Vectorisation automatique des forêts dans les minutes d Etat Major du XIXème siècle

Dimension: px
Commencer à balayer dès la page:

Download "Vectorisation automatique des forêts dans les minutes d Etat Major du XIXème siècle"

Transcription

1 Vectorisation automatique des forêts dans les minutes d Etat Major du XIXème siècle P.-A. Herrault 1,2, D. Sheeren 1, M. Fauvel 1, M. Paegelow 2 1 DYNAFOR Lab. UMR 1201 INP-ENSAT / INRA University of Toulouse 2 GEODE Lab. UMR 5602 UTM / CNRS University of Toulouse

2 Les cartes historiques contiennent des informations privilégiées (monuments historiques, occupation du sol passée, anciens réseaux routiers..) Intéressantes pour de nombreuses études: changements paysagers sur le long terme, l évolution de la tâche urbaine ou l évolution du trait de côte.. Depuis quelques années, disponibilité accrue grâce à une mise à disposition de la part des archives nationales

3 Approche traditionnelle pour extraire les objets basée sur l intervention de l utilisateur (digitalisation) Consommatrice en terme de temps, subjectives et difficilement reproductible sur de larges étendues Besoin majeur de développer des approches automatiques

4 Nombreux problèmes pour capturer automatiquement les entités sur les cartes historiques Superposition d éléments planimétriques Qualité entachée via le processus de scannage Cartes en Noir et Blanc

5 Nombreux auteurs ont déjà proposé des approches automatiques pour extraire les objets géographiques (Ansoult et al.1990; Li et al.1999; Leyk 2006) Deux étapes majeurs identifiées dans ces procédures d extraction Extraction au sens stricte (Classification/Segmentation) Etape de nettoyage(«clean-up process», avant et/ou après la phase d extraction)

6 Les cartes historiques contiennent différentes sortes de «bruit» Superposition d éléments planimétriques Effet d ombrage liés au processus de scannage Méthodes basées sur des techniques de filtrage Filtre de convolution Filtres morphologiques

7 Principe du filtrage? Assigner une nouvelle valeur à chaque pixel en considérant les valeurs des pixels dans son voisinage grâce à une fenêtre de convolution grâce à un élément structurant Ex : Filtre médian (convolution) 3, 3, 3, 4, 4, 5, 5, 5, 10

8 Méthodes existantes peuvent porter sur différents types d objets Texte (Cao and al.2002; Centeno 1998) Regions (Shaw and al.2011; Chiang 2009) Symboles (Gamba and Mecocci 1999; Boesch 1996) Lignes (Kaneko,1992; Mariani and al.1997)

9 Développer une méthode d extraction automatique des forêts sur les minutes d Etat Major (~ 1850) Reproductible sur de larges étendues Intervention de l utilisateur limitée Suffisamment générique pour la tester sur d autres objets d étude ou d autres cartes scannées

10

11 Trois extraits de 1500*1500 pixels Différences de surcharges liées au contexte de la zone Différences de représentations de l entité «forêt»

12

13

14 Carte originale(s) Dilatation Filtre Médian Filtre passe-bas Carte filtrée(s)

15 Carte originale(s) Dilatation Filtre médian Filtre passe-bas Carte filtrée(s) Dilatation (carré de 5*5 pixels) Remplir les trous crées par les lignes d élévation, le texte ou les symboles superposés

16 Carte originale(s) Dilatation Filtre médian Filtre passe-bas Carte filtrée(s) Filtre médian(fenêtre de 5*5 pixels) Continuer à réduire les lignes d élévations persistantes en préservant les contours d objets et la couleur

17 Carte originale(s) Dilatation Filtre médian Filtre passe-bas Carte filtrée(s) Filtre passe-bas (fenêtre of 5*5 pixels) Supprimer le bruit de fond sans flouter l image

18

19 Pourquoi s intéresser à l espace colorimétrique? Couleur rarement homogène dans les cartes historiques Intensité varie + ou - fortement suivant le lieu Rendre plus robuste une reconnaissance automatique basée sur la couleur Modèle additif Vs Modèle cylindrique Modèle additif tel que le RVB manque d uniformité en présence d une luminosité variable Modèles cylindriques tel que le CIElab permettent d isoler la luminosité lorsque celle-ci n est pas uniforme

20 Les spécificités clarté de la couleur est reportée sur l axe L perpendiculaire aux plan «ab» a = gamme de couleurs du rouge au vert b = gamme de couleur du jaune au bleu un plan «ab» pour chaque valeur de L Possibilité de gérer les différences de clarté pour une même couleur en recherchant les partition de cette couleur pour chaque valeur de L

21

22 Algorithme de détection non supervisée issue des méthodes d apprentissage à noyau Adaptée aux problèmes de classification d une seule classe d intérêt Possibilité d apprendre le modèle avec les seuls échantillons de la classe d intérêt (les éléments positifs) mais pas que Pas de connaissances à priori nécessaires sur la distribution des classes étudiées

23 Objectif: trouver le rayon d une hyper-sphère minimale englobant les échantillons de la classe d intérêt en excluant les autres: problème d optimisation R a Introduction d un paramètre C qui va pénaliser les erreurs durant le problème d optimisation Éléments positifs Éléments négatifs

24 Éléments positifs Éléments négatifs Aucun éléments négatifs acceptés dans l hyper-sphère Nuage d éléments positifs parfaitement ajusté Paramètre C = 1 Risques de sur-apprentissage

25 Éléments positifs Éléments négatifs Grand nombre d éléments négatifs acceptés dans l hyper-sphère Risques de confusions trop importants Paramètre C = 0.1

26 Éléments positifs Éléments négatifs Quelques éléments négatifs acceptés dans l hypersphère Compromis intéressant pour classer les données réelles Paramètre C = 0.5

27

28 Objectifs? corriger la non-prise en compte de certains éléments en amont en raison d un paramétrage standard des propriétés de filtrage

