PLAN Analyse d images Morphologie et Segmentation
|
|
- Eveline Christine Pothier
- il y a 8 ans
- Total affichages :
Transcription
1 PLAN Analyse d images et Segmentation L.Chen, J.Y.Auloge. INTRODUCTION. DEFINITIONS 3. VISION HUMAINE ET SYSTEMES DE COULEURS 4. ECHANTILLONNAGE ET QUANTIFICATION. TRANSFORMATIONS D IMAGES 6. AMELIORATION D IMAGES 7. ANALYSE D IMAGES MOPHOLOGIE - SEGMENTATION Dilatation, érosion, ouverture, fermeture, opérateur «tout-ou-rien» Algorithmes morphologiques Limites, amincissement, épaississement Extension aux niveaux de gris Segmentation des images Détection des points, lignes et arrêtes Gradient, Laplacien, transformé de Hough :Révision Révision Ensemble (set) : { } ex: B = {ω ω } Théorie des ensembles a A est un élément de a A n est pas un élément de A B est un sous-ensemble de est l ensemble vide
2 :Révision Théorie des ensembles Union,intersection,complément,différence :Révision Théorie des ensembles Définitions utiles en morphologie Ensembles disjoints ou mutuellement exclusifs A B = Complément d un ensemble A C ={ω ω A} Différence entre deux ensembles A - B = {ω ω A, ω B} = A B C :Révision Théorie des ensembles Définitions utiles en morphologie La réflexion d un ensemble ^ B = {ω ω = -b, pour b B} La translation d un ensemble (A) z = {ω ω = a + z, pour a A} où z=(z, z ) (Opérations sur les coordonnées des éléments) :Révision Translation et réflexion Théorie des ensembles
3 Opérations logiques Généralisation -> images binaires Opérateurs : ET, OU, NON (PAS) Opérations logiques Généralisation -> images binaires Opérateurs : ET, OU, NON (PAS) :Révision p q p ET q Opérations pixel par pixel p OU q PAS p :Révision :Révision Opérations logiques Généralisation -> images binaires Opérateurs : OU exclusif, [NON A] ET B Dilatation et érosion Ouverture et fermeture Opérateur «tout-ou-rien»
4 Dilatation ^ A B = { z (B) z A } On obtient la réflexion de B, et on déplace le résultat d une distance z (translation) A B est l ensemble de tous les déplacements z tel que B ^ et A ont au moins un élément commun Dilatation L ensemble B est défini comme l élément structurant Donc on «flip» B par rapport à son origine, et on le déplace sur l image A Peut être considérée comme une convolution! Dilatation Dilatation
5 Application: création de ponts Érosion A B = { z (B) z A } Cette fois, les limites de l opérateur sont contraintes à l intérieur de A (sous-ensemble) Érosion Érosion
6 Application: élimination de détails Exemples d éléments structurants Exemples d éléments structurants Dilatation Exemples d éléments structurants Érosion B A A B B A A B
7 Dilatation et érosion La dilatation «étend» les objets, et l érosion les «contracte» Ouverture et fermeture Sont des combinaisons de la dilatation et de l érosion et «adoucissent» les contours des objets L ouverture permet de supprimer de petites régions, de lisser des contours ou de détacher des objets faiblement liés La fermeture permet de supprimer de petits trous ou de refermer des contours Ouverture A B = ( A B) B Érosion de A par B suivie d une dilatation par B Ouverture
8 Fermeture A B = ( A B) B Dilatation de A par B suivie d une érosion par B Fermeture Ouverture et fermeture Ouverture et fermeture: exemple Filtrage de bruit sans perte de détail!
