TRAITEMENT des IMAGES. VISION par MACHINE
|
|
- Eugène Chevalier
- il y a 7 ans
- Total affichages :
Transcription
1 TRAITEMENT des IMAGES et VISION par MACHINE MASTER PRO INFO 2011/2012 Vision par Machine 1
2 VI. RESTAURATION D IMAGES Vision par Machine 2
3 But: trouver des techniques linéaires globales pour compenser des dégradations uniformes, de type «bruit additif». notion de restauration: f(x,y) h(x,y) filtre linéaire homogène + + n(x,y) g(x,y) f(x,y) : image "idéale" recherchée, h(x,y) : réponse impulsionnelle de la dégradation, n(x,y) : bruit blanc décorrélé du signal, g(x,y) : image observée à restaurer. N = taille des images Vision par Machine 3
4 Notation matricielle: g = H f + n H = matrice de taille N x N à coefficients constants Pb de la restauration: calculer g connaissant f, H + statistiques du bruit n H est formée de toutes les décalées x et y de la réponse impulsionnelle h(x,y) = matrice de Hankel-Bloc On peut montrer que toute ligne de H une combinaison linéaire de la ligne d'avant et de la ligne d'après : H mal conditionnée! H n'est pas inversible la plupart du temps: det( H) 0 Vision par Machine 4
5 Modèle de la dégradation : A priori: difficile, même dans les cas simples A posteriori: mesurer directement la réponse: Image de sortie lorsque l entrée = une impulsion en luminance (point blanc sur fond noir, ou l'inverse), un échelon en luminance (barre blanc/noire une ligne en luminance (ligne claire sur fond noir ou l'inverse). Possible si l'on peut "commander" le système. Vision par Machine 5
6 Ex: perturbation atmosphérique sur une étoile: Ex: échelon + bruit Réponse impulsionnelle Echelon + dérivation: h(x,y) = h(x,0) h(0,y) Vision par Machine 6
7 Filtrage inverse Hyp. : pas de bruit g = H f G( u, v) F( u, v) f ( x, y) H( u, v) F -1 G( u, v) H( u, v) Pb: H(u,v) s'annule? Pb: si bruit présent: g(x,y) = f(x,y) h(u,v) + n(x,y) ˆ F (u, v ) = G(u, v) H (u, v) F(u, v ) N (u, v) H (u, v) Vision par Machine 7
8 N(u,v) = large spectre si n(x,y) bruit blanc. H(u,v) = filtre passe-bas H(u,v) 0 si (u,v) F(u, v ) 0 u 2 v 2 H (u, v) 0 u 2 v 2 1 H (u, v) 0 u 2 v 2 Vision par Machine 8
9 N(u,v) 1 ^ F F H 1 ( u, v) 1 H ( u, v ) 0 u 2 v 2 u M Fc F(u,v) Filtrage OK Amplification du bruit Solution (interactive) : v domaines de plus en plus petits où l on fait la division de G par H u Vision par Machine 9
10 Exemple: VI. RESTAURATION D IMAGES originale dégradée Fc = 80 Fc = 60 Vision par Machine 10
11 Filtrage de Wiener But: éviter les problèmes du filtre inverse. critère dont la solution optimale approxime la solution recherchée. Filtre W(u,v) : minimise l'espérance mathématique de l'erreur quadratique entre l'image idéale et l'image reconstruite. Min f(x,y) ^ 2 E[ (f(x,y) f(x,y)) ] Vision par Machine 11
12 Filtre de Wiener: W (u, v ) = H (u, v) H (u, v) 2 S n (u, v) S(u, v ) H*(u,v) = conjuguée de H(u,v) S(u,v) = spectre de puissance de f = TF(autocorrélation de f). T(u,v) = spectre de g S n (u,v) = spectre de n = σ 2 (bruit blanc) Pb: on ne connaît pas S! Mais: T(u,v)= H(u,v) 2 S(u,v) +S n (u,v) S(u,v) = T(u,v) - H(u,v) 2 2 Vision par Machine 12
13 Ex: originale Inverse, Fc = 32 Inverse, Fc = 64 Wiener (pas de réglage) Vision par Machine 13
14 Ex: VI. RESTAURATION D IMAGES Originale Inverse Inverse, Fc = 64 Wiener (pas de réglage) Vision par Machine 14
15 Filtre de Wiener paramétrique: Proposé par Hunt: W p (u, v) H (u, v) H (u, v) 2 S n(u, v) S(u, v) = 0 filtre inverse = 1 filtre de Wiener 0 < < 1 filtre de Wiener paramétrique Vision par Machine 15
16 Exemple: γ = 0.1 γ = 0.6 γ = 1 Vision par Machine 16
17 Filtre de Cannon: Critère utilisé = conservation de l énergie ^ ^ S( u, v) S( u, v) S ( u, v) = spectre du signal à restaurer f ( x, y) Soit C(u,v) = filtre de Cannon: S(u,v)= C(u,v) 2 G(u,v) ^ et G(u,v)= H(u,v) 2 S(u,v)+S n (u,v) S(u,v) = C(u,v) [ H(u,v) 2 S(u,v) + S n (u,v) ] S(u, v ) C(u, v ) = S(u, v ) H (u, v ) 2 S n (u, v ) Note: H(u,v) réel. 1 2 Vision par Machine 17
