Morphologie mathématique : introduction. Morphologie mathématique : introduction

Dimension: px
Commencer à balayer dès la page:

Download "Morphologie mathématique : introduction. Morphologie mathématique : introduction"

Transcription

1 Morpologie matématique 2D et 3D Application en analyse d image Morpologie matématique : introduction Téorie de traitement non linéaire de l information introduite en France dans les années 60 par G. Materon et J. Serra Ecole des Mines de Paris, aujourd ui largement utilisée en analyse d images. Contrairement au traitement linéaire des images, la morpologie matématique repose sur la téorie des ensembles, ce qui en fait une discipline relativement «auto-contenue» et formant un tout coérent. Offre un cadre algébrique naturel pour l analyse et le traitement t d images binaires et numériques Outil puissant pour l extraction de l information géométrique dans les images 1

2 Morpologie matématique : introduction L approce morpologique consiste à extraire de la connaissance de l image à partir des réponses fournies à différents tests transformations ns Élément structurant «sonde» Transformations non-linéaires critères de taille forme orientation connexité... Morpologie matématique : introduction L approce morpologique consiste à extraire de la connaissance de l image à partir des réponses fournies à différents tests transformations ns Exemple Élément structurant test «contient» taille, forme, orientation, > analyse quantitative, spatiale, 2

3 Morpologie matématique : introduction La morpologie matématique trouve un large panel d applications allant dès plus concrètes aux plus ludiques Contrôle nonnon-destructif par gammagamma-radiograpie soudures dans une centrale nucléaire EDF Suivi du taux de croissance des cellules d E. d E. coli Morpologie matématique : introduction La morpologie matématique trouve un large panel d applications allant dès plus concrètes aux plus ludiques Segmentation d objets vidéos pour la compression et transmission à bas débit du langage des signes Séquence «Austerlitz» Séquence «J adore mes enfants» Compression de formes par squelette 3

4 Morpologie matématique : introduction La morpologie matématique trouve un large panel d applications allant dès plus concrètes aux plus ludiques Segmentation et analyse des voies respiratoire en TDM volumique analyse granulométrique Morpologie matématique : introduction La morpologie matématique trouve un large panel d applications allant dès plus concrètes aux plus ludiques Imagerie médicale au sens large 4

5 Morpologie matématique : introduction La morpologie matématique est définie aussi bien dans l espace continu que dans l espace discret En analyse d image, c est le cadre discret qui s applique Pour commencer, quelques notions de géométrie discrète seront présentées. Du continu au discret : pavages, maillages et images discrètes Pavages de l espace Un pavage est une partition de l espace R n en une famille de parties { P i } ii tel que : U P i i I R n Rome, III s. ap.. JC i,j I x I, P i P j P i s appellent tesselles pixels en R 2, voxels en R 3 Musée national du Palazzo Massimo, Rome 5

6 Du continu au discret : pavages, maillages et images discrètes Pavages du plan - pavages réguliers Dans le cadre du plan R 2, il n existe n que 3 pavages réguliers, r i.e. respectant les conditions suivantes : P i sont tous identiques, P i sont des polygones réguliers i.e. convexes, côtés et angles égaux caque sommet de P i est en contact avec d autres sommets Pavé triangulaire Pavé carré Pavé exagonal Du continu au discret : pavages, maillages et images discrètes Pavages et maillages A tout pavage on peut associer un grape dont les sommets représentent les tesselles, et dont les arêtes représentent la relation d'adjacence entre tesselles 2 tesselles sont adjacentes si elles ont un côté en commun. Un tel grape est un maillage du plan. Les pavages et les maillages réguliers sont des représentations duales du plan discret : 6

7 Du continu au discret : pavages, maillages et images discrètes Propriétés des pavages réguliers Le coix du type de pavage régulier en analyse d'images se fonde sur certaines propriétés du pavage : Conformité à la géométrie du capteur Récursivité multi multi-résolution Nombre de directions représentées Extension aux dimensions supérieures Représentation dans Z n Du continu au discret : pavages, maillages et images discrètes Propriétés des pavages réguliers Pour ces raisons, la maille carrée en 2D, ou cubique en 3D est la plus utilisée en analyse d'image L'espace discret est alors représent senté par Z n Donc, un pixel 2D ou un voxel 3D est un élément de Z n 7