9 Érosion Ouverture et fermeture: exemple Filtrage de bruit sans perte de détail! Dilatation Érosion, dilatation = ouverture Dilatation, érosion = fermeture Opérateur «tout-ou-rien» (Hit-or-miss) Outil rudimentaire pour la détection de formes simples Utilise un élément structurant composé B est composé de B et B B est la forme recherchée B est un espace autour de B Opérateur «tout-ou-rien» (Hit-or-miss) B est la forme recherchée ex: B = X B est un espace autour de B ex: B = W-X
10 B est utilisé sur l ensemble A B est utilisé sur le complément de l ensemble A (i.e. A C ) Érosion: (A B ) Érosion: (A C B ) Opérateur «tout-ou-rien» (Hit-or-miss) La solution est l intersection des deux érosions! A?❷ B = (A B ) (A C B )
11 A?❷ B = (A B ) (A C B ) Algorithmes morphologiques Extraction des limites (boundary) Amincissement Épaississement Algorithmes morphologiques Extraction des limites (boundary) Limites de A => b (A) = A (A B) L ensemble A moins l érosion de A par B Algorithmes morphologiques Extraction des limites (boundary) Élément de 3X3
12 Algorithmes morphologiques Extraction des limites (boundary) Élément de X Élément de 9X9 Algorithmes morphologiques Amincissement A B = A (A?❷ B) A B = A (A?❷ B) C L ensemble moins le résultat de l opérateur tout-ou-rien L intersection de l ensemble et du complément de l opération tout-ou-rien L élément structurant B est défini comme une séquence d éléments {B} = {B, B, B 3, B N } Algorithmes morphologiques Amincissement Les éléments structurants sont formulés sur une rotation de l élément précédent: Algorithmes morphologiques Amincissement Il s'agit donc d appliquer chaque élément structurant successivement, et de répéter l opération jusqu à stabilité A {B} = ( (A B ) B ) B 3 ) ) B N )
13 Algorithmes morphologiques Amincissement Problème?? Algorithmes morphologiques Épaississement A B = A (A?❷ B) L union de l ensemble et de l opération tout-ou-rien A {B} = ( (A B ) B ) B 3 ) ) B N ) Les éléments structurants sont les même avec les s et les s inversés Algorithmes morphologiques Épaississement En pratique, pour épaissir A, on aminci le complément de A A B = (A C B) C Segmentation des images A C B (A C B) C Points orphelins éliminés
14 Introduction Objectifs La segmentation vise à sous-diviser l image en constituants distincts objets Le pré-traitement des images, la sélection de capteurs et sources d énergie appropriées, et la prise contrôlée des images rendent cette étape plus facile et plus efficace. Introduction Principe La segmentation est normalement basée sur: les discontinuités les arrêtes, les changements abruptes, les similitudes (zones homogènes) couleurs, textures, intensités, Détection des discontinuités Détection des discontinuités Procédé de convolution Nous cherchons à localiser les discontinuités tel les points, les lignes et les arrêtes L approche privilégiée est l application de masques par le procédé de convolution Masques de 3 X 3 sont populaires w w 4 w 7 w w w 8 W 3 w 6 w 9 Convolution
15 Convolution Détection des discontinuités Généralement pour un masque de mxn La réponse R au filtre est simplifié par: R = WZ + WZ + W3Z WmnZ R = mn i= Wi Zi R = 9 i = Wi Zi mn W i = coefficient de masque Z i = valeur du pixel à la position i Détection de points Principe On applique un masque avec une forte réponse au centre On compare la résultat (R) à une limite préétablie (T) Le pixel est un point si: R T Fonctionne pour les points isolés Laplacien Segmentation des images Détection de points : Laplacien Segmentation des images Détection de points : R T T = 9% maximum
16 Détection de lignes Détection de lignes Principe On peut appliquer un masque avec une réponse accentuée sur une des orientations recherchées Exemple avec Masque 4 R T T = maximum Détection de lignes Exemple avec un Masque 4 Détection d arêtes T = maximum
17 Origines d arête Principe Détection d'arêtes : exemples de profondeur d orientation de surface de réflectance Détection d'arêtes Arêtes = ensemble de pixels connectés Détection à l'aide de dérivés de premier et second ordre d illumination Arêtes idéales et arêtes rampes Détection d arêtes par dérivées