18 Filtre de Cannon (suite): C(u, v ) = 1 H (u, v ) 2 S n (u, v ) S(u, v) 1 2 Wiener Cannon Vision par Machine 18
19 Filtre de moyenne géométrique: F(u, v ) = S = 1 S = 0 S = H (u, v ) H (u, v) s H(u, v ) 2 S n (u, v ) S(u, v ) Filtre inverse Filtre de Wiener Filtre de Canon 1 s G(u, v ) Aucune des méthodes précédentes n est parfaite: filtres à essayer en concurrence Vision par Machine 19
20 Vision par Machine 20 VI. RESTAURATION D IMAGES Autres méthodes de restauration Moyennage d images méthode la plus simple pour éliminer le bruit: g(x,y) =f (x,y) + n(x,y) n(x,y) = bruit décorrélé de f, variance. M i i y x g M y x g y x f 1 ^ ), ( 1 ), ( ), ( M images M f f E f g E f E 2 2 ^ ^ ) ( ) ( ) ( Statistiques: L écart-type du bruit de sortie divisé par M Ex: 10 images pour diviser le bruit par 3. ), ( 1 ),, ( ) 1 (1 1),, ( ^ y x g k k y x f k k y x f k
21 Restauration interactive: Ex: interférences de dispositifs d acquisition numériques et électroniques. Démarche: modéliser la déformation. Ex: images lunaires Scanner + caméra: signal échantillonné (par ligne) mauvaise synchronisation = la caméra échantillonne le signal du scanner de manière décalée. image finale a un spectre de Fourier = fondamental du spectre scanner + échos de ce spectre. Échos = points lumineux sur un réseau régulier Vision par Machine 21
22 Illustration: VI. RESTAURATION D IMAGES Originale TF = 0 Filtre de restauration enlève Résultat Vision par Machine 22
23 Restauration linéaire non homogène Il peut arriver que la dégradation soit linéaire (simple) à modéliser, mais non homogène a priori transformation vers un espace ou le problème est homogène Ex: rotation caméra autour de l axe optique: temps d obturation σ, angle Ө y y arc de cercle de longueur. ρ impulsion lumineuse = x 2 y 2 x x réponse impulsionnelle : h(x,y) =1 sur l'arc de cercle =0 ailleurs Vision par Machine 23
24 Homogénéisation: passage en polaire: Arcs de cercle segments de droite de longueur constante θ. réponse impulsionnelle ρ h( = 1 sur le segment = 0 ailleurs Restauration possible par filtrage linéaire inverse, type Wiener Vision par Machine 24
25 Ex: originale coordonnées polaires Restoration: Wiener Coordonnées cartésiennes Vision par Machine 25
I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES
I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES Théorème - Définition Soit un cercle (O,R) et un point. Une droite passant par coupe le cercle en deux points A et
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 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 détailUne application de méthodes inverses en astrophysique : l'analyse de l'histoire de la formation d'étoiles dans les galaxies
Une application de méthodes inverses en astrophysique : l'analyse de l'histoire de la formation d'étoiles dans les galaxies Ariane Lançon (Observatoire de Strasbourg) en collaboration avec: Jean-Luc Vergely,
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 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 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 détailTraitement 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 détailNotes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables Fausto Errico Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2012 Table des matières
Plus en détailFonctions de plusieurs variables
Maths MP Exercices Fonctions de plusieurs variables Les indications ne sont ici que pour être consultées après le T (pour les exercices non traités). Avant et pendant le T, tenez bon et n allez pas les
Plus en 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 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 détailCommande Prédictive des. Convertisseurs Statiques
Commande Prédictive des Convertisseurs Statiques 1 Classification des méthodes de commande pour les convertisseurs statiques Commande des convertisseurs Hystérésis MLI Cde Linéaire Fuzzy Logic Sliding