8 Du continu au discret : pavages, maillages et images discrètes Image binaire Soit Z n l'espace discret Une image binaire I est définie d comme un sous-ensemble de Z n : I Z n Représentation «pavages» Le pixel p Z n sera représente en noir ci-contre contre ssi pi Représentation «maillages» Du continu au discret : pavages, maillages et images discrètes Image numérique Soit Z n l'espace discret Une image numérique F est définie d comme une fonction de Z n à valeurs entières : F : Z n Z ou N Le pixel p Z n sera représente avec un niveau de gris proportionnel à Fp 8

9 Du continu au discret : Topologies dans la maille carrée La topologie dans les images discrètes est construite à partir de la relation de connexité induite par le grape du maillage,s, oùo représente les sommets et S les arêtes : Z 2 ; S Z 2 Deux points x et y de sont appelés adjacents si : x y x, y S Dans la maille carrée, deux types de relations d'adjacence peuvent être considérées : Dans la maille cubique, trois types de relations d'adjacence peuvent être considérées : 6-c 18-c 26-c Du continu au discret : Cemins et composantes connexes La clôture transitive de la relation d'adjacence est une relation d'équivalence : «il existe un cemin connexe entre x et y» : x ~ y { x 1,.,x n } tels que x x 1,, x i x i1, x n y Les classes d'équivalence de la relation «~» s'appellent les composantes connexes de 11 composantes 4-c4 10 composantes 8-c8 1 composante 4-c c / 8-c8 9

10 Du continu au discret : Trous et téorème de Jordan Une courbe de Jordan est une courbe simple fermée arc Γ injectif sur [0,1 et tel que Γ0 Γ1 Téorème de Jordan Une courbe de Jordan sépare le plan en deux parties : l intérieur et l extérieur de la courbe Relation d entourage : On dit qu une composante de l ouvert resp. du complémentaire entoure une composante Y du complémentaire resp. de l ouvert s il existe une courbe de Jordan Γ incluse dans telle que Y est inclus dans l intérieur de Γ Y Γ Du continu au discret : Trous et téorème de Jordan Le téorème de Jordan n est pas valide dans la maille carrée... C 8-connexité objet courbe fermée et pas de séparation de l espace 4-connexité objet 2 composantes connexes et la relation d entourage n est pas respectée pour le fond 10

11 Du continu au discret : Trous et téorème de Jordan...sauf si l on considère des topologies différentes pour l objet t et pour le complémentaire 8,4-connexité 4,8-connexité objet courbe fermée 8-c avec séparation de l espace 4-c objet 2 composantes connexes 4-c et la relation d entourage est respectée pour le fond 8-c Du continu au discret : Trous et téorème de Jordan Exemple : combien de composantes connexes et de trous y a-t-il a 1 pour la connexité? 2 pour la connexité? 11

12 Structures de base Traitement linéaire du signal Morpologie matématique La structure fondamentale dans le cas linéaire est l espace vectoriel ensemble de vecteurs V ensemble de scalaires K tel que : 1 V muni de l addition est un groupe commutatif, 2 K est un corps, 3 il existe une loi de multiplication externe entre scalaires et vecteurs La structure fondamentale est le treillis complet,, ou l ensemble L tel que: 1 L est muni de l ordre partiel : a a réflexivit flexivité a b, b a > a b anti-sym symétrie a b, b c > a c transitivité 2 Pour toute famille d éd éléments { i } de L, il existe dans L un supremum et un infimum,, i.e. Inf le plus grand minorant { i } Sup le plus petit majorant { i } Morpologie matématique Opérateurs Ψ définis d sur des ensembles R n, image binaire, f : R n {0, 1} treillis ensembliste Morpologie numérique Opérateurs ψ f définis d sur des fonctions f : R n R treillis des fonctions 12

13 Morpologie matématique : construction Construction des nouveaux opérateurs par composition Γx ΦΨx par différence complexité, ricesse des propriétés Λx Φx Ψx Morpologie matématique : construction Opérations de Minkowski dans R n Définitions : Soit R n et b R n On appelle b {x x b x } b le translaté de par b b b b On note le transposé de { x x } N : Si est symétrique, 13

