Comment valider une méthode de morphologie mathématique couleur
|
|
- Germain Pelletier
- il y a 6 ans
- Total affichages :
Transcription
1 Comment valider une méthode de morphologie mathématique couleur Audrey LEDOUX Laboratoire XLIM-SIC UMR CNRS 6172 GDR ISIS jeudi 13 octobre /36
2 Contexte La morphologie mathématique est : développée à partir des opérations de Minkowski par Matheron [Mat75] et Serra [Ser82] ; fondée sur la recherche d extrema dans un ensemble de valeurs définies sur un domaine spatial [Ron90] ; étendue à la couleur de différentes manières dans la littérature. FIGURE: Quelques couleurs dans l espace RGB 2/36
3 Écriture de notre opérateur de dilatation Écriture de notre opérateur de dilatation à partir de distances couleur : C 1 C 2 C 1 O + C 2 O + 3/36
4 Écriture de notre opérateur de dilatation Écriture de notre opérateur de dilatation à partir de distances couleur : S D8 = S D7 = S D6 = { C y : C y O = Cx S D7 { C y : C y C i = Cx S D6 { C y : C y O + = x (D f D g ) { C x O } } ; { C x C i } } ; { C x O + } } ; 3/36
5 Écriture de notre opérateur de dilatation Écriture de notre opérateur de dilatation à partir de distances couleur : S D10 = {f (x)} = x (D f D g ) S D9 = S D8 = S D7 = S D6 = { C y,c y = Cx S D9 { Cx β } } ; { C y : C y = { } } Cx α ; Cx S D8 { C y : C y O = Cx S D7 { C y : C y C i = Cx S D6 { C y : C y O + = x (D f D g ) { C x O } } ; { C x C i } } ; { C x O + } } ; 3/36
6 Résultats (après 5 dilatations) méthode d Hanbury [HS01] méthode de Lopez [AS03] notre méthode [RCLIL10] (ES croix 3x3) (ES croix 3x3) (Noir/Blanc, ES croix 3x3, E 2000 ) 4/36
7 Résultats (après 5 dilatations) méthode d Hanbury [HS01] méthode de Lopez [AS03] notre méthode [RCLIL10] (ES croix 3x3) (ES croix 3x3) (Noir/Blanc, ES croix 3x3, E 2000 ) Quelle est la meilleure approche? 4/36
8 Comment valider? Validation visuelle quels critères subjectifs? Dépend des images choisies et de l application Validation des opérateurs par les propriétés bas niveaux Dualité Idempotence Associativité... Validation statistique de l ordonnancement. Vitesse de convergence. Vérification de la stabilité numérique dans un schéma multi-échelle (dimension fractale). 5/36
9 Déroulement 1 La propriété de dualité 2 Validation statistique 3 Vitesse de convergence 4 Dimension fractale 5 Applications 6 Apports et perspectives 6/36
10 Déroulement 1 La propriété de dualité 2 Validation statistique 3 Vitesse de convergence 4 Dimension fractale 5 Applications 6 Apports et perspectives 7/36
11 Pourquoi la dualité? Pour que les opérateurs de dilatation et d érosion soient valides, ils doivent être duaux. (F c B) c (x,y) = (F B)(x,y) (1) (F c B) c (x,y) = (F B)(x,y) (2) 8/36
12 Preuve de la dualité 9/36
13 Principe de la démonstration FIGURE: Relation de dualité entre un pixel couleur et son complémentaire A ce jour, seule méthode bénéficiant d une démonstration théorique de la dualité. Démonstration décomposée, étape par étape, pour vérifier que chaque contrainte répond à la propriété. Validation numérique nécessaire pour vérifier la faisabilité numérique et palier au manque de démonstration des autres méthodes. 10/36
14 Principe de la démonstration FIGURE: Relation de dualité entre un pixel couleur et son complémentaire A ce jour, seule méthode bénéficiant d une démonstration théorique de la dualité. Démonstration décomposée, étape par étape, pour vérifier que chaque contrainte répond à la propriété. Validation numérique nécessaire pour vérifier la faisabilité numérique et palier au manque de démonstration des autres méthodes. 10/36
15 Principe de la démonstration FIGURE: Relation de dualité entre un pixel couleur et son complémentaire A ce jour, seule méthode bénéficiant d une démonstration théorique de la dualité. Démonstration décomposée, étape par étape, pour vérifier que chaque contrainte répond à la propriété. Validation numérique nécessaire pour vérifier la faisabilité numérique et palier au manque de démonstration des autres méthodes. 10/36
16 Principe de la démonstration FIGURE: Relation de dualité entre un pixel couleur et son complémentaire A ce jour, seule méthode bénéficiant d une démonstration théorique de la dualité. Démonstration décomposée, étape par étape, pour vérifier que chaque contrainte répond à la propriété. Validation numérique nécessaire pour vérifier la faisabilité numérique et palier au manque de démonstration des autres méthodes. 10/36
17 Principe de la démonstration FIGURE: Relation de dualité entre un pixel couleur et son complémentaire A ce jour, seule méthode bénéficiant d une démonstration théorique de la dualité. Démonstration décomposée, étape par étape, pour vérifier que chaque contrainte répond à la propriété. Validation numérique nécessaire pour vérifier la faisabilité numérique et palier au manque de démonstration des autres méthodes. 10/36