18 Arêtes par Passage à zéro Détection d arêtes et bruit? Foncé Passage à zéro Pale (zero crossing) Détection d arêtes et bruit? Détection d arêtes et bruit Solutions Lissage des images! (smooth & blur) Filtre moyennant, médian, Une image "floue" peut être une solution au problème de bruit! Dimension du masque
19 Détection d'arêtes et bruit? Dimension du masque Un masque plus grand permet de réduire le bruit Une augmentation de la dimension dans le sens perpendiculaire à l arête recherchée rendra les arêtes plus floues Une augmentation de la dimension dans le sens parallèle rend le masque moins sensible aux arêtes obliques. Détection d arêtes La détection des arêtes est donc simplement la segmentation du résultat de la première dérivé (selon un seuil défini) La détection des arêtes peut aussi être le résultat des passages à zéro de la deuxième dérivé Détection d arêtes par le Gradient Détection d arêtes par le Gradient L opérateur gradient f = G x x F = G y f y f = mag( F) [ Gx Gy ] = + / / = f + f x y
20 Détection d arêtes par le Gradient Dérivé d un signal D discret L'amplitude (magnitude) = importance! f G + G x La direction du gradient Une arrête est perpendiculaire à la direction du gradient y α ( x, y) = tan Gy G x Roberts, Prewitt, Sobel Opérateurs gradient Opérateurs Prewitt et Sobel Modifications pour diagonales G y G x
21 Exemple de détection d arêtes par le Gradient Exemple de détection d arêtes par le Gradient Détection d arrêtes par le Gradient Détection d arêtes par l opérateur Sobel Importance du pré-traitement (lissage)
22 Détection d arêtes orientées Les opérateurs Compass Opérateurs à arêtes orientées On utilise 8 masques orientés (Compass masks) L amplitude de l arête est la valeur maximale trouvée en appliquant chacun de masques L orientation est un multiple de 4 qui dépend du masque qui produit le maximum Opérateurs à arêtes orientées Masques de Kirsch Les opérateurs Compass Détection d arêtes par le Laplacien Opérateurs à arêtes orientées Masques de Robinson Opérateur Laplacien f f = + x Isotropique à 9 et 4 f y
23 Détection d arêtes par le Laplacien Les fonctions gaussiennes Problèmes Très sensible au bruit Double réponse aux lignes et arêtes Solution Associer le Laplacien à un filtre de lissage Le Laplacien du Gaussien! (LoG) r σ h( r) = 4 σ e r σ Détection d'arrêtes : Le LoG Opérateur le LoG Segmentation des images Détection d'arrêtes : Le LoG Sobel Seuillage Passages à zéro LoG
24 Segmentation des images Choix du seuil (Threshold) Après l application d un opérateur de détection d arêtes, on doit choisir un seuil pour séparer les arêtes du restant de l image.
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 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 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 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 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 détailDétection des points d intérêt et Segmentation des images RGB-D. Présentée par : Bilal Tawbe. Semaine de la recherche de l UQO
Détection des points d intérêt et Segmentation des images RGB-D Présentée par : Bilal Tawbe Semaine de la recherche de l UQO 25 Mars 2015 1. Introduction Les méthodes de détection de points d intérêt ont
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 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 détailRIE LE RENDU THEO. 2 e trim ÉTAPE DE FINITION BOÎTE DE DIALOGUE. remarques
THEO RIE LE RENDU 2 e trim JANVIER 2008 remarques ÉTAPE DE FINITION Le rendu est la partie finale de notre création, à ce moment on décide que notre 3D est finie et l on en réalise une image 2D Cette image
Plus en 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 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 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 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 détailProgramme de formation Photoshop : Initiation 24 heures de formation (3 jours) 1/2
Programme de formation Photoshop : Initiation 24 heures de formation (3 jours) 1/2 Graphistes, photographes, webmasters, ou toute autre personne en charge de la création de visuels pour le web ou le print.