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 détailSpectrophotométrie. Spectrophotomètre CCD2. Réf : 701 606. Version 1.0. Français p 2. Version : 4105
Réf : Version 1.0 Français p 2 Version : 4105 Spectrophotomètre CCD2 1 Avant-propos et description Chère cliente, cher client, nous vous félicitons d'avoir choisi notre Spectrophotomètre CCD2 pour réaliser
Plus en détailS.P.S.N. Lac du Der 2008
S.P.S.N. Lac du Der 2008 Qu'est-ce qu'un histogramme? C'est un graphique qui montre la répartition des pixels de l'image en fonction de leur luminosité. Chaque type d'image (normale, surexposée, sous exposée,
Plus en détailRecherche De Coalescences Binaires Étalonnage Du Détecteur
Recherche De Coalescences Binaires Étalonnage Du Détecteur Fabrice Beauville Journées Jeunes Chercheurs 18/12/2003 Les Coalescences Binaires & VIRGO Système binaire d objets compacts (étoiles à neutrons,
Plus en 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 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 détailCHAPITRE I. Modélisation de processus et estimation des paramètres d un modèle
CHAPITRE I Modélisation de processus et estimation des paramètres d un modèle I. INTRODUCTION. Dans la première partie de ce chapitre, nous rappelons les notions de processus et de modèle, ainsi que divers
Plus en détailBTS Groupement A. Mathématiques Session 2011. Spécialités CIRA, IRIS, Systèmes électroniques, TPIL
BTS Groupement A Mathématiques Session 11 Exercice 1 : 1 points Spécialités CIRA, IRIS, Systèmes électroniques, TPIL On considère un circuit composé d une résistance et d un condensateur représenté par
Plus en détailUn spectromètre à fibre plus précis, plus résistant, plus pratique Concept et logiciel innovants
& INNOVATION 2014 NO DRIVER! Logiciel embarqué Un spectromètre à fibre plus précis, plus résistant, plus pratique Concept et logiciel innovants contact@ovio-optics.com www.ovio-optics.com Spectromètre
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 détailMathématique et Automatique : de la boucle ouverte à la boucle fermée. Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans
Mathématique et Automatique : de la boucle ouverte à la boucle fermée Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans Maitine.Bergounioux@labomath.univ-orleans.fr Plan 1. Un peu de
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
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 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 détailExercices Corrigés Premières notions sur les espaces vectoriels
Exercices Corrigés Premières notions sur les espaces vectoriels Exercice 1 On considére le sous-espace vectoriel F de R formé des solutions du système suivant : x1 x 2 x 3 + 2x = 0 E 1 x 1 + 2x 2 + x 3
Plus en détailAutomatique Linéaire 1 Travaux Dirigés 1A ISMIN
Automatique Linéaire 1 Travaux Dirigés Travaux dirigés, Automatique linéaire 1 J.M. Dutertre 2014 TD 1 Introduction, modélisation, outils. Exercice 1.1 : Calcul de la réponse d un 2 nd ordre à une rampe
Plus en détailLes travaux doivent être remis sous forme papier.
Physique mathématique II Calendrier: Date Pondération/note nale Matériel couvert ExercicesSérie 1 : 25 septembre 2014 5% RH&B: Ch. 3 ExercicesSérie 2 : 23 octobre 2014 5% RH&B: Ch. 12-13 Examen 1 : 24
Plus en détailMathématiques appliquées à l'économie et à la Gestion
Mathématiques appliquées à l'économie et à la Gestion Mr Makrem Ben Jeddou Mme Hababou Hella Université Virtuelle de Tunis 2008 Continuité et dérivation1 1- La continuité Théorème : On considère un intervalle
Plus en détailExamen optimisation Centrale Marseille (2008) et SupGalilee (2008)
Examen optimisation Centrale Marseille (28) et SupGalilee (28) Olivier Latte, Jean-Michel Innocent, Isabelle Terrasse, Emmanuel Audusse, Francois Cuvelier duree 4 h Tout resultat enonce dans le texte peut
Plus en détail3. Caractéristiques et fonctions d une v.a.