29 Objectifs? corriger la non-prise en compte de certains éléments en amont en raison d un paramétrage standard des propriétés de filtrage Ouverture (Opérateur morphologique) supprimer les pixels isolés ne faisant pas partie des forêts Règles contextuelles remplir les trous encore présents à l intérieur des objets forêts

30

31 Carte originale Dilatation Filtre médian Carte filtrée Filtre passe-bas

32 Carte originale Dilatation Filtre médian Carte filtrée Map Carte Originale Filtre passe-bas Carte Filtrée

33 Classification dans l espace RGB Carte Filtrée Classification dans l espace L*a*b

34 Classification dans l espace RGB Carte Filtrée Classification dans l espace L*a*b

35 Carte originale Pré-traitements+classification Forêt extraite non corrigée Post-traitements Forêt extraite reconstruite Reconstruction Forêt extraite corrigée (binaire)

36 Extrait 1 Extrait 2 Précision globale importante Tendance à légèrement sous-détecter les forêts Extrait 3 Carte originale Couche d extraction binaire Couche d extraction reconstruite

37 Un outil performant pour les travaux incluant une dimension historique Possible délai dans le temps de réponse des éspèces aux modifications de leur habitat: notion de dette d extinction (Krauss et al,2010)

38 31 Des valeurs de métriques proches entre les deux méthodes Extrait 1 Attention aux valeurs de périmètre!! intégration d un lissage des contours d objet dans la phase de post-traitements Extrait 2

39 Certaine robustesse de la méthode proposée Espace L*a*b bien adapté pour accroitre l uniformité dans les cartes de faible qualité Détecteur SVDD efficace lorsqu il s agit d identifier une seule classe d intérêt tout en prenant en compte la diversité des représentations

40 Améliorer la phase de post-traitement Recherche approfondie du paramètre C pour la méthode de classification SVDD Tester la méthode sur d autres objets ou d autres cartes scannées

41 MERCI DE VOTRE ATTENTION!

Le traitement d image dans l analyse de documents anciens

Le traitement d image dans l analyse de documents anciens Le traitement d image dans l analyse de documents anciens Séminaire de recherche du groupe DIVA Université de Fribourg 29 mai 2008 Denis BOSSY Le traitement d image dans l analyse de documents anciens

Plus en détail

Test d une méthodologie de détection de la tâche urbaine

Test d une méthodologie de détection de la tâche urbaine Test d une méthodologie de détection de la tâche urbaine Territoires Caraïbe Auteur : David Réchal Climat Milieu marin Partenaire : UMR ESPACE-DEV, IRD Mangrove Date : Septembre 2010 Littoral Projet CARIBSAT

Plus en détail

Vectorisation automatique des forêts dans les minutes de la carte d Etat-Major du 19 e siècle

Vectorisation automatique des forêts dans les minutes de la carte d Etat-Major du 19 e siècle Vectorisation automatique des forêts dans les minutes de la carte d Etat-Major du 19 e siècle Pierre-Alexis Herrault *,**, David Sheeren *, Mathieu Fauvel *, Martin Paegelow ** * Université de Toulouse,

Plus en détail

Vision industrielle Les outils de traitement

Vision industrielle Les outils de traitement Vision industrielle Les de traitement Plan du cours Outils de prétraitement Les opérations ponctuelles Les opérations de voisinage Outils de détection Outils de détection Outils de reconnaissance La recherche

Plus en détail

Reconnaissance / extraction de bâtiments pour la cartographie rapide

Reconnaissance / extraction de bâtiments pour la cartographie rapide Reconnaissance / extraction de bâtiments pour la cartographie rapide Stéphane MAY stephane.may@cnes.fr 1 Extraction de bâtiments pour la cartographie rapide Contexte Exemple : Inondation suite à la tempête

Plus en détail

Quantification par. analyse d images. Yves Usson La Tronche cedex. Institut Albert Bonniot. Domaine de la Merci.

Quantification par. analyse d images. Yves Usson La Tronche cedex. Institut Albert Bonniot. Domaine de la Merci. Quantification par analyse d images Yves Usson Institut Albert Bonniot Domaine de la Merci 38706 La Tronche cedex Yves.Usson@ujf-grenoble.fr Etapes de la cytométrie par analyse d image Préparation cytologique

Plus en détail

Détection des bâtiments dans les images THRS avec la morphologie mathématique

Détection des bâtiments dans les images THRS avec la morphologie mathématique Détection des bâtiments dans les images THRS avec la morphologie mathématique Jonathan Weber Sébastien Lefèvre David Sheeren Laboratoire des Sciences de l Image, de l Informatique et de la Télédétection

Plus en détail

Classification supervisée

Classification supervisée Classification supervisée Les classifications d'images pixel à pixel Les méthodes de classification d images les plus courantes utilisent l'information radiométrique d'une ou plusieurs bandes spectrales

Plus en détail

03/04/2016. Transformée de Fourier 2D. Transformée de Fourier 2D inverse

03/04/2016. Transformée de Fourier 2D. Transformée de Fourier 2D inverse Rappel : Transformée de Fourier Transformée de Fourier 2D Rappel : Convolution continue/discrète Transformée de Fourier 2D inverse 37 38 Multiplication dans le domaine de Fourier Grâce à la correspondance

Plus en détail

Techniques de Visualisation Médicale. Pourquoi? Pourquoi? Les Thèmes Abordés. L acquisition des données

Techniques de Visualisation Médicale. Pourquoi? Pourquoi? Les Thèmes Abordés. L acquisition des données Techniques de Visualisation Médicale Thomas Bonfort Laure Heïgéas Étude d Approfondissement RICM3 Objectifs : Comment visualiser des médicales?! Qu est-ce que la visualisation? Compréhension d un phénomène

Plus en détail

Examen Vision industrielle 3 Décembre 2003 Département GI, INSA de Lyon

Examen Vision industrielle 3 Décembre 2003 Département GI, INSA de Lyon Examen Vision industrielle 3 Décembre 2003 Département GI, INSA de Lyon Nom et prénom : Groupe A 1. La figure montre une image, la figure montre la même image après une rotation de 90 o. Les figures (c)