18 Validation numérique FIGURE: schéma de calcul des différences entre les images 1 et 2 initiales 11/36
19 Images des différences : méthodes d Hanbury et de Lopez méthode d Hanbury [HS01] méthode de Lopez [AS03] notre méthode [RCLIL10] (Noir/Blanc, E 2000 ) Somme des différences = 7908 Somme des différences = 1742 Somme des différences = 0 FIGURE: image des différences entre l image dilatée et l image complémentaire de l érodée de la complémentaire, avec les différentes méthodes 12/36
20 Différences sur la base Vistex n image LSH IRGB CMMBW n image LSH IRGB CMMBW TABLE: distance cumulée entre les images calculées par les deux chemins possible pour obtenir l image érodée, pour une vingtaine d images de la base Vistex méthodes LSH IRGB CMM BW moyenne écart type TABLE: moyennes et écart types des distances cumulées pour chaque méthode sur toute la base d images Vistex 13/36
21 Déroulement 1 La propriété de dualité 2 Validation statistique 3 Vitesse de convergence 4 Dimension fractale 5 Applications 6 Apports et perspectives 14/36
22 Pourquoi une validation statistique? L ordonnancement des valeurs est essentiel à la morphologie mathématique couleur. 1 ère étape : validation visuelle critère subjectif. 2 ème étape : validation statistique critère objectif. 15/36
23 Comparaison E et E 2000 Problème de linéarité perceptuelle observé a b c FIGURE: Dilatation de l image "Le chanteur" de Miro avec le blanc comme point de convergence et un élément structurant carré 5x5 (a) zoom sur l image dilatée avec E ; (b) zoom sur l image originale ; (c) zoom sur l image dilatée avec E Comment valider le critère de l ordonnancement? 16/36
24 La propriété de dualité Validation statistique Vitesse de convergence Dimension fractale Applications Apports et perspectives Génération de dégradés 17/36 A. LEDOUX Laboratoire XLIM-SIC UMR CNRS 6172
25 Comparaison statistique generators E E 2000 IRGB LSH SLH grey level 0% 0% 0% 0% 0% RGB < 1% < 10% > 95% > 95% > 95% S 0% 0% 0% 0% 0% HSL L < 16% < 7% 0% 0% 0% H < 25% < 27% 30% < 26% < 25% CIELAB 0% 0% 3 > 90% > 90% > 90% TABLE: taux d erreurs d ordonnancement de chaque méthode en fonction des différents générateurs 3 si E 2000 < 35 18/36
26 Déroulement 1 La propriété de dualité 2 Validation statistique 3 Vitesse de convergence 4 Dimension fractale 5 Applications 6 Apports et perspectives 19/36
27 Pourquoi la vitesse de convergence? Morphologie : filtrage avancée (ASF), Spectres (ouverture, motifs,...) dépendant de la taille de l ES dépendant du nombre d itération L ordonnancement influe sur la réduction du nombre de couleurs différentes considérées impact sur la décroissance du nombre de couleurs /itérations ou taille des éléments structurants. impact sur le nombre d itération ou taille de l élément structurant induisant une couleur unique en réponse à l opérateur Base pour un critère d efficacité numérique du traitement (aspect complexité combinatoire) 20/36
28 Définition soit I ±, les coordonnées couleur idempotentes pour l image : I ± sont définies telles que pour une taille d ES suffisante, le résultat de l opération morphologique soit une image uniforme de couleur I ± I + = I = C x (3) x D f,d f D g D f C x (4) x D f,d f D g D f soit N I ±, le nombre d itérations nécessaires pour un ES de taille 3x3 pour obtenir une image uniforme de couleur I ± 21/36
29 Résultats CMM BW MmGRB IRGB BGR 100 itérations 100 itérations 108 itérations 128 itérations 22/36
30 Critère valide? Critère non discriminable en dehors d un contexte applicatif particulier (connaissance de la couleur de convergence finale par exemple). Vitesse de réduction des nuages comparables et apparemment indépendante des choix d ordonnancement. 23/36
31 Déroulement 1 La propriété de dualité 2 Validation statistique 3 Vitesse de convergence 4 Dimension fractale 5 Applications 6 Apports et perspectives 24/36
32 Pourquoi la dimension fractale? Serra dans [Ser82], propose un estimateur de dimension fractale basée sur les opérateurs morphologique : ( ) (M (V (X ρb)) (V (X))) d bm = lim d (5) ρ 0 ρ formule largement utilisée en images Niveau de gris : méthode du Covering-Blanket traitement multi-échelle morphologique : évolution de la dilatation vs erosion selon les itérations. Critère de précision morphologique : estimation de la dimension fractale calculée pour des images de synthèse connues (colour aproache with midpoint diplacement (Ivanovici, Richard [IR10]) Plusieurs critères de comparaison (R 2, corrélation,...) 25/36
33 Résultats BUT : Calculer la dimension fractale de l image et la comparer avec la théorique Premiers résultats sur 50 images fractales par dimension : méthode d Hanbury méthode de Lopez notre méthode 26/36