3. Caractéristiques et fonctions d une v.a. MTH2302D S. Le Digabel, École Polytechnique de Montréal H2015 (v2) MTH2302D: fonctions d une v.a. 1/32 Plan 1. Caractéristiques d une distribution 2. Fonctions
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 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 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 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 détailChoisir entre le détourage plume et le détourage par les couches.
Choisir entre le détourage plume et le détourage par les couches. QUEL CHOIX D OUTILS ET QUELLE METHODE, POUR QUEL OBJECTIF? Il existe différentes techniques de détourage. De la plus simple à la plus délicate,
Plus en détailProjet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies
Projet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies Régis Boulet Charlie Demené Alexis Guyot Balthazar Neveu Guillaume Tartavel Sommaire Sommaire... 1 Structure
Plus en 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 détailCHAPITRE V. Théorie de l échantillonnage et de la quantification
CHAPITRE V Théorie de l échantillonnage et de la quantification Olivier FRANÇAIS, SOMMAIRE I INTRODUCTION... 3 II THÉORIE DE L ÉCHANTILLONNAGE... 3 II. ACQUISITION DES SIGNAUX... 3 II. MODÉLISATION DE
Plus en détailFonctions de deux variables. Mai 2011
Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs
Plus en 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 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 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 détailChapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens
Chapitre 7 Statistique des échantillons gaussiens Le théorème central limite met en évidence le rôle majeur tenu par la loi gaussienne en modélisation stochastique. De ce fait, les modèles statistiques
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 détailRéussir et traiter ses photos sous UV avec Photoshop
Réussir et traiter ses photos sous UV avec Photoshop par Rémi BORNET le 29/12/2009 Beaucoup de personnes n'arrivent pas à obtenir de bons résultats en photos sous UV et ne trouvent pas de conseils. Cet
Plus en détailNouvelle Gammes Camera Canon IP
Novembre 2013 NL002-2013 Nouvelle Gammes Camera Canon IP Les caméras en réseau de Canon combinent des technologies optiques pour le traitement des images à des technologies de diffusion en réseau développées
Plus en détailCalcul différentiel. Chapitre 1. 1.1 Différentiabilité
Chapitre 1 Calcul différentiel L idée du calcul différentiel est d approcher au voisinage d un point une fonction f par une fonction plus simple (ou d approcher localement le graphe de f par un espace
Plus en détailNotions d asservissements et de Régulations
I. Introduction I. Notions d asservissements et de Régulations Le professeur de Génie Electrique doit faire passer des notions de régulation à travers ses enseignements. Les notions principales qu'il a
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 détailRésumé des communications des Intervenants
Enseignements de la 1ere semaine (du 01 au 07 décembre 2014) I. Titre du cours : Introduction au calcul stochastique pour la finance Intervenante : Prof. M hamed EDDAHBI Dans le calcul différentiel dit
Plus en détailActivité 1 : Rayonnements et absorption par l'atmosphère - Correction
Activité 1 : Rayonnements et absorption par l'atmosphère - Correction Objectifs : Extraire et exploiter des informations sur l'absorption des rayonnements par l'atmosphère terrestre. Connaitre des sources
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 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 détailDifférentiabilité ; Fonctions de plusieurs variables réelles
Différentiabilité ; Fonctions de plusieurs variables réelles Denis Vekemans R n est muni de l une des trois normes usuelles. 1,. 2 ou.. x 1 = i i n Toutes les normes de R n sont équivalentes. x i ; x 2
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 détailSystèmes de communications numériques 2
Systèmes de Communications Numériques Philippe Ciuciu, Christophe Vignat Laboratoire des Signaux et Systèmes cnrs supélec ups supélec, Plateau de Moulon, 9119 Gif-sur-Yvette ciuciu@lss.supelec.fr Université
Plus en détailManipulation N 6 : La Transposition de fréquence : Mélangeur micro-ondes