14 Morpologie matématique : construction Opérations de Minkowski dans R n Définitions : Soit, R n. L addition de Minkowski de et est définie par : U b b La soustraction de Minkowski de par est définie par : Θ I b I b b b Construction élément structurant relation d ordre E E R n, Ζ n, etc Opérateurs binaires croissants 1 Ψ Ψ Ψ 1 Ψ 2 invariants aux translations 2 Ψ 2 Ψ Ψ Ψ Ψ 14

15 Dilatation Ψ δ 1 2 Ψ δ 1 Ψ δ 2 - croissant Dilatation invariante aux translations addition de Minkowski Ψ δ U b b - implantation sous-optimale optimale o b N.. La définition suivante est également rencontrée, en littérature ture française, mais nous utiliserons la précédente : Ψ b δ U b Dilatation Ψ δ 1 2 Ψ δ 1 Ψ δ 2 - croissant Dilatation invariante aux translations : addition de Minkowski Ψ δ { E } { b b } transposé o 15

16 Dilatation Ψ δ { E } Dilatation Ψ δ { E } 16

17 Dilatation Ψ δ { E } Exercice : calculez le résultat Dilatation Ψ δ { E } { b b } Ψ δ - opérateur extensif, Ψ δ, si contient l originel n ρ { x R, x, } 0, ρ ρ 17

18 Dilatation Ψ δ { E } { b b } Ψ δ - opérateur extensif, Ψ δ, si contient l originel O Erosion Ψ ε 1 2 Ψ ε 1 Ψ ε 2 - croissant Erosion invariante aux translations : soustraction de Minkowski Ψ ε I b b Θ - implantation sous-optimale optimale o Θ - b 18

19 Erosion Ψ ε 1 2 Ψ ε 1 Ψ ε 2 - croissant Erosion invariante aux translations : soustraction de Minkowski ε Θ { E } Ψ o Θ Erosion ε Θ { E } Ψ 19

20 Erosion ε Θ { E } Ψ Erosion ε Θ { E } Ψ Exercice : calculez le résultat 20

21 Erosion ε Θ { E } Ψ Erosion ε Θ { E } Ψ Ψ ε - opérateur anti-extensif, Ψ ε, si contient l originel n ρ { x R, x, } Θ 0, ρ 21

22 Erosion ε Θ { E } Ψ Ψ ε - opérateur anti-extensif, Ψ ε, si contient l originel O Propriétés algébriques des opérateurs de base Polyèdres de Steiner dans R n Exploitent la composition en série : Θ 1 Θ 2 Θ 1 2 Possibilité de construction des ES convexes à partir de segments : en R 2 en R 3 Avantage implantation informatique! 22

23 Implantation des opérateurs de base Ex. dilatation Y Implantation triviale : carré de côté c Initialisation : p Y, Yp 0 alayage dilatation : p Y b Yp Yp p - b c 2 tests complexité Implantation des opérateurs de base c/2 fois 1 8 x c/2 tests 4c4 complexité 23

24 Implantation des opérateurs de base Décomposition en segments 1 2 2c tests 2c2 complexité Conclusion sur les opérateurs de base La dilatation et l érosion sont des opérations non réversibles! Elles sont des opérations duales, pas inverses! dilatation Ψ δ δ Ψ complément complément C érosion Ψ ε ε C Ψ 24

25 Transformées en tout ou rien «Hit or Miss» transform Ψ m A, { E A et C } A, éléments structurants tels que A A A, A, Θ A C Θ Transformées en tout ou rien «Hit or Miss» transform A, Θ A C Θ Détection de configurations géométriques spécifiques A 25

26 Transformées en tout ou rien «Hit or Miss» transform A, Θ A C Θ Détection de configurations géométriques spécifiques A Transformées en tout ou rien «Hit or Miss» transform Exercice : trouver A et afin de détecter les structures verticales et obliques d épaisseur unitaire A,? 26