34 Résultats Quelques paramètres calculés à partir des courbes : LSH IRGB CMM BW R 2 0,9905 0,9907 0,9835 Cor 0,9955 0,9952 0,9917 equation y = 0,777x + 0,1823 y = 0,955x + 0,1161 y = 0,973x + 0,0616 D y 0, , , /36
35 Comparaison des résultats pour la dimension fractale Pas une meilleure méthode! Chaque méthode est meilleure pour un seul critère! Limites générateur dans RGB pas représentatif de la physique des matériaux ou de la perception humaine. corrélation entre les plans dépendantes de l espace de génération choisi, indépendant de la physique de perception ou de génération limites connues du générateur pour les faibles et fortes dimensions Problématique de l intégrale de Surface ou de Volume Couleur Définition de Serra, Peleg, Minkowski : induit un ES Non Plat traitement sur ESP pour des résultats comparables Seule l approche CMM proposée permet une extension sur ESNP 28/36
36 Déroulement 1 La propriété de dualité 2 Validation statistique 3 Vitesse de convergence 4 Dimension fractale 5 Applications 6 Apports et perspectives 29/36
37 Importance du points de convergence Le choix du point de convergence permet de faire ressortir ou disparaître les éléments voulus : vers le blanc vers le fond 30/36
38 Importance du points de convergence Le choix du point de convergence permet de faire ressortir ou disparaître les éléments voulus : vers le blanc vers le fond 30/36
39 Gradient Exemple de gradient : 31/36
40 Signatures fractales Comparaison signatures fractales : 32/36
41 Signatures fractales Comparaison signatures fractales : 32/36
42 Signatures fractales Comparaison signatures fractales : 32/36
43 Signatures fractales Comparaison signatures fractales : 32/36
44 Signatures fractales Comparaison signatures fractales : 32/36
45 Déroulement 1 La propriété de dualité 2 Validation statistique 3 Vitesse de convergence 4 Dimension fractale 5 Applications 6 Apports et perspectives 33/36
46 Apports et perspectives Apports théoriques : Nouvelle méthode perceptuellement linéaire avec une expression pleinement vectorielle ; Recherches de critères pour comparer et valider une méthode ; Validation de notre méthode pour la propriété de dualité. Validation statistique de notre méthode pour l ordonnancement. Critère de la vitesse de convergence : non déterminant Détermination de la dimension fractale : limitation des résultats connue Perspectives : Validation de l idempotence pour l ouverture et la fermeture Validation applicative : Filtrage Compléter l étude fractale avec un ESNP 34/36
47 Merci de votre intérêt. 35/36
48 J. Angulo and J. Serra. Morphological coding of color images by vector connected filters. In Signal Processing and Its Applications, Proceedings. Seventh International Symposium on, volume 1, pages IEEE, A. Hanbury and J. Serra. Mathematical morphology in the hls colour space. In Proceedings of the British Machine Vision Conference, pages Citeseer, M. Ivanovici and N. Richard. Fractal dimension of colour fractal images. IEEE TRansactions on Image Processing, PP(99) :DOI : /TIP , July G. Matheron. Random sets and integral geometry. John Wiley & Sons Inc, New-York, February N. Richard, A.S. Capelle-Laizé, M. Ivanovici, and A. Ledoux. Colour mathematical morphology based on colour distances : Theory and validation. IEEE Transactions on Pattern Analysis and Machine Intelligence, page Submitted, C. Ronse. Why mathematical morphology needs complete lattices. Signal Processing, 21(2) : , J. Serra. Image Analysis and Mathematical Morphology, volume I. Academic Press, /36
49 Écriture de notre opérateur de dilatation Écriture de notre opérateur de dilatation à partir de distances couleur : C i C j C i D C j D OU C i D = C j D ET C i C q C j C q OU C i D = C j D ET C i C q = C j C q ET C i E C j E OU C i D = C j D ET C i C q = C j C q ET C i E = C j E ET α Ci α Cj OU C i D = C j D ET C i C q = C j C q ET C i E = C j E ET α Ci = α Cj ET β Ci β Cj 36/36
50 Écriture de notre opérateur de dilatation Écriture de notre opérateur de dilatation à partir de distances couleur : C i C j C i D C j D OU C i D = C j D ET C i C q C j C q OU C i D = C j D ET C i C q = C j C q ET C i E C j E OU C i D = C j D ET C i C q = C j C q ET C i E = C j E ET α Ci α Cj OU C i D = C j D ET C i C q = C j C q ET C i E = C j E ET α Ci = α Cj ET β Ci β Cj 36/36
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 détailMode d'emploi du plugin Grayscale_Granulometry
Mode d'emploi du plugin Grayscale_Granulometry D. Legland 27 mars 2013 Mode d'emploi rapide du plugin Grayscale Granulometry pour ImageJ. Le plugin permet de calculer des courbes de granulométrie en niveaux
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 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 détailMesure agnostique de la qualité des images.