Manipulation N 6 : La Transposition de fréquence : Mélangeur micro-ondes Avant Propos : Le sujet comporte deux parties : une partie théorique, jalonnée de questions (dans les cadres), qui doit être préparée
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 détailMATHEMATIQUES APPLIQUEES Equations aux dérivées partielles Cours et exercices corrigés
MATHEMATIQUES APPLIQUEES Equations aux dérivées partielles Cours et exercices corrigés Département GPI 1ère année Avril 2005 INPT-ENSIACET 118 route de Narbonne 31077 Toulouse cedex 4 Mail : Xuan.Meyer@ensiacet.fr
Plus en détailFonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples
45 Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples Les espaces vectoriels considérés sont réels, non réduits au vecteur nul et
Plus en détailFORMATION ASSURANCE QUALITE ET CONTROLES DES MEDICAMENTS QUALIFICATION DES EQUIPEMENTS EXEMPLE : SPECTROPHOTOMETRE UV/VISIBLE
FORMATION ASSURANCE QUALITE ET CONTROLES DES MEDICAMENTS ISO/IEC 17025 Chapitre 5 : EXIGENCES TECHNIQUES QUALIFICATION DES EQUIPEMENTS EXEMPLE : SPECTROPHOTOMETRE UV/VISIBLE Nicole GRABY PA/PH/OMCL (07)
Plus en détailK 7 Premium Home. K 7 Premium Home, 1.168-608.0, 2015-05-30
K 7 Premium Home Le 'K7 Premium Home' contient le Home Kit dont sont compris le nettoyeur de surfaces T 400 pour un nettoyage sans éclaboussures de surfaces égales (y compris fonction pour le nettoyage
Plus en détailContexte. Pour cela, elles doivent être très compliquées, c est-à-dire elles doivent être très différentes des fonctions simples,
Non-linéarité Contexte Pour permettre aux algorithmes de cryptographie d être sûrs, les fonctions booléennes qu ils utilisent ne doivent pas être inversées facilement. Pour cela, elles doivent être très
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 détailCorrection de l examen de la première session
de l examen de la première session Julian Tugaut, Franck Licini, Didier Vincent Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi
Plus en détailTD1 Signaux, énergie et puissance, signaux aléatoires
TD1 Signaux, énergie et puissance, signaux aléatoires I ) Ecrire l'expression analytique des signaux représentés sur les figures suivantes à l'aide de signaux particuliers. Dans le cas du signal y(t) trouver
Plus en détailFonctions de plusieurs variables et applications pour l ingénieur
Service Commun de Formation Continue Année Universitaire 2006-2007 Fonctions de plusieurs variables et applications pour l ingénieur Polycopié de cours Rédigé par Yannick Privat Bureau 321 - Institut Élie
Plus en détailDérivées et différentielles des fonctions de plusieurs variables
UE4 : Evaluation des méthodes d analyses appliquées aux sciences de la vie et de la santé Analyse Chapitre 6 : Dérivées et différentielles des fonctions de plusieurs variables Christelle MELODELIMA Année
Plus en détailLISACode. Un simulateur opérationnel pour LISA. Antoine PETITEAU LISAFrance - le 16 mai 2006
LISACode Un simulateur opérationnel pour LISA Antoine PETITEAU LISAFrance - le 16 mai 2006 Plan Rappel sur LISACode. Validation du simulateur. Possibilités du simulateur. Résultats obtenus. Bruit de confusion.
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 détailF411 - Courbes Paramétrées, Polaires
1/43 Courbes Paramétrées Courbes polaires Longueur d un arc, Courbure F411 - Courbes Paramétrées, Polaires Michel Fournié michel.fournie@iut-tlse3.fr http://www.math.univ-toulouse.fr/ fournie/ Année 2012/2013
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 détailDéveloppement de lois et de structures de réglages destinées à la téléopération avec retour d effort
Développement de lois et de structures de réglages destinées à la téléopération avec retour d effort Thomas Delwiche, Laurent Catoire et Michel Kinnaert Faculté des Sciences Appliquées Service d Automatique
Plus en détailNOTATIONS PRÉLIMINAIRES
Pour le Jeudi 14 Octobre 2010 NOTATIONS Soit V un espace vectoriel réel ; l'espace vectoriel des endomorphismes de l'espace vectoriel V est désigné par L(V ). Soit f un endomorphisme de l'espace vectoriel
Plus en détailExercice : la frontière des portefeuilles optimaux sans actif certain
Exercice : la frontière des portefeuilles optimaux sans actif certain Philippe Bernard Ingénierie Economique & Financière Université Paris-Dauphine Février 0 On considère un univers de titres constitué
Plus en détailCréative Cloud - Perfectionnement