Plus en détailTP : Gestion d une image au format PGM
TP : Gestion d une image au format PGM Objectif : L objectif du sujet est de créer une classe de manipulation d images au format PGM (Portable GreyMap), et de programmer des opérations relativement simples
Plus en détailExtraction et reconstruction de bâtiments en 3D à partir de relevés lidar aéroportés
Thèse présentée pour obtenir le grade de Docteur de l Université Louis Pasteur Strasbourg I Discipline : Sciences pour l Ingénieur Spécialité : Topographie-Géomatique Par : Fayez TARSHA KURDI Extraction
Plus en 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 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 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 détailJ AUVRAY Systèmes Electroniques TRANSMISSION DES SIGNAUX NUMERIQUES : SIGNAUX EN BANDE DE BASE
RANSMISSION DES SIGNAUX NUMERIQUES : SIGNAUX EN BANDE DE BASE Un message numérique est une suite de nombres que l on considérera dans un premier temps comme indépendants.ils sont codés le plus souvent
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 détailOpérations de base sur ImageJ
Opérations de base sur ImageJ TPs d hydrodynamique de l ESPCI, J. Bico, M. Reyssat, M. Fermigier ImageJ est un logiciel libre, qui fonctionne aussi bien sous plate-forme Windows, Mac ou Linux. Initialement
Plus en 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 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 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 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 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 détailIntelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com
Intelligence Artificielle et Systèmes Multi-Agents Badr Benmammar bbm@badr-benmammar.com Plan La première partie : L intelligence artificielle (IA) Définition de l intelligence artificielle (IA) Domaines
Plus en détailF210. Automate de vision hautes fonctionnalités. Caractèristiques. Algorithmes vectoriels
Automate de vision hautes fonctionnalités Caractèristiques Algorithmes vectoriels Les algorithmes permettent de sélectionner les éléments de traitement requis dans la bibliothèque, puis les combinent et
Plus en détailMéthodes d ondelettes pour la segmentation d images. Applications à l imagerie médicale et au tatouage d images
INSTITUT NATIONAL POLYTECHNIQUE DE GRENOBLE THESE pour obtenir le grade de DOCTEUR DE L INPG Spécialité : Mathématiques Appliquées préparée au Laboratoire de Modélisation et Calcul (LMC / IMAG) dans le
Plus en détailDétection et suivi d'objets dans une séquence d'images par contours actifs
Détection et suivi d'objets dans une séquence d'images par contours actifs A. Fekir (1), N. Benamrane (2) et A. Taleb-Ahmed (3) (1) Département d informatique, Université de Mustapha Stambouli, BP 763,
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 détailLA PHYSIQUE DES MATERIAUX. Chapitre 1 LES RESEAUX DIRECT ET RECIPROQUE
LA PHYSIQUE DES MATERIAUX Chapitre 1 LES RESEAUX DIRECT ET RECIPROQUE Pr. A. Belayachi Université Mohammed V Agdal Faculté des Sciences Rabat Département de Physique - L.P.M belayach@fsr.ac.ma 1 1.Le réseau
Plus en 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 détailLABO 5 ET 6 TRAITEMENT DE SIGNAL SOUS SIMULINK
LABO 5 ET 6 TRAITEMENT DE SIGNAL SOUS SIMULINK 5.1 Introduction Simulink est l'extension graphique de MATLAB permettant, d une part de représenter les fonctions mathématiques et les systèmes sous forme
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 détailNON-LINEARITE ET RESEAUX NEURONAUX
NON-LINEARITE ET RESEAUX NEURONAUX Vêlayoudom MARIMOUTOU Laboratoire d Analyse et de Recherche Economiques Université de Bordeaux IV Avenue. Leon Duguit, 33608 PESSAC, France tel. 05 56 84 85 77 e-mail
Plus en détailChapitre 2 : communications numériques.
