Aperçugénéral des principales méthodes d Extraction d informations thématiques à partir des images satellites

Dimension: px
Commencer à balayer dès la page:

Download "Aperçugénéral des principales méthodes d Extraction d informations thématiques à partir des images satellites"

Transcription

1 Projet GIZ-CRTS Formation en Télédétection spatiale et SIG CRTS, janvier 2016 Aperçugénéral des principales méthodes d Extraction d informations thématiques à partir des images satellites Abderrahman ATILLAH Adresse: Secteur 21, Angle Av. Allal El Fassi et Av. Assanawbar, Secteur 21, Hay Riad, RABAT Tèl: /98 Fax: atillah@crts;gov.ma Traitement d image? Réponse à un Problème particulier Choix d une technique de traitement?? Thème? Période Type de données satellites Résolution/Echelle Disponibilités données terrain 1

2 Amélioration visuelle Traitement d image : Réponse à un Problème particulier Définition du thème d intérêt Résultat non satisfaisant Choix des outils de traitement Traitement Visualisation du résultat Résultat satisfaisant Carte thématique d aide à la décision Intégration dans une BD SIG Pré traitements numériques des images : -Corrections géométriques qui permettent -de superposer les images multidates -de faire les mosaïquages spatiaux -d ccquérir un référenciel cartogrpahique: géoréférencement -Corrections radiométriques -Calibration des valeurs radiométriques des canaux et Standardisation des images dans le temps -Passage des valeurs radiométriques aux valeurs géophysiques -Corrections atmosphériques -Elimination les effets perturbateurs de l atmosphère 2

3 Prétraitements numériques des images Amélioration visuelle des images : -Rehaussement des contrastes spectraux de l image : -Aide à la définition etàla distinction des objets - Travail sur l histogramme des canaux -Filtrage spatial des pixels -Elimination des artefacts et des bruits (Filtre passe bas ) -Homogénéisation des structures et régions (Filtre passe bas.) -Détermination des structures Fines ( Filtre passe haut ) -Travail sur le voisinage des pixels Amélioration visuelle des images 3

4 Traitement numérique des images (Principales Méthode d extraction de l information) 1. Techniques semi automatiques : méthode de la photo interprétation 2. Techniques automatiques : Transformations des images (Combinaisons multi bandes) création des néo canaux par combinaison multibandes: - combinaisons de canaux, - Analyse statistique. Classification des images. - classification non supervisée, - classification supervisée. Photo-interprétation visuelle de l image La Photo-interprétation: c est l analyse visuelle d une image (par un interprète et la localisation d un(des) objet(s). Elle est basée sur des clefs d interprétation : couleur, structure, texture, ombre, forme, taille -Elleviseàproduireuneinformationrelativeàunlieuetdépendante d une thématique. - Le résultat de cette photo-interprétation est variable selon le champs thématique étudié. 4

5 Photo interpretation : Technique de Stratification - Identification des différentes structures (structure parcellaire, structure linéaire, ) -Numérisation des informations par dessus de l image - Passer du mode raster (image) au mode vecteur (couverture) Trois mode de représentation des informations vectorielles : - Polygone :surface - Ligne : structure linéaire - point : information ponctuelle -Vectorisation - Assignation des labels 9 Etablissement de la nomenclature Nomenclature sous forme d arborescence Espaces naturels et semi naturels Forêt Parcours Sable/plage Incultes Carrières Forêt dense Sable mouillé Sable sec Sol nu Roche nue Extr. sable Extr. autres matériaux Forêt claire Broussaille 1. Espaces naturels et semi naturels 2. Territoires artificialisés 3. Surfaces en eau et zones humides 4. Territoires agricoles 10 5

6 Exemple de produit d occupation du sol élaboré par photo interprétation Province d Agadir 11 Exemple de produit d occupation du sol élaboré par photo interprétation Carte de stratification au 1/ de la province de Kénitra (Maroc) Légende Zones de cultures non irriguées Zones de cultures irriguées Plantations Forêt Parcours et inculte Grandes villes Légende Petites villes Villages (douars) 6

7 Carte de stratification au 1/ de la province de Kénitra (Maroc) Légende Zones de cultures non irriguées Zones de cultures irriguées Plantations Forêt Parcours et inculte Grandes villes Légende Petites villes Villages (douars) Méthodes automatiques d extraction de l information Principales méthodes d extraction de l information thématique à partir des images satellitaires : création des néo canaux par combinaison multi bandes : - combinaisons de canaux, - Analyse statistique. Classification d images. - classification non supervisée, - classification supervisée. 7

8 Méthodes automatiques d extraction de l information Création de néo-canaux - La transformation des images est un procédé qui combine le traitement des données de plusieurs bandes spectrales pour compresser le nombre ou extraire de nouveaux canaux -Basée sur des opérations arithmétiques (addition, soustraction, multiplication, division) pour la transformation des bandes originales en de "nouvelles" images de manière à rehausser certains éléments moins évidents dans la scène originale. - l opération s effectue pixel par pixel Extraction de l information thématique contenue dans les bandes spectrales des images: ex. production de biomasse ou évolution de types d occupation du sol, déforestation, changement des cultures (soustraction entre deux images prises à des dates différentes) 15 Méthodes automatiques d extraction de l information Création de néo-canaux -La transformation des images est un procédé qui combine le traitement des données de plusieurs bandes spectrales pour compresser le nombre de ces bandes ou extraire de nouveaux canaux. -Basée sur des opérations arithmétiques (addition, soustraction, multiplication, division), cette opération transforme les bandes originales en de "nouvelles" images de manière à rehausser certains éléments moins évidents dans la scène originale. - l opération s effectue pixel par pixel -C est la création des indices 16 8