Mesure agnostique de la qualité des images. Application en biométrie Christophe Charrier Université de Caen Basse-Normandie GREYC, UMR CNRS 6072 Caen, France 8 avril, 2013 C. Charrier NR-IQA 1 / 34 Sommaire
Plus en détailSupports. Images numériques. notions de base [1] http://lilapuce.net
Supports Images numériques notions de base [1] http://lilapuce.net Deux grands types d images numériques : bitmap et vectoriel La création d'une image informatique n'est possible qu'en utilisant l'un des
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 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 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 détailLe traitement du 5ème concours A.I.P. pour l objet SH2-155 de Franck JOBARD
Le traitement du 5ème concours A.I.P. pour l objet SH2-155 de Franck JOBARD J ai fait le choix d utiliser Pixinsight en utilisant le process icons de l aip v3-21 pour le prétraitement. 1. Prétraitement
Plus en détailLes simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R
Les simulations dans l enseignement des sondages Avec le logiciel GENESIS sous SAS et la bibliothèque Sondages sous R Yves Aragon, David Haziza & Anne Ruiz-Gazen GREMAQ, UMR CNRS 5604, Université des Sciences
Plus en détailChapitre VI. Connexions et fonctions numériques
Chapitre VI Connexions et fonctions numériques Concepts : -> Extension aux fonctions -> Opérateurs connexes -> Géodésie numérique -> Nivellements et auto-dualité Applications : -> Etude des extrema ->
Plus en détailUne comparaison de méthodes de discrimination des masses de véhicules automobiles
p.1/34 Une comparaison de méthodes de discrimination des masses de véhicules automobiles A. Rakotomamonjy, R. Le Riche et D. Gualandris INSA de Rouen / CNRS 1884 et SMS / PSA Enquêtes en clientèle dans
Plus en détailObject Removal by Exemplar-Based Inpainting
Object Removal by Exemplar-Based Inpainting Kévin Polisano A partir d un article de A. Criminisi, P. Pérez & H. K. Toyama 14/02/2013 Kévin Polisano Object Removal by Exemplar-Based Inpainting 14/02/2013
Plus en détailNé le 13/06/1984 Russe Célibataire Langues : Russe, Anglais,
Alexey Zykin Université d Etat Ecole des Hautes Etudes en Sciences Economiques Adresse : 7, Vavilova rue, Moscou, Russie Courriel : alzykin@gmail.com Page personnelle : http://www.mccme.ru/poncelet/pers/zykin.html
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 détailUtilisation de l ingénierie des modèles pour la conception collaborative de produits mécaniques
Utilisation de l ingénierie des modèles pour la conception collaborative de produits mécaniques Mathias Kleiner Laboratoire des Sciences de l Information et des Systèmes (LSIS) - UMR CNRS 7296 Projet Ingenierie
Plus en détailSolution A La Gestion Des Objets Java Pour Des Systèmes Embarqués
International Journal of Engineering Research and Development e-issn: 2278-067X, p-issn: 2278-800X, www.ijerd.com Volume 7, Issue 5 (June 2013), PP.99-103 Solution A La Gestion Des Objets Java Pour Des
Plus en détailProblèmes d ordonnancement dans les systèmes de production. Journée Automatique et Optimisation Université de Paris 12 20 Mars 2003
Problèmes d ordonnancement dans les systèmes de production Michel Gourgand Université Blaise Pascal Clermont Ferrand LIMOS CNRS UMR 6158 1 Le LIMOS Laboratoire d Informatique, de Modélisation et d Optimisation
Plus en détailSynthèse d'images I. Venceslas BIRI IGM Université de Marne La
Synthèse d'images I Venceslas BIRI IGM Université de Marne La La synthèse d'images II. Rendu & Affichage 1. Introduction Venceslas BIRI IGM Université de Marne La Introduction Objectif Réaliser une image
Plus en détailStructure du format BMP, sa lecture, sa construction et son écriture
Structure du format BMP, sa lecture, sa construction et son écriture Claude Parisel Mars 2003 Table des matières : 1. Le choix du format 2. Commentaires sur les autres formats 3. Format BMP pour noir&blanc,
