre à développer des programmes simples dans le langage C Notes de cours sont disponibles sur http://astro.u-strasbg.fr/scyon/stusm (attention les majuscules sont importantes) Modalités
Plus en détailCahier Technique Liaison Comptabilité Api / Sage ECF
Cahier Technique Liaison Comptabilité Api / Sage ECF Sage Titre Petites du document Page 2 / 19 Entreprises Documentation technique Sommaire I. Introduction... 3 II. Liaison... 4 1. Pré-requis... 4 2.
Plus en détailREALISATION D UNE CALCULATRICE GRACE AU LOGICIEL CROCODILE CLIPS 3.
1 sur 6 REALISATION D UNE CALCULATRICE GRACE AU LOGICIEL CROCODILE CLIPS 3. OBJECTIF - PUBLIC - LOGICIEL - MATERIEL - METHODE - BIBLIOGRAPHIE - AVANTAGES - DIFFICULTES - AUTEUR DU DOCUMENT - LE DOCUMENT
Plus en détailMEMOIRE DE MAGISTER. Conception de métaheuristiques d optimisation pour la segmentation des images de télédétection
MINISTERE DE L ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE UNIVERSITE MOULOUD MAMMERI, TIZI-OUZOU FACULTE DE GENIE ELECTRIQUE ET DE L INFORMATIQUE DEPARTEMENT D ELECTRONIQUE MEMOIRE DE MAGISTER
Plus en détailLeica Application Suite
Leica Application Suite Macro Editor et Macro Runner (Éditeur de macros et Exécuteur de macros) Personnalisées et automatisées 2 Les instructions peuvent être momentanément suspendues» de manière optionnelle
Plus en détailGUIDE D UTILISATION DE L ISU SEPTEMBRE 2013 GUIDE D UTILISATION DU NAVIGATEUR UIS.STAT (VERSION BÊTA)
GUIDE D UTILISATION DE L ISU SEPTEMBRE 2013 GUIDE D UTILISATION DU NAVIGATEUR UIS.STAT (VERSION BÊTA) Publié en 2013 par : Institut de statistiques de l UNESCO C.P. 6128, Succursale Centre-Ville Montréal,
Plus en détailAnalyse Sémantique de Nuages de Points 3D et d Images dans les Milieux Urbains
Analyse Sémantique de Nuages de Points 3D et d Images dans les Milieux Urbains Andrés Felipe SERNA MORALES Directrice de thèse: Beatriz MARCOTEGUI ITURMENDI serna@cmm.ensmp.fr MINES ParisTech, Mathématiques
Plus en détailTD : Codage des images
TD : Codage des images Les navigateurs Web (Netscape, IE, Mozilla ) prennent en charge les contenus textuels (au format HTML) ainsi que les images fixes (GIF, JPG, PNG) ou animée (GIF animée). Comment
Plus en détailPetit guide des sous-réseaux IP
Petit guide des sous-réseaux IP Robert Hart, hartr@interweft.com.au version française par Laurent Caillat-Vallet, caillat@univ-lyon1.fr v1.0, 31 Mars 1997 Ce document décrit pourquoi et comment découper
Plus en détailMéthodes d apprentissage statistique «Machine Learning»
Méthodes d apprentissage statistique «Machine Learning» Fabrice TAILLIEU, Sébastien DELUCINGE, Rémi BELLINA Le marché de l assurance a rarement été marqué par un environnement aussi difficile qu au cours
Plus en détailUFR de Mathématiques et Informatique Année 2009/2010. Réseaux Locaux TP 04 : ICMP, ARP, IP
Université de Strasbourg Licence Pro ARS UFR de Mathématiques et Informatique Année 2009/2010 1 Adressage IP 1.1 Limites du nombre d adresses IP 1.1.1 Adresses de réseaux valides Réseaux Locaux TP 04 :
Plus en détailUnity Real Time 2.0 Service Pack 2 update
Unity Real Time 2.0 Service Pack 2 update Configuration des Objectifs Analytiques La nouvelle version permet, en un écran, de configurer un lot, un panel ou un instrument. Le menu est accessible au moyen
Plus en détailBusiness Talk IP Centrex. guide. web utilisateur. pour. les services standards
guide web utilisateur pour les services standards 1/22 version 03 décembre 2013 table des matières Accès au web utilisateur... 3 Onglet accueil... 5 Onglet services téléphoniques... 7 services standards...