Créative Cloud - Perfectionnement Objectif : Permettre aux participants de voir et de comprendre les bases et les nouveautés des différents logiciels. Durée : à définir par rapport aux besoins Dans la
Plus en détailThéorie et Codage de l Information (IF01) exercices 2013-2014. Paul Honeine Université de technologie de Troyes France
Théorie et Codage de l Information (IF01) exercices 2013-2014 Paul Honeine Université de technologie de Troyes France TD-1 Rappels de calculs de probabilités Exercice 1. On dispose d un jeu de 52 cartes
Plus en détailSpectrophotomètres. www.jenway.com
Imlab Oude Vijvers 1 B-3370 Boutersem Spectrophotomètres www.jenway.com Bibby Scientific France - ZI du Rocher Vert - BP 79-77793 Nemours Cedex Tél. : 01 64 45 13 13 - Fax : 01 64 45 13 00 - email : bsf@bibby-scientific.fr
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 détailGAMME UviLine 9100 & 9400
Agro-alimentaire/Biotechnologie/Enseignement/Recherche/Santé/Industrie GAMME UviLine 9100 & 9400 Spectrophotomètres UV & Visible Une combinaison intelligente d innovations n Excellente précision de mesure
Plus en détailInstitut Informatique de gestion. Communication en situation de crise
Institut Informatique de gestion Communication en situation de crise 1 Contexte Je ne suis pas un professionnel de la communication Méthode empirique, basée sur l(es) expérience(s) Je suis actif dans un
Plus en détailLa spectrophotométrie
Chapitre 2 Document de cours La spectrophotométrie 1 Comment interpréter la couleur d une solution? 1.1 Décomposition de la lumière blanche En 1666, Isaac Newton réalise une expérience cruciale sur la
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 détailAcquisition et conditionnement de l information Les capteurs
Acquisition et conditionnement de l information Les capteurs COURS 1. Exemple d une chaîne d acquisition d une information L'acquisition de la grandeur physique est réalisée par un capteur qui traduit
Plus en détailLES CARACTERISTIQUES DES SUPPORTS DE TRANSMISSION
LES CARACTERISTIQUES DES SUPPORTS DE TRANSMISSION LES CARACTERISTIQUES DES SUPPORTS DE TRANSMISSION ) Caractéristiques techniques des supports. L infrastructure d un réseau, la qualité de service offerte,
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 détailI Stabilité, Commandabilité et Observabilité 11. 1 Introduction 13 1.1 Un exemple emprunté à la robotique... 13 1.2 Le plan... 18 1.3 Problème...
TABLE DES MATIÈRES 5 Table des matières I Stabilité, Commandabilité et Observabilité 11 1 Introduction 13 1.1 Un exemple emprunté à la robotique................... 13 1.2 Le plan...................................
Plus en détail1 Définition de la non stationnarité
Chapitre 2: La non stationnarité -Testsdedétection Quelques notes de cours (non exhaustives) 1 Définition de la non stationnarité La plupart des séries économiques sont non stationnaires, c est-à-direqueleprocessusquiles
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 détailChapitre VI Fonctions de plusieurs variables
Chapitre VI Fonctions de plusieurs variables 6. 1 Fonctions différentiables de R 2 dans R. 6. 1. 1 Définition de la différentiabilité Nous introduisons la différentiabilité sous l angle des développements
Plus en détailUviLight XTW Spectrophotomètre UV-Vis
Enseignement Agro-alimentaire Sciences Chimie Recherche Laboratoires de référence UviLight XTW Spectrophotomètre UV-Vis Accédez aux meilleures performances grâce à des spécificités optiques supérieures
Plus en détailCours3. Applications continues et homéomorphismes. 1 Rappel sur les images réciproques
Université de Provence Topologie 2 Cours3. Applications continues et homéomorphismes 1 Rappel sur les images réciproques Soit une application f d un ensemble X vers un ensemble Y et soit une partie P de
Plus en détail"La collimation est la première cause de mauvaises images dans les instruments amateurs" Walter Scott Houston
"La collimation est la première cause de mauvaises images dans les instruments amateurs" Walter Scott Houston F.Defrenne Juin 2009 Qu est-ce que la collimation en fait? «Newton»? Mais mon télescope est
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 détailChapitre 2. Matrices
Département de mathématiques et informatique L1S1, module A ou B Chapitre 2 Matrices Emmanuel Royer emmanuelroyer@mathuniv-bpclermontfr Ce texte mis gratuitement à votre disposition a été rédigé grâce
Plus en détail