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 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 détailAlgèbre binaire et Circuits logiques (2007-2008)
Université Mohammed V Faculté des Sciences Département de Mathématiques et Informatique Filière : SMI Algèbre binaire et Circuits logiques (27-28) Prof. Abdelhakim El Imrani Plan. Algèbre de Boole 2. Circuits
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 détailALGORITHME GENETIQUE ET MODELE DE SIMULATION POUR L'ORDONNANCEMENT D'UN ATELIER DISCONTINU DE CHIMIE
ALGORITHME GENETIQUE ET MODELE DE SIMULATION POUR L'ORDONNANCEMENT D'UN ATELIER DISCONTINU DE CHIMIE P. Baudet, C. Azzaro-Pantel, S. Domenech et L. Pibouleau Laboratoire de Génie Chimique - URA 192 du
Plus en détailAmphi 3: Espaces complets - Applications linéaires continues
Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite
Plus en détailA GRASPxELS approach for the Job Shop with generic time-lags and new statistical determination of the parameters
A GRASPxELS approach for the Job Shop with generic time-lags and new statistical determination of the parameters Présenté par : Equipe de travail : Laboratoire : Maxime CHASSAING Philippe LACOMME, Nikolay
Plus en détailPrincipe de symétrisation pour la construction d un test adaptatif
Principe de symétrisation pour la construction d un test adaptatif Cécile Durot 1 & Yves Rozenholc 2 1 UFR SEGMI, Université Paris Ouest Nanterre La Défense, France, cecile.durot@gmail.com 2 Université
Plus en détailIdentite. Free Reporting Software
LIGHT PIXEL Identite Lancée en 2004, Light Pixel Web Design est une agence web spécialisée dans la création de site internet. Light Pixel Web Design est une agence de création web en Roumanie. Compétences
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 détailNouveau Barème W.B.F. de points de victoire 4 à 48 donnes
Nouveau Barème W.B.F. de points de victoire 4 à 48 donnes Pages 4 à 48 barèmes 4 à 48 donnes Condensé en une page: Page 2 barèmes 4 à 32 ( nombre pair de donnes ) Page 3 Tous les autres barèmes ( PV de
Plus en détailSimulation du transport de matière par diffusion surfacique à l aide d une approche Level-Set
Simulation du transport de matière par diffusion surfacique à l aide d une approce Level-Set J. Brucon 1, D. Pino-Munoz 1, S. Drapier 1, F. Valdivieso 2 Ecole Nationale Supérieure des Mines de Saint-Etienne
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 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 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 détailLe Soleil. Structure, données astronomiques, insolation.
Le Soleil Structure, données astronomiques, insolation. Le Soleil, une formidable centrale à Fusion Nucléaire Le Soleil a pris naissance au sein d un nuage d hydrogène de composition relative en moles
Plus en détailChapitre 6 : Consolidation par paliers et consolidation directe
Chapitre 6 : Consolidation par paliers et consolidation directe I Principe général II- Consolidation par paliers III - Consolidation directe Cas de synthèse 1 Case de synthèse 2 I. Principe général Les
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 détailRecherche d information en langue arabe : influence des paramètres linguistiques et de pondération de LSA
RÉCITAL 2005, Dourdan, 6-10 juin 2005 Recherche d information en langue arabe : influence des paramètres linguistiques et de pondération de LSA Siham Boulaknadel (1,2), Fadoua Ataa-Allah (2) (1) LINA FRE
Plus en détailSpécialité Sciences Mécaniques et Ingénierie
Master 2 Sciences, Technologies, Santé Mention Mécanique Spécialité Sciences Mécaniques et Ingénierie Parcours R&D en mécanique des fluides Parcours R&D en matériaux et structures Parcours Energétique
Plus en détailOptimisation et programmation mathématique. Professeur Michel de Mathelin. Cours intégré : 20 h