Chapitre 2 : communications numériques. 1) généralités sur les communications numériques. A) production d'un signal numérique : transformation d'un signal analogique en une suite d'éléments binaires notés
Plus en détailData Mining. Vincent Augusto 2012-2013. École Nationale Supérieure des Mines de Saint-Étienne. Data Mining. V. Augusto.
des des Data Mining Vincent Augusto École Nationale Supérieure des Mines de Saint-Étienne 2012-2013 1/65 des des 1 2 des des 3 4 Post-traitement 5 représentation : 6 2/65 des des Définition générale Le
Plus en détailInformation. BASES LITTERAIRES Etre capable de répondre à une question du type «la valeur trouvée respecte t-elle le cahier des charges?
Compétences générales Avoir des piles neuves, ou récentes dans sa machine à calculer. Etre capable de retrouver instantanément une info dans sa machine. Prendre une bouteille d eau. Prendre CNI + convocation.
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 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 détailFête de la science Initiation au traitement des images
Fête de la science Initiation au traitement des images Détection automatique de plaques minéralogiques à partir d'un téléphone portable et atelier propose de créer un programme informatique pour un téléphone
Plus en détailFUSION DE CARTES DE PROFONDEURS EN PHOTOGRAMMETRIE ARCHITECTURALE
Rapport de Projet Pluridisciplinaire Mastère spécialisé Photogrammétrie, positionnement et mesures de déformations (PPMD) FUSION DE CARTES DE PROFONDEURS EN PHOTOGRAMMETRIE ARCHITECTURALE GARDON Elzbieta
Plus en détailTechnique de codage des formes d'ondes
Technique de codage des formes d'ondes Contenu Introduction Conditions préalables Conditions requises Composants utilisés Conventions Modulation par impulsions et codage Filtrage Échantillon Numérisez
Plus en détailSudoClick Reconnaissance de grilles de sudoku pour téléphones portables
SudoClick Reconnaissance de grilles de sudoku pour téléphones portables Patrick Anagnostaras 1 24 mai 2008 Department of Informatics - Master Project Report Département d Informatique - Departement für
Plus en détailCorrection : E = Soit E = -1,6. F = 12 Soit F = -6 3 + 45. y = 11. et G = -2z + 4y G = 2 6 = 3 G = G = -2 5 + 4 11
Correction : EXERCICE : Calculer en indiquant les étapes: (-6 +9) ( ) ( ) B = -4 (-) (-8) B = - 8 (+ 6) B = - 8 6 B = - 44 EXERCICE : La visite médicale Calcul de la part des élèves rencontrés lundi et
Plus en détailÉtoiles doubles par Interférométrie des tavelures au T60 du pic du midi
Étoiles doubles par Rappels historiques Analyse Harmonique : la transformée de Fourier FOURIER, Jean Baptiste Joseph (21 Mars 1768, Auxerre, France - 16 Mai 1830, Paris, France) Expérience des trous d
Plus en détailVision par ordinateur : outils fondamentaux. Radu HORAUD et Olivier MONGA. Deuxieme edition. Editions Hermes
Vision par ordinateur : outils fondamentaux Radu HORAUD et Olivier MONGA Deuxieme edition Editions Hermes Vision par ordinateur : outils fondamentaux Radu HORAUD, CNRS et Olivier MONGA, INRIA Deuxieme
Plus en détailAmélioration des sélections
Amélioration des sélections Introduction historique Faire une bonne sélection d un objet avec un contour compliqué a toujours été un défi. Un problème typique est de changer le fond derrière un visage
Plus en détailT u t o r i e l s PhotoFiltre
T u t o r i e l s PhotoFiltre mis à jour le 24/08/2004 à 02h39 Cette section est destinée à vous proposer des tutoriels pour mes utilitaires PhotoFiltre et PhotoMasque. Elle va s'enrichir progressivement
Plus en détailIMAGES NUMÉRIQUES MATRICIELLES EN SCILAB
IMAGES NUMÉRIQUES MATRICIELLES EN SCILAB Ce document, écrit par des animateurs de l IREM de Besançon, a pour objectif de présenter quelques unes des fonctions du logiciel Scilab, celles qui sont spécifiques