9 Calcul d indices statistiques - C est l opération la plus commune utilisée dans de nombreux domaines (géologie, écologie, agriculture,...) Il est basé sur le calcul de rapports spectraux : la division d images (le calcul de rapports entre deux bandes spectrales différentes) permet de rehausser les variations subtiles dans la réponse spectrale de différents types de surface, pour : Extraire l information thématique contenue dans les bandes spectrales des images: Ex. production de biomasse ou évolution de types d occupation du sol, déforestation, changement des cultures (soustraction entre deux images prises à des dates différentes) 17 Indice de végétation -La végétation : - réfléchit fortement dans le Proche Infra Rouge (Canal PIR) - et absorbe fortement dans le Rouge (Canal Rouge, R) -Les autres types de surface comme le sol nu et l'eau ont des réflectivités presque égales dans ces deux zones du spectre. Il est donc facile de différencier la végétation des autres types de surface en utilisant cette transformation 9

10 Avantage du NDVI : réduction de l effet de variation de l illumination du à la topographie Indice de végétation NDVI = (PIR - R) / (PIR + R), R = canal rouge, PIR : canal Proche Infrarouge Les valeurs sont comprises entre 0 et 1, 0 = sol nu (désert), près de 1 : très forte végétation, Avantage du NDVI : -Réduction de l effet de variation de l illumination du à la topographie -Meilleure taux de recouvrement et bonne estimation de la densité du couvert végétal (intensité de l activité photosynthétique) et de la biomasse (indication des rendements, détection des déficits hydriques, maladies) -Meilleure comparaison des indices pour chaque région donnée: facilité d analyse et d interprétation - Bon suivi de l évolution de la végétation et des stades phrénologiques 20 10

11 Indice de végétation (NDVI) Indice de végétation (NDVI) NDVI de la région SE de Bruxelles : TM4 (PIR) et TM3 (R) LANSAT TM: NDVI = (TM4 TM3) / (TM4 + TM3) 22 11

12 Indice de végétation Exemples d applications de combinaison de canaux pour la génération de l Indice de végétation NDVI = (PIR R) / (PIR + R) SPOT: NDVI = (XS3 XS2) / (XS3 + XS2) 23 Exemple d indice de végétation NOAA/AVHRR Avril

13 Evolution des indices de végétation dans la région de Chaouia Doukkala 3 ème décade de février 08 3 ème décade de mars 08 3 ème décade d avril 08 Autres Indices Exemples d applications de combinaison de canaux : Indices de brillance: IB = (PIR² + R²) 0,5 C est un indice qui caractérise les sols (couleur, humidité, texture, structure) NDWI : Normalised Difference Water Index NDWI : (PIR IRC) / (PIR + IRC) NDWI = R(0.S6 um)- R(1.24,um)/R(0.86 um)+ R(1.24um) Il existe d autres indices : - Indice de minéralité - Indice de couleur -Indice de verdure de la végétation - 13

14 Indice de brillance Indice de couleur 14

15 NDWI Analyse statistique : Analyse en Composante Principale (ACP) C est une analyse statistique qui permet la réduction du nombre de bandes à traiter avec la création de nouveaux canaux (néocanaux) non corrélés. 15

16 A C P -L Analyse en Composantes Principales (ACP) est une opération effectuée sur plusieurs canaux, dans le but est d améliorer la qualité des images, de supprimer les redondances d informations et de compiler les données. -L objectif est de générer des axes ou composantes principales expliquant la position des individus au sein du groupe. Le résultat prend la forme de plusieurs nouveaux canaux, présentant un intérêt explicatif décroissant. Pour les images multispectralesà plus de trois canaux, l intérêt est de pouvoir afficher l ensemble de l image. L ACP permet de réduire le nombre des canaux à 3 de façon à pouvoir les superposer. Canaux A C P Le premier canal (ACP1), le plus intéressant, présente la radiance globale de l image, améliorant considérablement les contrastes. Ce canal, d une grande richesse thématique, est une bonne représentation synthétique de l image. Le deuxième (ACP2), rend compte des principales différences spectrales entre les canaux sources. Il est en général très bien adapté à l étude de la végétation et est assez fortement corrélé avec le canal proche infrarouge et dans une moindre mesure avec l indice de végétation normalisé. Le troisième (ACP3) est généralement constitué du bruit résiduel, et ne présente que rarement de l intérêt. Les pixels aberrants ou les défauts des capteurs, qui apparaissent sur ce canal, sont ainsi absents des deux autres. 16