27 Ouvertures et fermetures par adjonction Problème de filtrage inverse : étant donné un ensemble E, il peut provenir de plusieurs ensembles Y par érosion avec le même ES,. Trouver le plus petit ensemble Y. Y i Y min Ouverture morpologique Ψ Ψ δ Ψ Y ε i Y min Ψ δ Ψ δ Ouverture En général, une ouverture est un opérateur : croissant anti-extensif idempotent 1 2 Ψ Ψ Ψ Ψ Ψ 1 Ψ 2 L ouverture est fermée par rapport à la réunion : Ψ i ouvertures UΨ i est une ouverture i 27

28 Ouverture invariante aux translations o Θ - idempotent, invariant aux translations o { E et } Ouverture o Θ o { E et } o anti-extensif o 28

29 Ouverture o Θ Exercice : dessinez le résultat Ouverture o Θ Exercice : dessinez le résultat 29

30 Ouverture o Θ o { E et } o anti-extensif 0, ρ Ouverture o Θ o { E et } o anti-extensif O 30

31 Fermeture En général, une fermeture est un opérateur : croissant extensif idempotent 1 2 Ψ Ψ Ψ Ψ Ψ 1 Ψ 2 La fermeture est fermée par rapport à l intersection : Ψ i fermetures IΨ i est une fermeture i Fermeture Θ - idempotent, invariant aux translations { u E tel que u } u u 31

32 Fermeture Θ { u E tel que u } Fermeture Θ { u E tel que u } 32

33 Fermeture Θ Exercice : dessinez le résultat Fermeture Θ Exercice : dessinez le résultat 33

34 Fermeture Θ extensif { u E tel que u } 0, ρ Fermeture Θ extensif { u E tel que u } O 34

35 Opérateurs de base Effets de bord : exemple fermeture Utiliser un ES de taille décroissante près des bords perte de l invariance l aux translations Opérateurs de base Effets de bord : exemple fermeture Étendre le support de l image 35

36 Granulométrie, anti-granulométrie et mesures L analyse granulométrique est l étude de la taille des objets fondée sur le principe du tamisage : sélection des objets par un ensemble de tamis de différentes tailles. Les objets «refusés» par des tamis de taille λ seront «refusés» par des tamis de taille µ< λ Une granulométrie peur être définie par une famille d ouvertures de taille croissante γ λ λ > 0 tel que 0 λ 1 λ 2 γ γ γ γ γ γ γ γ γ 1 λ2 λ2 λ1 λ 2 λ Ex. Ouvertures par des ES disques Granulométrie - exemple La famille des opérateurs duaux fermetures de taille croissante est une anti-granulométrie : 36

37 Granulométrie, anti-granulométrie et mesures Représentation visuelle Granulométrie, anti-granulométrie et mesures Représentation visuelle Algoritme : Initialisation : I gran 0 Mise à jour progressive : I λ 0 gran I [ λ 1 γ ] gran λ avec - l ensemble initial 37

38 Fonction de distribution granulométrique Soit µ une mesure bornée sur un treillis E aire, intégrale Pour x E,, on note x λ resp. x -λ l image de x par l opérateur de granulométrie resp.d anti-granulométrie d indice λ. On note µ x λ F x λ 1 la fonction de distribution sur x de la granulométrie γ γ λ λ µ x 0 F λ F x λ Spectre granulométrique Le spectre granulométrique est la dérivée de la fonction de distribution granulométrique : f λ F ' λ x x Dépendance de l élément structurant 38

39 Spectre granulométrique Le spectre granulométrique est la dérivée de la fonction de distribution granulométrique : f λ F ' λ x x Dépendance de l élément structurant Spectre granulométrique Le spectre granulométrique est la dérivée de la fonction de distribution granulométrique : f λ F ' λ x x Dépendance de l élément structurant 39

40 Spectre granulométrique Transformée de Fourier Parallèle avec le traitement linéaire du signal Analyse granulométrique spectre granulométrique spectre de Fourier amplitude analyse des fréquences spatiales de l image analyse de la «granularité» des objets - décomposition en une famille de «boules» de tailles différentes Opérateurs morpologiques par différence Gradients et laplacien morpologiques Traitement linéaire de l image Gradient 2 I I I u, v u, v u, v x y 2 Laplacien 2 2 I I I u, v u, v u, v 2 2 x y