Télécom Physique Strasbourg Master IRIV Optimisation et programmation mathématique Professeur Michel de Mathelin Cours intégré : 20 h Programme du cours d optimisation Introduction Chapitre I: Rappels
Plus en détailReprésentation et analyse des systèmes linéaires
ISAE-NK/Première année présentation et analyse des systèmes linéaires Petite classe No Compléments sur le lieu des racines. Condition sur les points de rencontre et d éclatement Les points de rencontre,(les
Plus en détailThéorèmes de Point Fixe et Applications 1
Théorèmes de Point Fixe et Applications 1 Victor Ginsburgh Université Libre de Bruxelles et CORE, Louvain-la-Neuve Janvier 1999 Published in C. Jessua, C. Labrousse et D. Vitry, eds., Dictionnaire des
Plus en détailLa compression de données
La compression de données L'écosystème ECW et produits en relation Oliver Zimmermann, EMEA Business Development & Tech Sales Manager Hexagon Geospatial World Tour 2015 Paris Vue d'ensemble Technologies
Plus en détailPRECAUTIONS DESCRIPTION DU PRODUIT
Vous venez d acquérir un produit de la marque Essentiel b et nous vous en remercions. Nous apportons un soin particulier au design, à l'ergonomie et à la simplicité d'usage de nos produits. Nous espérons
Plus en détailNOUVEAU DISPOSITIF REGLEMENTAIRE Les ERP
Loi pour l Égalité des Droits et des Chances, la Participation et la Citoyenneté des Personnes Handicapées (EDCPCPH) NOUVEAU DISPOSITIF REGLEMENTAIRE Les ERP 1 1 Quel classement pour les ERP? Le classement
Plus en détailM2-Images. Rendu Temps Réel - OpenGL 4 et compute shaders. J.C. Iehl. December 18, 2013
Rendu Temps Réel - OpenGL 4 et compute shaders December 18, 2013 résumé des épisodes précédents... création des objets opengl, organisation des données, configuration du pipeline, draw,... opengl 4.3 :
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 détailC - ICM LTE Gamme DE
Gamme DELTEC - ICM ICM micro Projecteur de profil numérique 2D Système de mesure 2D, fruit de plus de 25 ans d expérience dans la métrologie par vision! Déposer c est mesurer! - Reconnaissance de la pièce
Plus en détailL. Granjon, E. Le Goff, A. Millereux, L. Saligny MSH Dijon
Le projet d un GeoCatalogue CArGOS CAtalogue de données GéOgraphiques pour les Sciences humaines et sociales http://cargos.tge-adonis.fr GeoSource.7 Présentation de l application Qu est-ce que CArGOS?
Plus en détailApplication de l'analyse multifractale à l'estimation des crues extrêmes en Tunisie
Hydrology of die Mediterranean and Semiarid Regions (Proceedings of an inlernational symposium held at Montpellier.' April 2003). IAHS Publ. no. 278. 2003. 251 Application de l'analyse multifractale à
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 détailGroupoïdes quantiques mesurés : axiomatique, étude, dualité, exemples
Groupoïdes quantiques mesurés : axiomatique, étude, dualité, exemples Franck LESIEUR Mathématiques et Applications, Physique Mathématique d Orléans UMR 6628 - BP 6759 45067 ORLEANS CEDEX 2 - FRANCE e-mail
Plus en détailEquation LIDAR : exp 2 Equation RADAR :
Contexte scientifique Systèmes LIDAR/RADAR Equation LIDAR : exp Equation RADAR : p (r) : puissance rétrodiffusée r : altitude ou profondeur. C : constante instrumentale. β : coefficient de rétrodiffusion
Plus en détailLaboratoire d informatique Gaspard-Monge UMR 8049. Journée Labex Bézout- ANSES
Laboratoire d informatique Gaspard-Monge UMR 8049 Journée Labex Bézout- ANSES Présentation du laboratoire 150 membres, 71 chercheurs et enseignants-chercheurs, 60 doctorants 4 tutelles : CNRS, École des
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 détailÉquation de Langevin avec petites perturbations browniennes ou
Équation de Langevin avec petites perturbations browniennes ou alpha-stables Richard Eon sous la direction de Mihai Gradinaru Institut de Recherche Mathématique de Rennes Journées de probabilités 215,
Plus en détailL Institut National des Sciences Mathématique et de leurs. Premiers éléments d un bilan à deux ans.