17 CLASSIFICATION DES IMAGES 17

18 Classification - C est le procédé qui permet le regroupement des pixels homogènes en classes. -Chaqueclasseestidentifiéeparuncodeouunecouleur. -Le regroupement se base sur les statistiques et les caractéristiques spatiales et spectrales des pixels. - La classification a pour objectif de transformer les mesures radiométriques (CN) en des classes ayant une signification thématique. Exemple Image brute Image classifiée Classification PRINCIPE Chaque pixel de l image (A) est affecté à une certaine classe ou thème (eau, forêt, maïs, ) (B) en se basant sur les caractéristiques statistiques de la valeur de l'intensité du pixel. C est la reconnaissance de regroupements spectraux. -Regroupement des ensembles de pixels similaires (dans l espace à n dimensions) en classes distinctes 36 18

19 CLASSIFICATION DES IMAGES Processus de classification : Notion de classes : Classes spectrales: classes discriminées grâce à l information contenue dans les images Classes thématiques: les classes que l utilisateur cherche à séparer Le processus de classification est composé des étapes suivantes: 1. Choixdescanauxàutiliser 2- Identification et Etablissement des classes thématiques et des classes de signatures spectrales correspondantes(apprentissage spectrale) 3. Découpage de l espace spectral ou choix des distances(fixation des limites : mesurer les distances des signatures) a) distances circulaires (euclidienne, ) b) distances elliptiques (par blocs, quadratiques, par corrélation, ) c) distances coniques. 37 CLASSIFICATION DES IMAGES 4- Classification de chacun des pixels en fonction de sa signature spectrale /classes spectrale donnée: - Identification et Classement des pixels en fonction de leur valeurs numériques (leurs signatures spectrales) : identification de groupes homogènes de pixels (dans un espace à N dimensions) et regroupement en classes 5- Vérification des résultats : évaluation et amélioration N.B. - La classification est faite sur des données multi spectrales : elle utilise l'information spectrale contenue dans les valeurs d'une ou plusieurs bandes spectrales pour classifier chaque pixel individuellement Deux approches Connaissance a priori sur les signatures des classes Pas de connaissance a priori sur les signatures des classes Classification supervisée Classification non supervisée 38 19

20 Classification non dirigée : automatique - Pas d information a priori sur le terrain (pas d échantillons) -Aucune information sur les signatures spectrales n est communiquée à l ordinateur -Elle utilise généralement un algorithme de classification basé sur l analyse de l histogramme de l image dans les différentes longueurs d onde disponibles (analyse de la distribution de l ensemble des signatures spectrales des pixels de l image). Processus Classification non supervisée -L algorithme définit le centre des classes spectrales en fonction de leur densité de distribution -Regroupement des pixels sur la base des signatures spectrales similaires -Tous les pixels seront alloués à l une ou l autre classe en fonction de 39leur distance par rapport aux centres de classes Classification non dirigée Généralement l opérateur spécifie trois paramètres: Lenombredeclasses, L algorithme de classification, Le nombre d itérations. Validation: - accepte la classification -rejette la classification Redéfinit les paramètres Image Seuillage radiométrique des canaux de l image Interprétation des résultats: -assignation d étiquettes aux différentes classes (observations du terrain / documents exogènes). Algorithme de traitement (nuée dynamique, blocs, ) Avantage: rapide Inconvénient: basée exclusivement sur les signatures spectrales qui ne correspondent pas toujours à des catégories naturelles bien identifiées Image «classée» radiométriquement Affectation thématique 40 20

21 CLASSIFICATION SUPERVISEE Connaissance du Terrain (parcelles tests) Image Seuillage radiométrique des canaux de l image Algorithme de traitement (maximum de vraisemblance /approche probabiliste) (approche métrique) ( approche pixels purs,..) Echantillonnage Terrain/ Image Image «classée» thématiquement Validation de la classification Classification supervisée ou dirigée Classification supervisée : classification basée sur une méthode statistique, mais à philosophie déterminante 42 21

22 Classification dirigée L opérateur détient des connaissances a priori sur la nature des objets contenus dans l image. L opérateur communique ces informations à l ordinateur pour son apprentissage. L opérateur identifie des zones d entraînement sur l image: - Bien répandues sur l image, - Nombre suffisant de pixels / classe Classification supervisée L opérateur choisit un algorithme de classification: Méthode par hypercube Méthode par minimum de distance Maximum de vraisemblance 43 CLASSIFICATIONS Traitement Numérique des images Image d origine Image classifiée 44 22

LIDAR 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 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 détail

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

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 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 détail

Exemple et réflexion sur l utilisation de données satellitaires

Exemple et réflexion sur l utilisation de données satellitaires Exemple et réflexion sur l utilisation de données satellitaires Données Global Forest Change Détection des coupes rases non reboisées Importance et répartition des coupes définitives Le renouvellement

Plus en détail

Franck VAUTIER, Jean-Pierre TOUMAZET, Erwan ROUSSEL, Marlène FAURE, Mohamed ABADI, Marta FLOREZ, Bertrand DOUSTEYSSIER

Franck 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

TP SIN Traitement d image

TP 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 détail

L analyse d images regroupe plusieurs disciplines que l on classe en deux catégories :

L 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 détail

Dan Istrate. Directeur de thèse : Eric Castelli Co-Directeur : Laurent Besacier

Dan 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 détail

Traitement numérique de l'image. Raphaël Isdant - 2009

Traitement numérique de l'image. Raphaël Isdant - 2009 Traitement numérique de l'image 1/ L'IMAGE NUMÉRIQUE : COMPOSITION ET CARACTÉRISTIQUES 1.1 - Le pixel: Une image numérique est constituée d'un ensemble de points appelés pixels (abréviation de PICture

Plus en détail

Mesure agnostique de la qualité des images.