41 Gradients morpologiques Gradient centré Ψ grad \ Θ el. str.. contenant l origine 4-c4 8-c8 Gradients morpologiques Gradient latéral extérieur Ψ grad \ el. str.. contenant l origine 4-c4 8-c8 41

42 Gradients morpologiques Gradient latéral intérieur Ψ - grad \ Θ el. str.. contenant l origine 4-c4 8-c8 Ψ grad toujours positif! Laplacian morpologique Λ Ψ grad -Ψ - grad el. str.. contenant l origine Ψ grad Ψ - grad Λ 42

43 Filtres morpologiques Ψ - filtre morpologique si opérateur : croissant idempotent 1 2 Ψ Ψ Ψ Ψ 1 Ψ 2 Si Ψ 1, Ψ 2 filtres, etψ 1 Ψ 2 ou Ψ 2 Ψ 1 alors Ψ 1 Ψ 2, Ψ 2 Ψ 1, Ψ 1 Ψ 2 Ψ 1, Ψ 2 Ψ 1 Ψ 2 sont également des filtres o et sont des filtres morpologiques, o Construction d une classe de filtres à partir des ouvertures et fermetures! Filtres morpologiques Filtres alternés open-close et close-open open : FA oc, k Π k o k k FA oc FA co, k Φ k k o k FA co k { origine }, k0, k 1 k-1 1 fois Filtres alternés s séquentiels s open-close et close-open open : FAS oc, k Π k Π k-1 Π k-2. Π 1 FAS co, k Φ k Φ k-1 Φ k-2. Φ 1 43

44 Filtres alternés open-close et close-open open FA oc, k o k k FA oc FA co, k k o k FA co FA oc, 3 FA co, 3 Filtres alternés open-close et close-open open FA oc, k o k k FA oc FA co, k k o k FA co o o 44

45 Filtres alternés séquentiels open-close et close-open open FAS oc, k FAS co, k FAS oc, FAS co,, Filtres alternés séquentiels open-close et close-open open Comparatif FA vs.. FAS FA oc, 3 FAS oc, 3 FA co, 3 FAS co, 3 45

46 Dilatation conditionnelle Ψ δ M M N est pas invariant aux translations! Utile pour la définition des opérateurs géodésiques M M Reconstruction conditionnellement à un marqueur opérateur géodésique Reconstruction image marqueur 46

47 Reconstruction conditionnellement à un marqueur opérateur géodésique Ψ δ Y Y Si el. str.. de taille unitaire, H 0, ρ 1 dilatation géodésique de taille 1 : 1 Y Y H dilatation géodésique de taille n : n 1 n 1 Y Y R reconstruction binaire : Y Y Y oucage de trous opérateur géodésique Qu est qu un un trou? Influence de la connexité - téor orème de Jordan Algoritme 8-connexité 4-connexité 47

48 Suppression des particules toucant le bord Soustraction des composantes connexes aux bords Etiquetage de particules Calcul du nombre de composantes connexes dans l image Tri de composantes par rapport à une mesure ex. surface 48

49 Erodées ultimes Utile pour identifier les composantes connexes qui disparaîtront lors des érosions successives avec un ES donné ult n 0 U[ \ n R ] n n 1 E avec et Θ n 0 n 1 n Erodées ultimes Utile pour identifier les composantes connexes qui disparaîtront lors des érosions successives avec un ES donné Correspondance avec les maxima régionaux de la fonction distance 49

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

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

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

Chapitre VI. Connexions et fonctions numériques

Chapitre 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 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

Fonctions de plusieurs variables

Fonctions de plusieurs variables Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme

Plus en 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

Image d un intervalle par une fonction continue

Image d un intervalle par une fonction continue DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction

Plus en détail

Intégration et probabilités TD1 Espaces mesurés Corrigé

Intégration et probabilités TD1 Espaces mesurés Corrigé Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.