Plus en détailPlan du cours : électricité 1
Semestre : S2 Module Physique II 1 Electricité 1 2 Optique géométrique Plan du cours : électricité 1 Partie A : Electrostatique (discipline de l étude des phénomènes liés aux distributions de charges stationnaires)
Plus en détailReconstruction de bâtiments en 3D à partir de nuages de points LIDAR
Reconstruction de bâtiments en 3D à partir de nuages de points LIDAR Mickaël Bergem 25 juin 2014 Maillages et applications 1 Table des matières Introduction 3 1 La modélisation numérique de milieux urbains
Plus en 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 détailCompression et Transmission des Signaux. Samson LASAULCE Laboratoire des Signaux et Systèmes, Gif/Yvette
Compression et Transmission des Signaux Samson LASAULCE Laboratoire des Signaux et Systèmes, Gif/Yvette 1 De Shannon à Mac Donalds Mac Donalds 1955 Claude Elwood Shannon 1916 2001 Monsieur X 1951 2 Où
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 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 détailTP: Représentation des signaux binaires. 1 Simulation d un message binaire - Codage en ligne
Objectifs : Ce TP est relatif aux différentes méthodes de codage d une information binaire, et à la transmission en bande de base de cette information. Les grandes lignes de ce TP sont l étude des méthodes
Plus en détailPREPROCESSING PAR LISSAGE LOESS POUR ACP LISSEE
PREPROCESSING PAR LISSAGE LOESS POUR ACP LISSEE Jean-Paul Valois, Claude Mouret & Nicolas Pariset Total, 64018 Pau Cédex MOTS CLEFS : Analyse spatiale, ACP, Lissage, Loess PROBLEMATIQUE En analyse multivariée,
Plus en détailN. Paparoditis, Laboratoire MATIS
N. Paparoditis, Laboratoire MATIS Contexte: Diffusion de données et services locaux STEREOPOLIS II Un véhicule de numérisation mobile terrestre Lasers Caméras Système de navigation/positionnement STEREOPOLIS
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 détailSIGNAUX NUMERIQUES ET MODULATIONS NUMERIQUES
SIGNAUX NUMERIQUES ET MODULATIONS NUMERIQUES ----------------------------------------------------------------------------------------------------------------- LES SIGNAUX NUMERIQUES Un signal numérique
Plus en détailCodage hiérarchique et multirésolution (JPEG 2000) Codage Vidéo. Représentation de la couleur. Codage canal et codes correcteurs d erreur
Codage hiérarchique et multirésolution (JPEG 000) Codage Vidéo Représentation de la couleur Codage canal et codes correcteurs d erreur Format vectoriel (SVG - Scalable Vector Graphics) Organisation de
Plus en détailReconnaissance de visages 2.5D par fusion des indices de texture et de profondeur ICI 12/12/12
Reconnaissance de visages 2.5D par fusion des indices de texture et de profondeur ICI 12/12/12 2 Discrimination Invariance Expressions faciales Age Pose Eclairage 11/12/2012 3 Personne Inconnue Identité
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 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 détailChapitre 22 : (Cours) Numérisation, transmission, et stockage de l information
Chapitre 22 : (Cours) Numérisation, transmission, et stockage de l information I. Nature du signal I.1. Définition Un signal est la représentation physique d une information (température, pression, absorbance,
Plus en détailMEMOIRE DE MAGISTER. Conception de métaheuristiques d optimisation pour la segmentation des images de télédétection
MINISTERE DE L ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE UNIVERSITE MOULOUD MAMMERI, TIZI-OUZOU FACULTE DE GENIE ELECTRIQUE ET DE L INFORMATIQUE DEPARTEMENT D ELECTRONIQUE MEMOIRE DE MAGISTER
Plus en 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 détail30 ans de démosaïçage - 30 years of demosaicing