Plus en détail

Détection de contours [1]

Détection de contours [1] Cet article est rédigé par des élèves. Il peut comporter des oublis ou des imperfections, autant que possible signalés par nos relecteurs dans les notes d édition. Détection de contours [1] 2014-2015 Nom,

Plus en détail

Polytechnique de Montréal Département de génie biomédical

Polytechnique de Montréal Département de génie biomédical École Polytechnique de Montréal Département de génie biomédical GBM3720 : Traitement Numérique d Images Médicales Corrigé du Contrôle périodique - Automne 2011 Exercice 1 : Filtrage du signal 1D (4 points)

Plus en détail

Bases du traitement des images. Filtrage d images

Bases du traitement des images. Filtrage d images Filtrage d images Séverine Dubuisson 22 octobre 2010 1 / 62 Plan du cours 1 Filtrage spatial linéaire 2D 2 Filtrage spatial non linéaire 3 Cas des images en couleurs 4 Filtrage fréquentiel (1D et 2D) 2

Plus en détail

Traitement et analyse d images 2D et 3D

Traitement et analyse d images 2D et 3D DEA de Biologie Structurale et Fonctionnelle - DEA de Biologie Cellulaire et Moléculaire Module de Microscopie Structurale Cours n 6 Traitement et analyse d images 2D et 3D Yves Usson Institut Albert Bonniot

Plus en détail

Tatouage d Images par Insertions Aveugle et Informée et Détection par Corrélation Linéaire

Tatouage d Images par Insertions Aveugle et Informée et Détection par Corrélation Linéaire Tatouage d Images par Insertions Aveugle et Informée et Détection par Corrélation Linéaire Saighi Abdelhamid, Salim Chitroub FEI, USTHB Alger, 16000, Algérie asaighi@usthb.dz schitroub@usthb.dz 13 décembre

Plus en détail

les MNT et les MNE issus d images optiques à l IGN Sylvain AIRAULT IGN/DT/SR/MATIS

les MNT et les MNE issus d images optiques à l IGN Sylvain AIRAULT IGN/DT/SR/MATIS les MNT et les MNE issus d images optiques à l IGN Sylvain AIRAULT IGN/DT/SR/MATIS Introduction : limites de l exposé État de l art limité à l expérience IGN : mais l imagerie Radar est exclue (cf. présentation

Plus en détail

Le Lidar aéroporté ou la lasergrammetrie aérienne : principes, mises en œuvre et potentiels pour l étude des territoires

Le Lidar aéroporté ou la lasergrammetrie aérienne : principes, mises en œuvre et potentiels pour l étude des territoires Le Lidar aéroporté ou la lasergrammetrie aérienne : principes, mises en œuvre et potentiels pour l étude des territoires Laure Saligny (Plateforme technologique GéoBFC, MSH Dijon, USR 3516, ubfc-cnrs)

Plus en détail

Source : Par : Denis Desrosiers. Mars 2016

Source :  Par : Denis Desrosiers. Mars 2016 Source : http://apprendre-la-photo.fr Par : Denis Desrosiers Mars 2016 1 Avant propos : Exposition LUMINOSITÉ ISO Exposer correctement une photo : C est trouver le bon trio (Ouverture, Vitesse, ISO) 2

Plus en détail

Applications médicales et industrielles de la Morphologie Mathématique

Applications médicales et industrielles de la Morphologie Mathématique Applications médicales et industrielles de la Morphologie Mathématique Serge Beucher Centre de Morphologie Mathématique Ecole des Mines de Paris 1 L efficacité des outils morphologiques en analyse d image

Plus en détail

Tout au long de notre travail, nous pourrons accéder à l historique (qui se trouve au dessus de la fenêtre de calques). Cet historique permet d avoir

Tout au long de notre travail, nous pourrons accéder à l historique (qui se trouve au dessus de la fenêtre de calques). Cet historique permet d avoir DOMINGE Céline Numéro étudiant : 2081616 TD2 2 ème année licence Education et langages La restauration de photos anciennes sous Photoshop Photoshop est un logiciel qui permet de retoucher, d optimiser,

Plus en détail

Évaluation des dégâts après un feu de forêt

Évaluation des dégâts après un feu de forêt 1 Évaluation des dégâts après un feu de forêt Olivier ZAMMIT Xavier Descombes, Josiane Zerubia 2 Sommaire 1 Introduction 2 Séparateurs à Vaste Marge 3 Expérimentations 4 Conclusions 3 Introduction Feux

Plus en détail

Morphologie mathématique. Séverine Dubuisson. Fondements du Traitement d Images novembre 2006

Morphologie mathématique. Séverine Dubuisson. Fondements du Traitement d Images novembre 2006 Fondements du Traitement d Images novembre 2006 du cours 1 2 3 4 5 6 7 Extensions aux images en niveaux de gris Définition La morphologie est une branche de la biologie traitant des formes et structures

Plus en détail

Algorithmes pour le traitement de l image

Algorithmes pour le traitement de l image Algorithmes pour le traitement de l image Mathias Ortner 7 mai 2004 Table des matières 2 1 Bruit et Filtrage 4 Le bruit................................... 5 Le filtrage..................................