Mesure 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 détail

Traitement bas-niveau

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 détail

AMTEC RESOURCES MANAGEMENT LTD. CREATION D UNE BANQUE DE DONNEES DONNEES GEOSPATIALES NATIONALE

AMTEC RESOURCES MANAGEMENT LTD. CREATION D UNE BANQUE DE DONNEES DONNEES GEOSPATIALES NATIONALE AMTEC RESOURCES MANAGEMENT LTD. CREATION D UNE BANQUE DE DONNEES GEOSPATIALE CREATION A D UNE L ECHELLE BANQUE NATIONAL DE DONNEES GEOSPATIALES NATIONALE 1 AMTEC RESOURCES MANAGEMENT LTD. P O Box 3463

Plus en détail

Transmission d informations sur le réseau électrique

Transmission d informations sur le réseau électrique Transmission d informations sur le réseau électrique Introduction Remarques Toutes les questions en italique devront être préparées par écrit avant la séance du TP. Les préparations seront ramassées en

Plus en détail

Projet de Traitement du Signal Segmentation d images SAR

Projet 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 détail

Sillage Météo. Notion de sillage

Sillage 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 détail

LA TÉLÉDETECTION EN AGRICULTURE. par Bruno Tisseyre 1

LA TÉLÉDETECTION EN AGRICULTURE. par Bruno Tisseyre 1 1 LA TÉLÉDETECTION EN AGRICULTURE par Bruno Tisseyre 1 RÉSUMÉ Avec la médiatisation des applications développées à partir des drones, la télédétection appliquée à l'agriculture fait aujourd hui beaucoup

Plus en détail

SPOT4 (Take 5) : Sentinel-2 avec deux ans d avance

SPOT4 (Take 5) : Sentinel-2 avec deux ans d avance SPOT4 (Take 5) : Sentinel-2 avec deux ans d avance Olivier Hagolle Mercredi 6 février 2012 Sentinel-2 : révolution du suivi de la végétation par télédétection 13 bandes spectrales, résolution 10m à 20m,

Plus en détail

Déroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI

Déroulement d un projet en DATA MINING, préparation et analyse des données. Walid AYADI 1 Déroulement d un projet en DATA MINING, préparation et analyse des données Walid AYADI 2 Les étapes d un projet Choix du sujet - Définition des objectifs Inventaire des données existantes Collecte, nettoyage

Plus en détail

Christophe SANNIER christophe.sannier@sirs-fr.com

Christophe SANNIER christophe.sannier@sirs-fr.com Systèmes d Information à Référence Spatiale Utilisation d un Estimateur de Régression avec des Données Landsat pour l Estimation de l Etendu et des Changements du Couvert Forestier du Gabon de 1990 à 2010

Plus en détail

Prédiction de couverture de champ radioélectrique pour les réseaux radiomobiles : L apport du Système d Information Géographique ArcInfo 8

Prédiction de couverture de champ radioélectrique pour les réseaux radiomobiles : L apport du Système d Information Géographique ArcInfo 8 Prédiction de couverture de champ radioélectrique pour les réseaux radiomobiles : L apport du Système d Information Géographique ArcInfo 8 Christine TURCK 1 * et **, Christiane WEBER**, Dominique THOME*

Plus en détail

4. Résultats et discussion

4. Résultats et discussion 17 4. Résultats et discussion La signification statistique des gains et des pertes bruts annualisés pondérés de superficie forestière et du changement net de superficie forestière a été testée pour les

Plus en détail

Surveillance et Detection des Anomalies. Diagnostic d une digue: rappel méthodologique

Surveillance et Detection des Anomalies. Diagnostic d une digue: rappel méthodologique Surveillance et Detection des Anomalies Diagnostic d une digue: rappel méthodologique issu de l expérience d EDF Jean-Paul BLAIS Service Géologie - Géotechnique EDF 1 La méthodologie utilisée par EDF,

Plus en détail

Systèmes de transmission

Systèmes 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 détail

Intérêt du découpage en sous-bandes pour l analyse spectrale

Intérêt 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 détail

Présenté par : Dr Asmae Nouira. Novembre Hanoi -2007. Journées Scientifiques Inter-Réseaux AUF

Présenté par : Dr Asmae Nouira. Novembre Hanoi -2007. Journées Scientifiques Inter-Réseaux AUF Efficacité du semis direct à contrer l érosion hydrique en milieu agricole : mise en évidence à l'aide des techniques de radioéléments, de modélisation et de mesures aux champs (MAROC-CANADA) Présenté

Plus en détail

«Bases de données géoréférencées pour la gestion agricole et environnementale en Roumanie»