30 ans de démosaïçage - 30 years of demosaicing David Alleysson Mots clefs : caméras numériques couleur mono circuit, interpolation, Keywords : single-chip digital cameras, interpolation 14 février 2005
Plus en détailChapitre 18 : Transmettre et stocker de l information
Chapitre 18 : Transmettre et stocker de l information Connaissances et compétences : - Identifier les éléments d une chaîne de transmission d informations. - Recueillir et exploiter des informations concernant
Plus en détailITAS Escaliers industriels et plate-formes de travail
ITAS Escaliers industriels et plate-formes de travail Plate-forme de travail avec escalier sur rotative offset. Les constructions ITAS facilitent le montage des balustrades simples ou des escaliers et
Plus en détailLa conversion de données : Convertisseur Analogique Numérique (CAN) Convertisseur Numérique Analogique (CNA)
La conversion de données : Convertisseur Analogique Numérique (CAN) Convertisseur Numérique Analogique (CNA) I. L'intérêt de la conversion de données, problèmes et définitions associés. I.1. Définitions:
Plus en détailDeux disques dans un carré
Deux disques dans un carré Table des matières 1 Fiche résumé 2 2 Fiche élève Seconde - version 1 3 2.1 Le problème............................................... 3 2.2 Construction de la figure avec geogebra...............................
Plus en détailSystème binaire. Algèbre booléenne
Algèbre booléenne Système binaire Système digital qui emploie des signaux à deux valeurs uniques En général, les digits employés sont 0 et 1, qu'on appelle bits (binary digits) Avantages: on peut utiliser
Plus en détailFigure 3.1- Lancement du Gambit
3.1. Introduction Le logiciel Gambit est un mailleur 2D/3D; pré-processeur qui permet de mailler des domaines de géométrie d un problème de CFD (Computational Fluid Dynamics).Il génère des fichiers*.msh
Plus en détailProgramme scientifique Majeure INTELLIGENCE NUMERIQUE. Mentions Image et Réalité Virtuelle Intelligence Artificielle et Robotique
É C O L E D I N G É N I E U R D E S T E C H N O L O G I E S D E L I N F O R M A T I O N E T D E L A C O M M U N I C A T I O N Programme scientifique Majeure INTELLIGENCE NUMERIQUE Langage Java Mentions
Plus en détailTerminologie et définitions
IV.70 OUVERTURES EXTÉRIEURES IV.701.1 IV.701 TERMINOLOGIE ET DÉFINITIONS RELATIVES AUX FENÊTRES ET PORTES EXTÉRIEURES IV.701.1 Terminologie et définitions extrémités inférieure et supérieure de la porte
Plus en détailHistorique. Architecture. Contribution. Conclusion. Définitions et buts La veille stratégique Le multidimensionnel Les classifications
L intelligence économique outil stratégique pour l entreprise Professeur Bernard DOUSSET dousset@irit.fr http://atlas.irit.fr Institut de Recherche en Informatique de Toulouse (IRIT) Equipe Systèmes d
Plus en détailGroupe Eyrolles, 2006, ISBN : 2-212-11959-3
Groupe Eyrolles, 2006, ISBN : 2-212-11959-3 annexe B Piano Corner, (c) 2005 par Zsolt Stefan : http://deeppixel.uw.hu/gallery.html YafRay, le moteur de rendu photoréaliste Dès sa création, par une équipe
Plus en détailAutoCAD 2009. Petit exercice sous
AutoCAD 2009 Exercices sur l extraction de données Exercice 1 : QUANTIFIEZ LE MOBILIER Etape 1 : Nouvelle extraction de données Etape 2 : Pour le dessin courant Etape 3 : Choisissez les objets Etape 4
Plus en détailRégularisation d Images Multivaluées par EDP : Un Formalisme Commun pour Différentes Applications
Régularisation d Images Multivaluées par EDP : Un Formalisme Commun pour Différentes Applications David Tschumperlé 1 et Rachid Deriche 2 1 INRIA Sophia-Antipolis, Laboratoire Odyssée, BP 93, 2004 Route
Plus en détailProjet audio. Analyse des Signaux ELE2700
ÉCOLE POLYTECHNIQUE DE MONTRÉAL Département de Génie Électrique Projet audio Analyse des Signaux ELE2700 Saad Chidami - 2014 Table des matières Objectif du laboratoire... 4 Caractérisation du bruit...