Plus en détail

Raisonnement Spatial pour l Analyse d Images HR

Raisonnement Spatial pour l Analyse d Images HR Raisonnement Spatial pour l Analyse d Images HR ORFEO - Volet Méthodologique Julien Michel, Jordi Inglada CENTRE NATIONAL D ÉTUDES SPATIALES 17 Janvier 2007 1 Introduction Introduction Évolution des problématiques

Plus en détail

Extraction des contours labiaux par algorithmes génétiques multicritères hybrides

Extraction des contours labiaux par algorithmes génétiques multicritères hybrides Extraction des contours labiaux par algorithmes génétiques multicritères hybrides Page 1 I. Présentation II. État de l art III. Nos algorithmes IV. Implémentation - Sommaire - multi-énergies initialisation

Plus en détail

Journée IDEA 17 octobre 2016 Fusion de données multi-capteurs pour la caractérisation des milieux naturels méditerranéens

Journée IDEA 17 octobre 2016 Fusion de données multi-capteurs pour la caractérisation des milieux naturels méditerranéens Journée IDEA 17 octobre 2016 Fusion de données multi-capteurs pour la caractérisation des milieux naturels méditerranéens M. Lang, J.-B. Féret, S. Alleaume IRSTEA - UMR Tetis Territoire, Environnement,

Plus en détail

Extraction de panneaux de signalisation

Extraction de panneaux de signalisation Extraction de panneaux de signalisation Philippe Foucher, Rachid Belaroussi, Bahman Soheilian, Jean-Philippe Tarel, Pierre Charbonnier, Nicolas Paparoditis Centre d'études techniques de l'équipement de

Plus en détail

Détection de contours. Détection de contours. IV-Extraction de caractéristiques. Régions homogènes BF de l image Filtre passe-bas Somme de pixels

Détection de contours. Détection de contours. IV-Extraction de caractéristiques. Régions homogènes BF de l image Filtre passe-bas Somme de pixels Cours n 4/6 - C. Petitjean Traitement d images Plan du cours : Introduction Catégorisation de l image Acquisition et Visualisation Opérations basées sur l histogramme Extraction de caractéristiques Morphologie

Plus en détail

SYS-844 VISION PAR ORDINATEUR

SYS-844 VISION PAR ORDINATEUR Département de génie de la proction automatisée! VISION PAR ORDINATEUR Plan détaillé - Hiver 2013 1 7 2 3 14 21 Introction Organisation, laboratoires, formation des équipes Aperçu général de la vision

Plus en détail

Le LiDAR terrestre : une nouvelle façon de voir la forêt. Jean-François Côté, chercheur scientifique RNCan-Centre canadien sur la fibre de bois

Le LiDAR terrestre : une nouvelle façon de voir la forêt. Jean-François Côté, chercheur scientifique RNCan-Centre canadien sur la fibre de bois Le LiDAR terrestre : une nouvelle façon de voir la forêt Jean-François Côté, chercheur scientifique RNCan-Centre canadien sur la fibre de bois Le LiDAR terrestre : une nouvelle façon de voir la forêt Jean-François

Plus en détail

Traitement d images numériques

Traitement d images numériques olivier.bernard@creatis.insa-lyon.fr Traitement d images numériques Analyse d images: 3 ème partie Département Génie Electrique 5GE - TdSi Sommaire I. Introduction II. Fondamentaux en imagerie numérique

Plus en détail

Tatouage d images couleur. A. Parisis et P. Carré

Tatouage d images couleur. A. Parisis et P. Carré Tatouage d images couleur A. Parisis et P. Carré Sécurisation de document Cryptographie Cryptologie Protection d un document pendant sa transmission Stéganographie Dissimulation d un message dans un autre

Plus en détail

Robotique autonome Estimation d état

Robotique autonome Estimation d état Robotique autonome Estimation d état Francis Colas Introduction Perception interprétation des valeurs des capteurs ; inférence sur l environnement ; inférence sur l état du robot ; construction d une représentation

Plus en détail

Clustering automatique de trajectoires avec des HMMs Application à la sécurité du trafic routier

Clustering automatique de trajectoires avec des HMMs Application à la sécurité du trafic routier Clustering automatique de trajectoires avec des HMMs Application à la sécurité du trafic routier N. Saunier, en collaboration avec T. Sayed Department of Civil Engineering University of British Columbia

Plus en détail

Annexe 5 - Test d optimalisation de la scannérisation pour l utilisation de la vectorisation automatique dans ArcInfo

Annexe 5 - Test d optimalisation de la scannérisation pour l utilisation de la vectorisation automatique dans ArcInfo - Test d optimalisation de la scannérisation pour l utilisation de la vectorisation automatique dans ArcInfo Annexe 5 1 Réflexion sur le matériel de base Tous les essais qui font l objet de ce document

Plus en détail

Prévision de la demande: Méthodes, techniques et retour d expérience

Prévision de la demande: Méthodes, techniques et retour d expérience Dr-Ing. Naoufel Cheikhrouhou Prévision de la demande: Méthodes, techniques et retour d expérience Naoufel Cheikhrouhou Responsable du groupe de gestion des opérations EPFL Acteos Dr-Ing. Naoufel Cheikhrouhou

Plus en détail

TP2 : Filtrage non linéaire

TP2 : Filtrage non linéaire Filières MMIS A : TP de traitement d images 05-06 TP : Filtrage non linéaire Pour palier le problème soulevé par les filtres linéaires (filtrage identique sur le bruit et sur les contours), on utilise

Plus en détail

Cours 7! Extraction et caractérisation de primitives!

Cours 7! Extraction et caractérisation de primitives! Bases du traitement des images BIMA Cours 7! Extraction et caractérisation de primitives! Prof. Matthieu Cord! 1 Plan des cours 7 et 8 1." Introduction 2." Détection de primitives 1." Détection de PoI

Plus en détail

Indexation d images. Tina Nikoukhah & Jonathan Pucci

Indexation d images. Tina Nikoukhah & Jonathan Pucci Indexation d images Tina Nikoukhah & Jonathan Pucci But du jeu : Comment? Chaque minute de chaque jour : - 72 heures de vidéos sur Youtube 216 000 photos sur Instagram 277 000 messages sur Tweeter 2 460

Plus en détail

Analyse du mouvement dans les vidéos et Suivi d objets

Analyse du mouvement dans les vidéos et Suivi d objets Analyse du mouvement dans les vidéos et Suivi d objets Aurélie Bugeau Enseirb-Matmeca, IPB Aurélie Bugeau (Enseirb-Matmeca, IPB) Analyse des vidéos 1 / 45 Introduction Vidéo Séquence d images Chaque image

Plus en détail

EVALUATION FINE DE LA DENSITE URBAINE EXEMPLE DE L AGGLOMERATION DE TOULOUSE

EVALUATION FINE DE LA DENSITE URBAINE EXEMPLE DE L AGGLOMERATION DE TOULOUSE MINISTERE de l ECOLOGIE, du DEVELOPPEMENT DURABLE, et de l ENERGIE www.cete-sud-ouest.developpement-durable.gouv.fr EVALUATION FINE DE LA DENSITE URBAINE EXEMPLE DE L AGGLOMERATION DE TOULOUSE Jacques

Plus en détail

Université Tunis el Manar o Institut Supérieur d Informatique. Analyse d Information Multimédia L3SIL.