«Bases de données géoréférencées pour la gestion agricole et environnementale en Roumanie» «Bases de données géoréférencées pour la gestion agricole et environnementale en Roumanie» Dr. Alexandru BADEA Directeur Applications Spatiales Agence Spatiale Roumaine Tél : +40(0)744506880 alexandru.badea@rosa.ro

Plus en détail

CarrotAge, un logiciel pour la fouille de données agricoles

CarrotAge, un logiciel pour la fouille de données agricoles CarrotAge, un logiciel pour la fouille de données agricoles F. Le Ber (engees & loria) J.-F. Mari (loria) M. Benoît, C. Mignolet et C. Schott (inra sad) Conférence STIC et Environnement, Rouen, 19-20 juin

Plus en détail

Mise en pratique : Etude de spectres

Mise en pratique : Etude de spectres Mise en pratique : Etude de spectres Introduction La nouvelle génération de spectromètre à détecteur CCD permet de réaliser n importe quel spectre en temps réel sur toute la gamme de longueur d onde. La

Plus en détail

CONCEPTION PARTICIPATIVE D UN PROJET COLLECTIF D IRRIGATION LOCALISÉE DANS LE PÉRIMÈTRE DE PMH FOUM EL ANCER (BÉNI MELLAL)

CONCEPTION PARTICIPATIVE D UN PROJET COLLECTIF D IRRIGATION LOCALISÉE DANS LE PÉRIMÈTRE DE PMH FOUM EL ANCER (BÉNI MELLAL) CONCEPTION PARTICIPATIVE D UN PROJET COLLECTIF D IRRIGATION LOCALISÉE DANS LE PÉRIMÈTRE DE PMH FOUM EL ANCER (BÉNI MELLAL) M. KUPER, A. HAMMANI ET B. JAOUADI FIGURE 51 Atelier de restitution du projet

Plus en détail

Mesures de PAR. Densité de flux de photons utiles pour la photosynthèse

Mesures de PAR. Densité de flux de photons utiles pour la photosynthèse Densité de flux de photons utiles pour la photosynthèse Le rayonnement lumineux joue un rôle critique dans le processus biologique et chimique de la vie sur terre. Il intervient notamment dans sur les

Plus en détail

Géométrie discrète Chapitre V

Géométrie 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 détail

Global Monitoring Emergency Services

Global Monitoring Emergency Services Global Monitoring Emergency Services Christelle BOSC Olivier POCHARD 22/05/2012 Pôle Applications Satellitaires et Télécommunicaton CETE Sud-Ou LE PROGRAMME GMES Global Monitoring for Environment and Security

Plus en détail

L inégale répartition de l énergie solaire est à l origine des courants atmosphériques

L inégale répartition de l énergie solaire est à l origine des courants atmosphériques L inégale répartition de l énergie solaire est à l origine des courants atmosphériques I/ Objectif : Dans la partie 2 du programme de seconde «enjeux planétaires contemporains : énergie et sol», sous partie

Plus en détail

Chaine de transmission

Chaine 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 détail

Hiver 2013 IMN 259. Introduction à l analyse d images. Par Pierre-Marc Jodoin

Hiver 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 détail

La base de données régionale sur les sols. d Alsace. La base de données régionale sur les sols d Alsace

La base de données régionale sur les sols. d Alsace. La base de données régionale sur les sols d Alsace 3 outils complémentaires pour connaître les sols en Alsace La base de données régionale sur les sols d Alsace Le guide des sols d Alsace La base de données régionale sur les sols Le réseau de mesure de

Plus en détail

Microscopie de fluorescence Etat de l art

Microscopie de fluorescence Etat de l art Etat de l art Bibliométrie (Web of sciences) CLSM GFP & TPE EPI-FLUORESCENCE 1 Fluorescence Diagramme de JABLONSKI S2 S1 10-12 s Excitation Eex Eem 10-9 s Émission Courtoisie de C. Spriet

Plus en détail

Master IMA - UMPC Paris 6 RDMM - Année 2009-2010 Fiche de TP

Master 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 détail

Extraction d informations stratégiques par Analyse en Composantes Principales

Extraction d informations stratégiques par Analyse en Composantes Principales Extraction d informations stratégiques par Analyse en Composantes Principales Bernard DOUSSET IRIT/ SIG, Université Paul Sabatier, 118 route de Narbonne, 31062 Toulouse cedex 04 dousset@irit.fr 1 Introduction

Plus en détail

Cartes de l étendue des eaux libres liés aux inondations Guide des produits

Cartes de l étendue des eaux libres liés aux inondations Guide des produits Cartes de l étendue des eaux libres liés aux inondations Guide des produits Contexte Les crues ont parfois des effets dévastateurs sur la vie humaine, les infrastructures, l économie, les espèces sauvages

Plus en détail

GKR. Geological Knowledge Representation Base de connaissances métallogéniques

GKR. Geological Knowledge Representation Base de connaissances métallogéniques GKR Geological Knowledge Representation Base de connaissances métallogéniques Objets Organiser un ensemble d informations complexes et hétérogènes pour orienter l exploration minière aux échelles tactiques

Plus en détail

1S9 Balances des blancs

1S9 Balances des blancs FICHE 1 Fiche à destination des enseignants 1S9 Balances des blancs Type d'activité Étude documentaire Notions et contenus Compétences attendues Couleurs des corps chauffés. Loi de Wien. Synthèse additive.