L Institut National des Sciences Mathématique et de leurs Interactions (INSMI) : Premiers éléments d un bilan à deux ans. 1. Mise en place de l INSMI Au CNRS, l année 2009 a été une année de transition
Plus en détailConception systematique d'algorithmes de detection de pannes dans les systemes dynamiques Michele Basseville, Irisa/Cnrs, Campus de Beaulieu, 35042 Rennes Cedex, bassevilleirisa.fr. 1 Publications. Exemples
Plus en détailProjet de Semestre. Page Web Didactique de Visualisation d Algorithme. Université de Genève - semestre de printemps 2012
Nouvelles Technologies de l Information et de la Communication Projet de Semestre Page Web Didactique de Visualisation d Algorithme Université de Genève - semestre de printemps 2012 Pierre Künzli, Adrien
Plus en détailValidation probabiliste d un Système de Prévision d Ensemble
Validation probabiliste d un Système de Prévision d Ensemble Guillem Candille, janvier 2006 Système de Prévision d Ensemble (EPS) (ECMWF Newsletter 90, 2001) Plan 1 Critères de validation probabiliste
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 détailProgrammation Par Contraintes
Programmation Par Contraintes Cours 2 - Arc-Consistance et autres amusettes David Savourey CNRS, École Polytechnique Séance 2 inspiré des cours de Philippe Baptiste, Ruslan Sadykov et de la thèse d Hadrien
Plus en détailM2R IMA UE CONF Présentation
M2R IMA UE CONF Présentation L objectif de l UE «Conférences» est de : 1. Présenter des applications du traitement d images dans divers domaines industriels ou académiques. 2. Apporter des compléments
Plus en 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 détailLa consolidation comptable
La consolidation comptable Préparé par: Barzali Samia Errajraji Wafae Mounadi Hajar 2009/2010 Plan de travail: I/Rappel de cours: 1. La consolidation : définition, objectifs; 2. Les étapes des travaux
Plus en détailTout ce que vous avez toujours voulu savoir sur SAP HANA. Sans avoir jamais osé le demander
Tout ce que vous avez toujours voulu savoir sur SAP HANA Sans avoir jamais osé le demander Agenda Pourquoi SAP HANA? Qu est-ce que SAP HANA? SAP HANA pour l intelligence d affaires SAP HANA pour l analyse
Plus en détailEnsemble léger de prise de photo sous UV-A Tam Photo Kit n 1 pour appareil photo compact
Ensemble léger de prise de photo sous UV-A Tam Photo Kit n 1 pour appareil photo compact Phone +33 (0)130 808 182 - Fax. +33 (0)130 808 199 /15 rue des Frères Lumière - ZI des Ebisoires BP136-78374 PLAISIR
Plus en détailPar Richard Beauregard. Novembre 2011
Par Richard Beauregard Novembre 2011 La lutte contre le bruit et autres parasites lumineux Le temps d exposition versus le compositage Les images de prétraitement L'image de précharge (Offset ou Bias)
Plus en détailLes images numériques. 1. Le dessin vectoriel
Les images numériques 1 Le dessin vectoriel 2 Les images bitmap 3 Image en noir et blanc 4 Les codages de la couleurs 5 La synthèse additive (RVB) 6 La synthèse soustractive 7 Les couleurs indexées 8 Comment
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 détailCréation d un fichier de découpe
Création d un fichier de découpe DECOUPE 1 Fichier entièrement vectorisé au format illustrator uniquement Toutes les découpes sont regroupées dans 1 seul fichier.ai.ai 1 seul fichier. ai 800 x 100 mm -
Plus en détailParamètres d accessibilité des systèmes d exploitation Windows et Mac
Paramètres d accessibilité des systèmes d exploitation Windows et Mac Hôpital Raymond Poincaré 104, Bd Raymond Poincaré 92380 Garches GB Consulting 242 rue du Faubourg de Roubaix 59800 Lille Samuel POUPLIN
Plus en détailPLAN DE COURS. GPA750 Ordonnancement des systèmes de production aéronautique
Département de génie de la production automatisée Programme de baccalauréat Professeur Pontien Mbaraga, Ph.D. Session/année Automne 2004 Groupe(s) 01 PLAN DE COURS GPA750 Ordonnancement des systèmes de
Plus en détailDÉRIVÉES. I Nombre dérivé - Tangente. Exercice 01 (voir réponses et correction) ( voir animation )
DÉRIVÉES I Nombre dérivé - Tangente Eercice 0 ( voir animation ) On considère la fonction f définie par f() = - 2 + 6 pour [-4 ; 4]. ) Tracer la représentation graphique (C) de f dans un repère d'unité
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en 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 détailCalcul des pertes de pression et dimensionnement des conduits de ventilation
Calcul des pertes de pression et dimensionnement des conduits de ventilation Applications résidentielles Christophe Delmotte, ir Laboratoire Qualité de l Air et Ventilation CSTC - Centre Scientifique et
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 détailSARM: Simulation of Absorption Refrigeration Machine