Université Tunis el Manar o Institut Supérieur d Informatique. Analyse d Information Multimédia L3SIL. Université Tunis el Manar -------------o------------ Institut Supérieur d Informatique Analyse d Information Multimédia L3SIL Nadhem NEMRI (nadhem.nemri@gmail.com) Année Universitaire 2012/2013 Problématique

Plus en détail

FILTRAGE MULTI-COMPOSANTE. Patrick Lambert

FILTRAGE MULTI-COMPOSANTE. Patrick Lambert FILTRAGE MULTI-COMPOSANTE Patrick Lambert 1 PLAN Introduction Le cas particulier de la couleur Contexte et stratégie Opérations ponctuelles Filtrage linéaire Filtrage non linéaire - Filtrage d ordre Filtrage

Plus en détail

Historique de l évolution du bâti

Historique de l évolution du bâti Historique de l évolution du bâti Volet traitement des photos aériennes Objectifs de l étude Choix de la nomenclature Calage des photos aériennes Extraction automatique Photointerprétation Un exemple concret

Plus en détail

Cours 7! Extraction et caractérisation de primitives!

Cours 7! Extraction et caractérisation de primitives! Bases du traitement des images BIMA Cours 7! Extraction et caractérisation de primitives! Prof. Matthieu Cord! 1 Plan des cours 1. Introduction 2. Détection de primitives 1. Détection de PoI 2. Détection

Plus en détail

Morphologie mathématique

Morphologie mathématique Morphologie mathématique Introduction à l analyse d images Luc Brun (d après le cours de M. Coster) Morphologie mathématique p.1/21 Qu est ce qu une image source capteur Disque surface Une image correspond

Plus en détail

AC3D: 26-28/05/2015 Houssem Nouira

AC3D: 26-28/05/2015 Houssem Nouira AC3D: 26-28/05/2015 Houssem Nouira Laboratoire: Centre de robotique (CAOR) Directeur de thèse: François Goulette Maître de thèse: Jean-Emmanuel Deschaud Plan 1. Contexte/Problématique 2. Etat de l art

Plus en détail

UE3 Analyse des Images Contours

UE3 Analyse des Images Contours Plan du cours UE Analyse des Images Contours Introduction : principes fondamentaux. Notion de contour. Caractérisation des points contours. Notion de gradient. Filtres linéaires la détection des points

Plus en détail

Segmentation interactive pour l annotation de photographies de paysages

Segmentation interactive pour l annotation de photographies de paysages Segmentation interactive pour l annotation de photographies de paysages Bérengère Mathieu, Alain Crouzil, Jean-Baptiste Puel Université Toulouse 3, IRIT, TCI Labex CIMI 29 juin 2016 Faculté des Sciences

Plus en détail

TP de SI241 : segmentation des images

TP de SI241 : segmentation des images 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

Plus en détail

Lalaoui Jamal - Renaudin Maxime - Stein Jonathan. Bureau d étude : Image. Segmentation Spatio-temporelle ISNC

Lalaoui Jamal - Renaudin Maxime - Stein Jonathan. Bureau d étude : Image. Segmentation Spatio-temporelle ISNC Lalaoui Jamal - Renaudin Maxime - Stein Jonathan Bureau d étude : Image Segmentation Spatio-temporelle ISNC INTRODUCTION Que ce soit pour une utilisation militaire ou pour de la vidéo surveillance, la

Plus en détail

PC/Photo/TV. Les couleurs d une image. Profil couleur

PC/Photo/TV. Les couleurs d une image. Profil couleur C/hoto/TV Les couleurs d une image rofil couleur Objectif, introduction artant des modèles, reproduire une image sur un écran ou en impression sans en modifier les couleurs. Gamut des matériels de reproduction

Plus en détail

Les arguments fonctionnels pour vendre Sage 100 Gestion de Production i7

Les arguments fonctionnels pour vendre Sage 100 Gestion de Production i7 Les besoins de votre client : piloter son industrie en temps réel. Gérer l intégralité de son cycle de production de la génération de l ordre de fabrication à la planification, en passant par la maîtrise

Plus en détail

Maîtrise de la segmentation d images en microscopie

Maîtrise de la segmentation d images en microscopie Maîtrise de la segmentation d images en microscopie Morphologie Mathématique Ligne de partage des eaux «Watershed» Alain Dieterlen Groupe LAB.EL, Laboratoire MIPS Université de Haute Alsace, Mulhouse,

Plus en détail

Technique pour l extraction de plaques d immatriculation

Technique pour l extraction de plaques d immatriculation Technique pour l extraction de plaques d immatriculation Alexandre Bonhomme - BONA2028906 8 janvier 203 Introduction L identification automatique de plaques d immatriculation (Automatique Licence Plate

Plus en détail

Traitement des images. O. Wilk

Traitement des images. O. Wilk Calcul scientifique/math/cnam (sur la base du cours de Ph. Destuynder []) Lissages - Lissages - UE CSC0 Cnam mars 2008... mais sans détruire Lissages - Lissages - radiographie d un fémur (rayons X) photo