Plus en détail

F210. Automate de vision hautes fonctionnalités. Caractèristiques. Algorithmes vectoriels

F210. 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 détail

ELOECM Conference2015

ELOECM Conference2015 ELOECM Conference2015 Dématérialisation de courriers ELO DocXtractor Florent Melchers Consultant Projet et Avant-vente f.melchers@elo-digital.fr Intérêt d une solution de dématérialisation Nos clients

Plus en détail

Recherche De Coalescences Binaires Étalonnage Du Détecteur

Recherche 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 détail

Introduction au datamining

Introduction au datamining Introduction au datamining Patrick Naïm janvier 2005 Définition Définition Historique Mot utilisé au départ par les statisticiens Le mot indiquait une utilisation intensive des données conduisant à des

Plus en détail

Mise en place d'une chaîne de production raster multi-échelles

Mise en place d'une chaîne de production raster multi-échelles 25 Février 2014 Thierry Boch tboch@esrifrance.fr Mise en place d'une chaîne de production raster multi-échelles FranceRaster Programme FranceRaster v4 Le produit "France Raster", coédition Esri France

Plus en détail

ACCÈS SÉMANTIQUE AUX BASES DE DONNÉES DOCUMENTAIRES

ACCÈS SÉMANTIQUE AUX BASES DE DONNÉES DOCUMENTAIRES ACCÈS SÉMANTIQUE AUX BASES DE DONNÉES DOCUMENTAIRES Techniques symboliques de traitement automatique du langage pour l indexation thématique et l extraction d information temporelle Thèse Défense publique

Plus en détail

ProxiLens : Exploration interactive de données multidimensionnelles à partir de leur projection

ProxiLens : Exploration interactive de données multidimensionnelles à partir de leur projection ProxiLens : Exploration interactive de données multidimensionnelles à partir de leur projection Nicolas HEULOT (CEA LIST) Michaël AUPETIT (CEA LIST) Jean-Daniel FEKETE (INRIA Saclay) Journées Big Data

Plus en détail

INF6304 Interfaces Intelligentes

INF6304 Interfaces Intelligentes INF6304 Interfaces Intelligentes filtres collaboratifs 1/42 INF6304 Interfaces Intelligentes Systèmes de recommandations, Approches filtres collaboratifs Michel C. Desmarais Génie informatique et génie

Plus en détail

Spectrophotomètres. Spectrophotomètres modèle 6700. Les spectrophotomètres Série 67 : 3 modèles uniques

Spectrophotomètres. Spectrophotomètres modèle 6700. Les spectrophotomètres Série 67 : 3 modèles uniques Spectrophotomètres Les spectrophotomètres Série 67 : 3 modèles uniques Forte de son expérience en spectrophotométrie, la société Jenway a mis au point une série de spectrophotomètres nouvelle génération.

Plus en détail

Codage hiérarchique et multirésolution (JPEG 2000) Codage Vidéo. Représentation de la couleur. Codage canal et codes correcteurs d erreur

Codage 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 détail

Atelier de participation à la lecture de notre cadre de vie et de ses mutations. à destination des membres des CCATM et des CLDR

Atelier de participation à la lecture de notre cadre de vie et de ses mutations. à destination des membres des CCATM et des CLDR Atelier de participation à la lecture de notre cadre de vie et de ses mutations à destination des membres des CCATM et des CLDR Le cadre de vie, C est quoi au juste? Environnement incorporant la dimension

Plus en détail

Recherche d'images par le contenu Application au monitoring Télévisuel à l'institut national de l'audiovisuel

Recherche d'images par le contenu Application au monitoring Télévisuel à l'institut national de l'audiovisuel Recherche d'images par le contenu Application au monitoring Télévisuel à l'institut national de l'audiovisuel Alexis Joly alexis.joly@inria.fr INRIA - IMEDIA Alexis Joly cours monitoring p. 1 Plan de l'exposé

Plus en détail

Les drones civils Gatewing X100 et UX5 pour la production d orthophotos, Modèles Numériques de Surface (MNS) et cartes NDVI

Les drones civils Gatewing X100 et UX5 pour la production d orthophotos, Modèles Numériques de Surface (MNS) et cartes NDVI Les drones civils Gatewing X100 et UX5 pour la production d orthophotos, Modèles Numériques de Surface (MNS) et cartes NDVI Benjamin HUGONET (Redbird) Frédéric DUBOIS (D3E Electronique) D3E Electronique

Plus en détail

Par Richard Beauregard. Novembre 2011

Par 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 détail

Utilisation 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 détail

Immersion - Vision 3D dans la RV.