Plus en détailDésinfection de Downadup
Désinfection de Downadup Historique des versions de documentations N de version Eléments modifiés Date Rédacteur 1.0 Version Initial 15/03/2010 BOURGINE Christopher 1 BitDefender propose un outil de désinfection
Plus en détailObject detection in underwater images
Object detection in underwater images Sébastien Helan (1), Jean-Christophe Burie (1), Thierr Bouwmans (1), Stéphane Bazeille (2) (1) Laboratoire L3i, Université de La Rochelle, 17042 La Rochelle Cede 1,
Plus en détailSharePoint (Toute la Gamme)... 1 Office 2010 (Toute la Gamme)... 2 OLAP (Toute la Gamme)... 2 STATISTICA Connecteur PI (Produit Complémentaire)...
SharePoint (Toute la Gamme)... 1 Office 2010 (Toute la Gamme)... 2 OLAP (Toute la Gamme)... 2 STATISTICA Connecteur PI (Produit Complémentaire)... 3 Introduction... 3 Échelle Interactive... 4 Navigation
Plus en détailTP: Représentation des signaux binaires. 1 Simulation d un message binaire - Codage en ligne
Objectifs : Ce TP est relatif aux différentes méthodes de codage d une information binaire, et à la transmission en bande de base de cette information. Les grandes lignes de ce TP sont l étude des méthodes
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 détail1 Introduction au codage
CélestineOscarDésiréAnatoleGastonEugène 1 Introduction au codage 1.1 Les ensembles L ensemble de tout les ensembles est Dieu lui-même. Kantor Ensemble des parties d un ensemble désigne l ensemble des sous-ensembles
Plus en détail1.1 L EXPLORATEUR WINDOWS
Gérer les fichiers et les dossiers Cette partie du T.P. a pour objectifs de vous familiariser avec les méthodes pour copier, déplacer, effacer, renommer des dossiers et des fichiers. 1.1 L EXPLORATEUR
Plus en détailREALISATION d'un. ORDONNANCEUR à ECHEANCES
REALISATION d'un ORDONNANCEUR à ECHEANCES I- PRÉSENTATION... 3 II. DESCRIPTION DU NOYAU ORIGINEL... 4 II.1- ARCHITECTURE... 4 II.2 - SERVICES... 4 III. IMPLÉMENTATION DE L'ORDONNANCEUR À ÉCHÉANCES... 6
Plus en détailProjet SINF2275 «Data mining and decision making» Projet classification et credit scoring
Projet SINF2275 «Data mining and decision making» Projet classification et credit scoring Année académique 2006-2007 Professeurs : Marco Saerens Adresse : Université catholique de Louvain Information Systems
Plus en détailProjet L1, S2, 2015: Simulation de fourmis, Soutenance la semaine du 4 mai.
Projet L1, S2, 2015: Simulation de fourmis, Soutenance la semaine du 4 mai. 1 Introduction On considère une grille de 20 lignes 20 colonnes. Une case de la grille peut être vide, ou contenir une et une
Plus en détailManuel d'utilisation: Gestion commerciale - CRM
Manuel d'utilisation: Gestion commerciale - CRM Partie: Plan de vente Version : 1.1 Structure du document 1 Introduction...2 2 Glossaire...2 3 Plan de vente...3 3.1 Plan de vente...4 3.1.1 Gestion...4
Plus en détailBases de programmation. Cours 5. Structurer les données
Bases de programmation. Cours 5. Structurer les données Pierre Boudes 1 er décembre 2014 This work is licensed under the Creative Commons Attribution-NonCommercial-ShareAlike 3.0 License. Types char et
Plus en détail