Plus en détail

Un détourage parfait avec Photoshop CS6 et ultérieur par amélioration du contour (petit aide-mémoire)

Un détourage parfait avec Photoshop CS6 et ultérieur par amélioration du contour (petit aide-mémoire) Un détourage parfait avec Photoshop CS6 et ultérieur par amélioration du contour (petit aide-mémoire) www.emmanuelle-menny.com Cet aide mémoire ne décrit pas les opérations de sélections avec les outils

Plus en détail

Reconnaissance de visages

Reconnaissance de visages Reconnaissance de visages La reconnaissance de visages est de plus en plus utilisée de nos jours, notamment pour des aspects sécuritaires. Cette reconnaissance peut être effectuée par des attributs décrivant

Plus en détail

COLORCHECKER DC Vs COLORCKER SG Partie I : Espace couleur

COLORCHECKER DC Vs COLORCKER SG Partie I : Espace couleur COLORCHECKER DC Vs COLORCKER SG Partie I : Espace couleur Introduction Description de la récente mire colorchecker SG (Gretagmacbeth) et comparaison avec la mire DC sous la forme de coupes dans le diagramme

Plus en détail

Introduction Erosion et dilatation Ouverture et fermeture Filtres de réconstruction MM en télédétection. Cours MATLAB

Introduction Erosion et dilatation Ouverture et fermeture Filtres de réconstruction MM en télédétection. Cours MATLAB Cours MATLAB Analyse morphologiqe d images Morphologie mathématique michele.volpi@unil.ch Institut de Géomatique et Analyse du Risque November 24, 2009 Motivation Morphologie Mathématique? On l utilise

Plus en détail

Détection de contours. Cours n 3

Détection de contours. Cours n 3 Détection de contours Cours n 3 1 Détection de contours Régions homogènes BF de l image Filtre passe-bas Somme de pixels Contours HF de l image Filtre passe-haut Différence de pixels 2 Exercices Ex1: Détection

Plus en détail

Visualisation, techniques d'amélioration de la visualisation des images numériques

Visualisation, techniques d'amélioration de la visualisation des images numériques Traitements numériques des images de télédétection Visualisation, techniques d'amélioration de la visualisation des images numériques OLIVIER DE JOINVILLE 2e partie Table des matières I - Rappels sur la

Plus en détail

1.1 Bilan des contrôles sur place

1.1 Bilan des contrôles sur place 1.1 Bilan des contrôles sur place Philippe Goyhénèche Responsable de la Mission LAB 1 Sommaire 1.Quelques données sur l activité de contrôle 2.Analyse du dispositif LCB/FT: 1. Un socle minimum à renforcer

Plus en détail

Imagerie numérique. Zein Al Abidin IBRAHIM Université de Caen

Imagerie numérique. Zein Al Abidin IBRAHIM Université de Caen Imagerie numérique Zein Al Abidin IBRAHIM Université de Caen Plan Image numérique Introduction Représentation Compression Types d images Filtrage Descripteurs Système du traitement d image Image numérique???

Plus en détail

Conférence SIG 2011 Versailles 5-6 Octobre 2011 Atelier Technique L imagerie dans ArcGIS 10 et 10.1

Conférence SIG 2011 Versailles 5-6 Octobre 2011 Atelier Technique L imagerie dans ArcGIS 10 et 10.1 Conférence SIG 2011 Versailles 5-6 Octobre 2011 Atelier Technique L imagerie dans ArcGIS 10 et 10.1 Marc Lemaire Jérémie Majerowicz Agenda ArcGIS et les images Qu est-ce qu une image? Quels sont les outils

Plus en détail

Plan. Composantes d un système. Réduction de dimension. Sélection de caractéristiques. Apprentissage

Plan. Composantes d un système. Réduction de dimension. Sélection de caractéristiques. Apprentissage Analyse et codage des signaux de reconnaissance des formes Méthodes statistiques pour la réduction de dimension Techniques d apprentissage Mohamed CHETOUANI Mohamed.Chetouani@upmc.fr 2 Composantes d un

Plus en détail

Filtre de Kalman pour le suivi Version alpha (powerpoint+tableau noir)

Filtre de Kalman pour le suivi Version alpha (powerpoint+tableau noir) Filtre de Kalman pour le suivi Version alpha (powerpoint+tableau noir) Filtre de Kalman 1 Le suivi? Suivre = inférer le mouvement d'un objet à partir d'une séquence d'images. Applications : Capture du

Plus en détail

Chapitre 4 Connaître la gamme de tons de l'image : l'histogramme

Chapitre 4 Connaître la gamme de tons de l'image : l'histogramme 1 1 9 9 7 7 2 2 À quoi sert l histogramme?..................... 32 L histogramme........................... 32 L affichage de l histogramme selon les couches............ 36 Les histogrammes classiques.....................

Plus en détail

Images bimodales : binarisation. Morphologie mathématique. Binarisation : choix du seuil. Binarisation : choix du seuil. Choix d un seuil global

Images bimodales : binarisation. Morphologie mathématique. Binarisation : choix du seuil. Binarisation : choix du seuil. Choix d un seuil global Morphologie mathématique Images bimodales : binarisation Cas particulier important par ses applications : Vision industrielle, temps réel Binarisation d images Notions de morphologie mathématique Squelettisation

Plus en détail

Chapitre 2 Les modèles colorimétriques

Chapitre 2 Les modèles colorimétriques 1 1 9 9 7 7 2 2 Qu est-ce un modèle colorimétrique?................. 1 Le modèle pour les écrans...................... 1 Le modèle pour l impression..................... 11 Le modèle Lab............................