Immersion - Vision 3D dans la RV. Cours RVS Master II IVA Immersion - Vision 3D dans la RV. Cours de Réalité Virtuelle et Simulation Master II - IVA A. Mebarki - Maître de Conférences Département d'informatique Faculté des Mathématiques

Plus en détail

Echantillonnage Non uniforme

Echantillonnage 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 détail

Analyse d images. Edmond.Boyer@imag.fr. Edmond Boyer UFRIMA 1

Analyse 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 détail

Créative Cloud - Perfectionnement

Créative 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 détail

Comprendre l Univers grâce aux messages de la lumière

Comprendre l Univers grâce aux messages de la lumière Seconde / P4 Comprendre l Univers grâce aux messages de la lumière 1/ EXPLORATION DE L UNIVERS Dans notre environnement quotidien, les dimensions, les distances sont à l échelle humaine : quelques mètres,

Plus en détail

AMELIORATIONS DES FONCTIONNALITES DISPONIBLES

AMELIORATIONS DES FONCTIONNALITES DISPONIBLES AMELIORATIONS DES FONCTIONNALITES DISPONIBLES DANS LE GEOSERVICE RIS.NET GESTION V.2 Zoom + vue) : Permet de faire un zoom avant sur la carte (uniquement en cadrant une Zoom à l échelle déroulante, : Possibilité

Plus en détail

Vision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007

Vision 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 détail

Estimation et Cartographie des Différentes Composantes du Rayonnement Solaire au Sol à Partir des Images Météosat

Estimation et Cartographie des Différentes Composantes du Rayonnement Solaire au Sol à Partir des Images Météosat Rev. Energ. Ren. Vol. 4 (2001) 35-47 Estimation et Cartographie des Différentes Composantes du Rayonnement Solaire au Sol à Partir des Images Météosat N. Bachari, N. Benabadji, A. Razagui et A. H. Belbachir

Plus en détail

Perspectives d applications de la télédétection en grandes culture à court et moyen terme dans le Sud-Ouest

Perspectives d applications de la télédétection en grandes culture à court et moyen terme dans le Sud-Ouest Perspectives d applications de la télédétection en grandes culture à court et moyen terme dans le Sud-Ouest Jean-François DEJOUX CESBIO & Luc CHAMPOLIVIER CETIOM Télédétection en agriculture : nouveau

Plus en détail

Comptes des changements de la biodiversité des systèmes et des espèces

Comptes des changements de la biodiversité des systèmes et des espèces ATELIER INFRAREGIONAL POUR LA REGION DE L AFRIQUE DE L OUEST SUBSAHARIENNE SUR L ÉVALUATION ET LES MESURES INCITATIVES Ouagadougou, Burkina Faso, 14 17 Mai 2013 COMPTABILITÉ DE L ENVIRONNEMENT ET DES ÉCOSYSTÈMES

Plus en détail

Une comparaison de méthodes de discrimination des masses de véhicules automobiles

Une 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 détail

INTRODUCTION 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 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 détail

Application de technologies innovantes pour la gestion des ressources en eau

Application de technologies innovantes pour la gestion des ressources en eau Application de technologies innovantes pour la gestion des ressources en eau Ir. V. TIGNY and Ir. C. Adriaensen GIM nv/sa Presentation GIM Jeudis de l'aquapôle - 01/12/2011 1 Sommaire 1. GIM 2. Technologies

Plus en détail

Projet 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 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 détail

Traitement d Images Satellitaires

Traitement d Images Satellitaires Traitement d Images Satellitaires S4 Mathieu Fauvel Ecole Nationale Supérieure Agronomique de Toulouse & Institut National Polythechnique de Toulouse TA B L E D E S M AT I È R E S 1 présentation 1 1.1

Plus en détail

Scanner acoustique NoiseScanner

Scanner acoustique NoiseScanner Scanner acoustique NoiseScanner «Des yeux et des oreilles pour localiser les sources de bruit...» Scanner acoustique NoiseScanner Décibel d Or 2014 Caractéristiques générales Originalités Fruit de 20 ans

Plus en détail

Chapitre 7 Les solutions colorées

Chapitre 7 Les solutions colorées Chapitre 7 Les solutions colorées Manuel pages 114 à 127 Choix pédagogiques. Ce chapitre a pour objectif d illustrer les points suivants du programme : - dosage de solutions colorées par étalonnage ; -

Plus en détail

Spectrophotométrie. Spectrophotomètre CCD2. Réf : 701 606. Version 1.0. Français p 2. Version : 4105

Spectrophotométrie. 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 détail

Programme 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 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 détail

http://mondomaine.com/dossier : seul le dossier dossier sera cherché, tous les sousdomaines

http://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 détail

S.P.S.N. Lac du Der 2008

S.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 détail

Utilisation du logiciel ImageJ gratuit

Utilisation 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 détail

Les biens culturels :

Les biens culturels : www.cicrp.fr Imagerie scientifique Jean-Marc Vallet & Odile Guillon Journée «Contrôle non destructif» Paris - 6 octobre 2011 Les biens culturels : - Caractère unique et précieux - Notion d ancienneté,

Plus en détail

Les images numériques. 1. Le dessin vectoriel

Les 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 détail

Activité 1 : Rayonnements et absorption par l'atmosphère - Correction

Activité 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 détail

L assurance récoltes en France

L assurance récoltes en France P A C I F I C A - A S S U R A N C E S D O M M A G E S L assurance récoltes en France Colloque FARM - Pluriagri du 18 décembre 2012 Thierry LANGRENEY Directeur général de Pacifica L assurance, un outil