Revue des Energies Renouvelables Vol. 11 N 4 (2008) 587 594 SARM: Simulation of Absorption Refrigeration Machine S. Kherris 1*, M. Makhlouf 1 et A. Asnoun 2 1 Laboratoire des Matériaux et des Systèmes
Plus en détail0,3YDQGLWVVHFXULW\ FKDOOHQJHV 0$,1²0RELOLW\IRU$OO,31HWZRUNV²0RELOH,3 (XUHVFRP:RUNVKRS %HUOLQ$SULO
0,3YDQGLWVVHFXULW\ FKDOOHQJHV 0$,1²0RELOLW\IRU$OO,31HWZRUNV²0RELOH,3 (XUHVFRP:RUNVKRS %HUOLQ$SULO COMBES Jean-Michel CHARLES Olivier jeanmichel.combes@francetelecom.com olivier.charles@francetelecom.com
Plus en détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Plus en détailhttp://mondomaine.com/dossier : seul le dossier dossier sera cherché, tous les sousdomaines
Principales fonctionnalités de l outil Le coeur du service suivre les variations de position d un mot-clé associé à une URL sur un moteur de recherche (Google - Bing - Yahoo) dans une locale (association
Plus en détailà l intelligence économique
Délégation interministérielle à l intelligence économique Délégation interministérielle à l intelligence économique Avril 2014 Kit de présentation Qu est-ce-que c est? DIESE-Lab est un logiciel évaluant
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 détail1/24. I passer d un problème exprimé en français à la réalisation d un. I expressions arithmétiques. I structures de contrôle (tests, boucles)
1/4 Objectif de ce cours /4 Objectifs de ce cours Introduction au langage C - Cours Girardot/Roelens Septembre 013 Du problème au programme I passer d un problème exprimé en français à la réalisation d
Plus en détailEtude comparative de différents motifs utilisés pour le lancé de rayon
Etude comparative de différents motifs utilisés pour le lancé de rayon Alexandre Bonhomme Université de Montréal 1 Introduction Au cours des dernières années les processeurs ont vu leurs capacités de calcul
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 détailBIG DATA et EDISCOVERY
KROLLONTRACK / ELECTRONIC DISCOVERY & COMPUTER FORENSICS BIG DATA et EDISCOVERY - Etude de cas : le traitement des masses de données de l entreprise dans un contexte économique et judiciaire - Case study:
Plus en détailIntroduction à la relativité générale
Introduction à la relativité générale Bartolomé Coll Systèmes de référence relativistes SYRTE - CNRS Observatoire de Paris Introduction à la Relativité Générale Préliminaires Caractère théorique (formation)
Plus en détailMAIDESC - KO 21 Novembre 2013 Etienne Wey Alexandre Boilley
MAIDESC - KO 21 Novembre 2013 Etienne Wey Alexandre Boilley S.A. créée en 1984 à Sophia Antipolis avec ARMINES comme actionnaire principal Activité majeure centrée autour des logiciels de simulation de
Plus en détailAxe " Génie des Procédés", centre SPIN, Ecole des Mines de Saint-Etienne ECOLE DES MINES SAINT-ETIENNE ANALYSE D IMAGE
ANALYSE D IMAGE 1. PRESENTATION DE L ANALYSE D IMAGE. 4 1.1. OJECTIF ET BUT DE L ANALYSE D IMAGE 4 1.2. PRINCIPE 4 1.2.1. FORMATION DE L IMAGE NUMERIQUE 4 1.2.2. TRANSFORMATION DE L IMAGE NUMERIQUE EN
Plus en détailDéfinition et diffusion de signatures sémantiques dans les systèmes pair-à-pair
Définition et diffusion de signatures sémantiques dans les systèmes pair-à-pair Raja Chiky, Bruno Defude, Georges Hébrail GET-ENST Paris Laboratoire LTCI - UMR 5141 CNRS Département Informatique et Réseaux
Plus en détailCOPY. Picture Style Editor Ver. 1.4 MODE D EMPLOI. Logiciel de création de fichiers de style d image. Contenu de ce mode d emploi
Logiciel de création de fichiers de style d image Picture Style Editor Ver..4 MODE D EMPLOI Contenu de ce mode d emploi Picture Style Editor est abrégé en PSE. Dans ce mode d emploi, les fenêtres utilisées
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 détailLes services de la PLM Mathrice. Et quelques outils de web-conférence
Les services de la PLM Mathrice Et quelques outils de web-conférence Richard Ferrere - Florent Langrognet - Romain Pacé Avril 2011 RF, FL, RP PLM () et outils de web conférence Avril 2011 1 / 21 PLAN 1
Plus en détailTD Introduction aux SIG avec ArcGis 9
3 année ingénieur Agroparistech DA 2009/10 TD Introduction aux SIG avec ArcGis 9 TD n 6 : Initiation à l analyse en mode RASTER ave c Spatial Analyst Jean-marc Gilliot 2009-2010 jean-marc.gilliot@agroparistech.fr
Plus en détailProgrammation Linéaire - Cours 1
Programmation Linéaire - Cours 1 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Ouvrages de référence V. Chvátal - Linear Programming, W.H.Freeman, New York, 1983.
Plus en détailFranck VAUTIER, Jean-Pierre TOUMAZET, Erwan ROUSSEL, Marlène FAURE, Mohamed ABADI, Marta FLOREZ, Bertrand DOUSTEYSSIER
Utilisation d images dérivées d un jeu de données LIDAR pour la détection automatisée de vestiges archéologiques (programme de recherche méthodologique LiDARCHEO) Franck VAUTIER, Jean-Pierre TOUMAZET,
Plus en détail