Plus en détail

GreEn-ER, l Ecole de l Energie, Grenoble

GreEn-ER, l Ecole de l Energie, Grenoble GreEn-ER, l Ecole de l Energie, Grenoble Retour d expérience M. Vianney FULLHARDT, Responsable du Service Energétique, EIFFAGE CONSTRUCTION 14/11/2012 1 PRÉSENTATION DU PROJET Université GreEn-ER: l école

Plus en détail

INTRODUCTION. Haute Performance: Haute résolution et performance lui assure une utilisation aussi bien

INTRODUCTION. Haute Performance: Haute résolution et performance lui assure une utilisation aussi bien Information techniques CTS-9009 Recherche de Défauts par Ultrasons Numérique WWW.ECCND.FR INTRODUCTION Compact & Portable: L appareil complet (batterie incluse) ne dépasse pas 1.15kg, pour un meilleur

Plus en détail

Détection et segmentation d objets

Détection et segmentation d objets Détection et segmentation d objets Aurélie Bugeau Enseirb-Matmeca, IPB Aurélie Bugeau (Enseirb-Matmeca, IPB) Détection, reconnaissance et segmentation d objets 1 / 39 Introduction Segmentation Partitionnement

Plus en détail

TI Traitement d'images Semaine 9 : Détection de contours (1) Olivier Losson

TI Traitement d'images Semaine 9 : Détection de contours (1) Olivier Losson TI Traitement d'images Semaine 9 : Détection de contours (1) Olivier Losson Master Informatique : http://www.fil.univ-lille1.fr Spécialité IVI : http://master-ivi.univ-lille1.fr Master Informatique Option

Plus en détail

Le traitement numérique des images

Le traitement numérique des images APMEP Le traitement numérique desimages 593 Le traitement numérique des images Gabriel Peyré (*) Résumé. Les appareils numériques photographient de manière très précise le monde qui nous entoure. L utilisateur

Plus en détail

SCANNER LASER 3D RELEVE RAPIDE ET EXACT

SCANNER LASER 3D RELEVE RAPIDE ET EXACT SCANNER LASER 3D RELEVE RAPIDE ET EXACT SIMPLEMENT DU BOUT DES DOIGTS Taux de scan : jusqu'à 976 000 points / seconde Portée du Focus3D X 130 : 0,60 130 m Appareil photo couleur intégré : jusqu'à 70 mégapixels

Plus en détail

Présentation VIC-3D 7

Présentation VIC-3D 7 Page 1 / 6 kilonewton ZA du Chenêt 24, rue de Chenêt F-91490 MILLY-LA-FORÊT Tél. +33 1 64 97 37 26 contact@kilonewton.fr www.kilonewton.fr Présentation VIC-3D 7 Version Date Auteur Coordonnées Commentaires

Plus en détail

SCAN Régional. Version 2.0. Descriptif de contenu. Révision : Octobre Date du Document : Janvier 2009

SCAN Régional. Version 2.0. Descriptif de contenu.  Révision : Octobre Date du Document : Janvier 2009 SCAN Régional Version 2.0 Descriptif de contenu Date du Document : Janvier 2009 Révision : Octobre 2015 www.ign.fr SOMMAIRE SOMMAIRE... 2 1. PRÉSENTATION DU DOCUMENT... 3 1.1 Ce que contient ce document...

Plus en détail

Analyses chimiométrique appliquées à la criminalistique Pierre Esseiva

Analyses chimiométrique appliquées à la criminalistique Pierre Esseiva Analyses chimiométrique appliquées à la criminalistique Pierre Esseiva Profilage / Introduction >Idée de base >Extraire une signature chimique, un «code à barre» d une saisie de produit stupéfiant >Comparer

Plus en détail

Société de Calcul Mathématique, S. A. Algorithmes et Optimisation

Société de Calcul Mathématique, S. A. Algorithmes et Optimisation Société de Calcul Mathématique, S. A. Algorithmes et Optimisation Méthodes probabilistes pour l étude de la biodiversité Article rédigé par Charline Carlier, Ingénieur de Recherche SCM Juillet 2007 Résumé

Plus en détail

M1108 : Acquisition et codage de l information

M1108 : Acquisition et codage de l information 1/74 M1108 : Acquisition et codage de l information Frédéric PAYAN IUT Nice - Côte d Azur, Département R&T Université de Nice Sophia Antipolis frederic.payan@unice.fr 17 novembre 2016 2/74 Présentation

Plus en détail

3 - Réunion EDF/ASN Bilan /01/2014. Déploiement du Sélénium 75 pour la radiographie industrielle sur le parc nucléaire EDF

3 - Réunion EDF/ASN Bilan /01/2014. Déploiement du Sélénium 75 pour la radiographie industrielle sur le parc nucléaire EDF 3 - Réunion EDF/ASN Bilan 2013 31/01/2014 Déploiement du Sélénium 75 pour la radiographie industrielle sur le parc nucléaire EDF L EXEMPLE DE CATTENOM SUR LES RÉCHAUFFEURS AHP (2014) DONNEES D ENTREES

Plus en détail

de la Moselle sauvage Présentation RNR vallée de la Moselle 23/10/09

de la Moselle sauvage Présentation RNR vallée de la Moselle 23/10/09 Réserve Naturelle Régionale R de la vallée de la Moselle sauvage Localisation Prend sa source àbussang Vosges (88) Se jette dans le Rhin àcoblence en Allemagne 560 km Les différents enjeux Un des derniers

Plus en détail

Projet IA54-IN54: Mise en correspondance d images stéréoscopiques par une approche multi-agents

Projet IA54-IN54: Mise en correspondance d images stéréoscopiques par une approche multi-agents Projet IA54-IN54: Mise en correspondance d images stéréoscopiques par une approche multi-agents Béatrice Frey 1 Audrey Cholewka 2 Cyril Crassin 1 Université de Technologie de Belfort-Montbéliard. 1 UVs

Plus en détail

MODELISATION DE LA SONDE INDUSTRIELLE PLUS-POINT POUR LA SIMULATION DU CONTROLE DE TUBES DE GENERATEURS DE VAPEUR PAR COURANTS DE FOUCAULT