Plus en détail

L utilisation du lidar terrestre en foresterie. Richard Fournier Département de géomatique appliquée

L utilisation du lidar terrestre en foresterie. Richard Fournier Département de géomatique appliquée L utilisation du lidar terrestre en foresterie Richard Fournier Département de géomatique appliquée Problématique Inventaire traditionnel : photographie aérienne imagerie satellitaire relevés manuels sur

Plus en détail

DIPLÔME INTERUNIVERSITAIRE D ECHOGRAPHIE. Examen du Tronc Commun sous forme de QCM. Janvier 2012 14 h à 16 h

DIPLÔME INTERUNIVERSITAIRE D ECHOGRAPHIE. Examen du Tronc Commun sous forme de QCM. Janvier 2012 14 h à 16 h ANNEE UNIVERSITAIRE 2011-2012 DIPLÔME INTERUNIVERSITAIRE D ECHOGRAPHIE Examen du Tronc Commun sous forme de QCM Janvier 2012 14 h à 16 h Les modalités de contrôle se dérouleront cette année sous forme

Plus en détail

ÉdIteur officiel et fournisseur de ServIceS professionnels du LogIcIeL open Source ScILab

ÉdIteur officiel et fournisseur de ServIceS professionnels du LogIcIeL open Source ScILab ÉdIteur officiel et fournisseur de ServIceS professionnels du LogIcIeL open Source ScILab notre compétence d'éditeur à votre service créée en juin 2010, Scilab enterprises propose services et support autour

Plus en détail

Projet audio. Analyse des Signaux ELE2700

Projet 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 détail

TP Blender n 2 : Importation d un modèle SketchUp et animation

TP Blender n 2 : Importation d un modèle SketchUp et animation TP Blender n 2 : Importation d un modèle SketchUp et animation Service de Conception Géométrique Université de Liège Aérospatiale et Mécanique Conçu avec Blender 2.66 et SketchUp 8 De SketchUp à Blender

Plus en détail

Optimisation 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 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 détail

Guide de la documentation parcellaire

Guide de la documentation parcellaire Guide de la documentation parcellaire Agrar-Office AgroWIN Agrar-Office AgroWIN 0 200 m 0 200 m 40% 30% 20% 10% 0% Statistik gespeichert am 26.09.2007 Mittelwert 69,43 % 25% 20% 15% 10% 5% 0% Legende [%]

Plus en détail

Intelligence Artificielle et Systèmes Multi-Agents. Badr Benmammar bbm@badr-benmammar.com

Intelligence 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 détail

LA PHYSIQUE DES MATERIAUX. Chapitre 1 LES RESEAUX DIRECT ET RECIPROQUE

LA 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 détail

Big Data et Graphes : Quelques pistes de recherche

Big Data et Graphes : Quelques pistes de recherche Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de Lyon/Université Claude Bernard Lyon 1/Université

Plus en détail

TD Introduction aux SIG avec ArcGis 9

TD 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 détail

RIE LE RENDU THEO. 2 e trim ÉTAPE DE FINITION BOÎTE DE DIALOGUE. remarques

RIE 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 détail

Protocole de constitution d une base de données 1960

Protocole de constitution d une base de données 1960 Protocole de constitution d une base de données 1960 Rapport numéro Titre Rédigé par Etat (en cours / final) Relu par L2.0-3 Constitution d'une base de données topographique vectorielle à partir des cartes

Plus en détail

Contributions Prévues Déterminées au Niveau National (INDC) pour le secteur de l Utilisation des terres:

Contributions Prévues Déterminées au Niveau National (INDC) pour le secteur de l Utilisation des terres: Contributions Prévues Déterminées au Niveau National (INDC) pour le secteur de l Utilisation des terres: Atelier régional sur les contributions des secteurs de l agriculture, de l élevage et des forêts

Plus en détail

Limitations of the Playstation 3 for High Performance Cluster Computing

Limitations of the Playstation 3 for High Performance Cluster Computing Introduction Plan Limitations of the Playstation 3 for High Performance Cluster Computing July 2007 Introduction Plan Introduction Intérêts de la PS3 : rapide et puissante bon marché L utiliser pour faire

Plus en détail

SERIE 1 Statistique descriptive - Graphiques

SERIE 1 Statistique descriptive - Graphiques Exercices de math ECG J.P. 2 ème A & B SERIE Statistique descriptive - Graphiques Collecte de l'information, dépouillement de l'information et vocabulaire La collecte de l information peut être : directe:

Plus en détail

DMRAlert STREET. Présentation générale. Géolocalisation Urgences - Statuts- Zones Opération Tranquillité Vacances OTV - POI

DMRAlert STREET. Présentation générale. Géolocalisation Urgences - Statuts- Zones Opération Tranquillité Vacances OTV - POI DMRAlert STREET Présentation générale Géolocalisation Urgences - Statuts- Zones Opération Tranquillité Vacances OTV - POI DMRAlert STREET R3.0 LOCALISER SECURISER vos équipes ALERTER en cas d URGENCE Visualiser

Plus en détail