Plus en détailStatistiques Descriptives à une dimension
I. Introduction et Définitions 1. Introduction La statistique est une science qui a pour objectif de recueillir et de traiter les informations, souvent en très grand nombre. Elle regroupe l ensemble des
Plus en détailPR OC E D U RE S D E B A S E
Photofiltre Préparé par Philipe Lampron, auxiliaire du cours FPE 7650 en 2004-2005. *** Pour optimiser une image : enregistrer sous et augmenter la compression PR OC E D U RE S D E B A S E PhotoFiltre
Plus en détailLIDAR LAUSANNE 2012. Nouvelles données altimétriques sur l agglomération lausannoise par technologie laser aéroporté et ses produits dérivés
LIDAR LAUSANNE 2012 Nouvelles données altimétriques sur l agglomération lausannoise par technologie laser aéroporté et ses produits dérivés LIDAR 2012, nouveaux modèles altimétriques 1 Affaire 94022 /
Plus en 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 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 détailChapitre III. Analyse de données
Chapitre III Analyse de données Damir Buskulic, LAPP/Université de Savoie Ecole de Physique Théorique de Jijel, Septembre 2009 Généralités Outils de base Outils et notions d analyse du signal Rapport signal
Plus en détailExemple d application en CFD : Coefficient de traînée d un cylindre
Exemple d application en CFD : Coefficient de traînée d un cylindre 1 Démarche générale Avec Gambit Création d une géométrie Maillage Définition des conditions aux limites Avec Fluent 3D Choix des équations
Plus en détailOscillations libres des systèmes à deux degrés de liberté
Chapitre 4 Oscillations libres des systèmes à deux degrés de liberté 4.1 Introduction Les systèmes qui nécessitent deux coordonnées indépendantes pour spécifier leurs positions sont appelés systèmes à
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, 91192 Gif-sur-Yvette ciuciu@lss.supelec.fr Université
Plus en détailObjectifs. Clustering. Principe. Applications. Applications. Cartes de crédits. Remarques. Biologie, Génomique
Objectifs Clustering On ne sait pas ce qu on veut trouver : on laisse l algorithme nous proposer un modèle. On pense qu il existe des similarités entre les exemples. Qui se ressemble s assemble p. /55
Plus en 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 détailTechnique de compression des images médicales 4D
Technique de compression des images médicales 4D Leila Belhadef 1 et Zoulikha Mekkakia 1 1 Département d Informatique, USTO-MB, BP 1505 El Mnaouer, Oran, Algérie l.belhadef@gmail.com, mekkakia@univ-usto.dz
Plus en détailQu est-ce qu une probabilité?
Chapitre 1 Qu est-ce qu une probabilité? 1 Modéliser une expérience dont on ne peut prédire le résultat 1.1 Ensemble fondamental d une expérience aléatoire Une expérience aléatoire est une expérience dont
Plus en détailNumérisation du signal
Chapitre 12 Sciences Physiques - BTS Numérisation du signal 1 Analogique - Numérique. 1.1 Définitions. Signal analogique : un signal analogique s a (t)est un signal continu dont la valeur varie en fonction
Plus en détailSLAM Visuel 3D pour robot mobile autonome
Master de Sciences Mention «Imagerie, Robotique et Ingénierie pour le Vivant» - Projet de Fin D étude - SLAM Visuel 3D pour robot mobile autonome Romain Drouilly Encadrants ECA Benoit Morisset Pierrick
Plus en détail