MODELISATION DE LA SONDE INDUSTRIELLE PLUS-POINT POUR LA SIMULATION DU CONTROLE DE TUBES DE GENERATEURS DE VAPEUR PAR COURANTS DE FOUCAULT MODELISATION DE LA SONDE INDUSTRIELLE PLUS-POINT POUR LA SIMULATION DU CONTROLE DE TUBES DE GENERATEURS DE VAPEUR PAR COURANTS DE FOUCAULT DEMALDENT Edouard, REBOUD Christophe CEA LIST, Département Imagerie

Plus en détail

RESTAURATION D IMAGES

RESTAURATION D IMAGES RESTAURATION D IMAGES Restauration d images (image restoration) La restauration est la suppression des dégradations subies par l image. 2 Restauration d images (image restoration) La restauration est la

Plus en détail

Segmentation d'image : Contours

Segmentation d'image : Contours Segmentation d'image : Contours Philippe Montesinos EMA/LGI2P Parc Scientifique G.Besse 30000 Nîmes montesin@site-eerie.ema.fr http://www.lgi2p.ema.fr/~montesin 1 Détection de contours (plan) Signal, échantillonnage,

Plus en détail

Les questions auxquelles peut répondre le SIG

Les questions auxquelles peut répondre le SIG LES FONCTIONS SIG CRTS, 18 21 Janvier 2016 Amal LAYACHI, layachi@crts.gov.ma Les questions auxquelles peut répondre le SIG Où? : recherche spatiale d'objets par rapport à leurs caractéristiques, Quoi?

Plus en détail

QGIS : numérisation avancée

QGIS : numérisation avancée QGIS : numérisation avancée Cette fiche décrit la méthodologie pour numériser simplement avec QGIS, notamment avec l'usage des options d'accrochage. Le principe consiste à remplir des zones vides à l'aide

Plus en détail

Analyse d images satellitaires à haute résolution pour la mise à jour de bases de données cartographiques

Analyse d images satellitaires à haute résolution pour la mise à jour de bases de données cartographiques Analyse d images satellitaires à haute résolution pour la mise à jour de bases de données cartographiques V. Poulain, J. Inglada, M. Spigai, Ph. Marthon et J-Y. Tourneret 7 mai 2010 Gdr ISIS - Reconnaissance

Plus en détail

Réserve Naturelle Régionale de la vallée de la Moselle sauvage. Présentation RNR vallée de la Moselle 23/10/09

Réserve Naturelle Régionale de la vallée de la Moselle sauvage. Présentation RNR vallée de la Moselle 23/10/09 Réserve Naturelle Régionale de la vallée de la Moselle sauvage Localisation Prend sa source à Bussang Vosges (88) Se jette dans le Rhin à Coblence en Allemagne 560 km Les différents enjeux Un des derniers

Plus en détail

Biométrie. Techniques de reconnaissance d individus. Fabien ELOY Sylvain VIGIER 19/10/12

Biométrie. Techniques de reconnaissance d individus. Fabien ELOY Sylvain VIGIER 19/10/12 Biométrie Techniques de reconnaissance d individus Fabien ELOY Sylvain VIGIER 19/10/12 Plan Introduction I Reconnaissance de visages 1 Forme du visage 2 Reconnaissance de l iris II Biométrie de la main

Plus en détail

Gilles THEOPHILE. Les nouveautés de. Lightroom 2.0. Groupe Eyrolles 2008 ISBN

Gilles THEOPHILE. Les nouveautés de. Lightroom 2.0. Groupe Eyrolles 2008 ISBN Gilles THEOPHILE Les nouveautés de Lightroom 2.0 Groupe Eyrolles 2008 ISBN 978-2-212-85001-7 Chapitre 2 Module Développement Le module Développement permet de traiter, de corriger et de retoucher les photographies

Plus en détail

Imagerie HDR & post-production HDR avec EasyHDR. J.Y. Antoine Mars / 31

Imagerie HDR & post-production HDR avec EasyHDR. J.Y. Antoine Mars / 31 Imagerie HDR & post-production HDR avec EasyHDR J.Y. Antoine Mars 2013 1 / 31 HDR Définition HDR = High Dynamic Range (Imagerie à grande gamme dynamique) Plage dynamique Nombre de niveaux d intensité lumineuse

Plus en détail

Introduction à OpenCV

Introduction à OpenCV Introduction à OpenCV Design III : Intégration Département de génie électrique, génie informatique Faculté des sciences et de génie Université Laval Hiver 2012 OpenCV, c est... un framework très puissant

Plus en détail

Vision numérique et interaction. Sylvia Chalençon Licence Pro OCI - Licence MIME

Vision numérique et interaction. Sylvia Chalençon Licence Pro OCI - Licence MIME Vision numérique et interaction Sylvia Chalençon Licence Pro OCI - Licence MIME Chapitre 1 - L image numérique 2 La chaine de traitement Acquisition : convertir l image d une vue réelle en une image numérique

Plus en détail

Estimation de Densité

Estimation de Densité Estimation de Densité Xavier Granier with some slides by Pat Hanrahan, Torsten Moller and Yung-Yu Chuangs Tracé de particules Principe similaire Envoie d'échantillons

Plus en détail

Traitement d images L ŒIL ET LA PERCEPTION PLAN DU COURS. Introduction au traitement d images. -l oeil et la perception.

Traitement d images L ŒIL ET LA PERCEPTION PLAN DU COURS. Introduction au traitement d images. -l oeil et la perception. PLAN DU COURS Introduction au traitement d images Traitement d images -l oeil et la perception - image numérique - acquisition d images Florent Lafarge INRIA (Ariana) - numérisation d images : quantification

Plus en détail

Eléments clés de la fiabilité des plans de contrôle

Eléments clés de la fiabilité des plans de contrôle Eléments clés de la fiabilité des plans de contrôle Christophe Dufour Steakexpert, le 22 juin 2011 Eléments clés de la fiabilité des plans de contrôle Pourquoi un plan de contrôle? Etapes critiques du

Plus en détail