Plus en détail

Les algorithmes de base du graphisme

Les 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 détail

Cours d Analyse. Fonctions de plusieurs variables

Cours 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 détail

Différentiabilité ; Fonctions de plusieurs variables réelles

Différentiabilité ; Fonctions de plusieurs variables réelles Différentiabilité ; Fonctions de plusieurs variables réelles Denis Vekemans R n est muni de l une des trois normes usuelles. 1,. 2 ou.. x 1 = i i n Toutes les normes de R n sont équivalentes. x i ; x 2

Plus en 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

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer

Plus en détail

COURS EULER: PROGRAMME DE LA PREMIÈRE ANNÉE

COURS EULER: PROGRAMME DE LA PREMIÈRE ANNÉE COURS EULER: PROGRAMME DE LA PREMIÈRE ANNÉE Le cours de la première année concerne les sujets de 9ème et 10ème années scolaires. Il y a bien sûr des différences puisque nous commençons par exemple par

Plus en détail

Programmation linéaire

Programmation linéaire Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire

Plus en détail

Introduction au maillage pour le calcul scientifique

Introduction au maillage pour le calcul scientifique Introduction au maillage pour le calcul scientifique CEA DAM Île-de-France, Bruyères-le-Châtel franck.ledoux@cea.fr Présentation adaptée du tutorial de Steve Owen, Sandia National Laboratories, Albuquerque,

Plus en détail

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation

Plus en détail

Intégration et probabilités TD1 Espaces mesurés

Intégration et probabilités TD1 Espaces mesurés Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?

Plus en détail

Programmation linéaire

Programmation linéaire 1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit

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

Cours de Mécanique du point matériel

Cours de Mécanique du point matériel Cours de Mécanique du point matériel SMPC1 Module 1 : Mécanique 1 Session : Automne 2014 Prof. M. EL BAZ Cours de Mécanique du Point matériel Chapitre 1 : Complément Mathématique SMPC1 Chapitre 1: Rappels

Plus en détail

Deux disques dans un carré

Deux 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 détail

Modélisation et Simulation

Modélisation et Simulation Cours de modélisation et simulation p. 1/64 Modélisation et Simulation G. Bontempi Département d Informatique Boulevard de Triomphe - CP 212 http://www.ulb.ac.be/di Cours de modélisation et simulation

Plus en détail

Détection 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 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 détail

1 Description générale de VISFIELD

1 Description générale de VISFIELD Guide d utilisation du logiciel VISFIELD Yann FRAIGNEAU LIMSI-CNRS, Bâtiment 508, BP 133 F-91403 Orsay cedex, France 11 décembre 2012 1 Description générale de VISFIELD VISFIELD est un programme écrit

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

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

Approximations variationelles des EDP Notes du Cours de M2

Approximations variationelles des EDP Notes du Cours de M2 Approximations variationelles des EDP Notes du Cours de M2 Albert Cohen Dans ce cours, on s intéresse à l approximation numérique d équations aux dérivées partielles linéaires qui admettent une formulation

Plus en détail

Cours d Analyse 3 Fonctions de plusieurs variables

Cours d Analyse 3 Fonctions de plusieurs variables Université Claude Bernard, Lyon I Licence Sciences, Technologies & Santé 43, boulevard 11 novembre 1918 Spécialité Mathématiques 69622 Villeurbanne cedex, France L. Pujo-Menjouet pujo@math.univ-lyon1.fr

Plus en détail

3 Approximation de solutions d équations

3 Approximation de solutions d équations 3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle

Plus en détail

Cours Fonctions de deux variables

Cours Fonctions de deux variables Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté

Plus en détail

Exemples de problèmes et d applications. INF6953 Exemples de problèmes 1

Exemples de problèmes et d applications. INF6953 Exemples de problèmes 1 Exemples de problèmes et d applications INF6953 Exemples de problèmes Sommaire Quelques domaines d application Quelques problèmes réels Allocation de fréquences dans les réseaux radio-mobiles Affectation

Plus en détail

Programme de la classe de première année MPSI

Programme de la classe de première année MPSI Objectifs Programme de la classe de première année MPSI I - Introduction à l analyse L objectif de cette partie est d amener les étudiants vers des problèmes effectifs d analyse élémentaire, d introduire

Plus en détail

I. Polynômes de Tchebychev

I. Polynômes de Tchebychev Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire

Plus en détail

Groupoïdes quantiques mesurés : axiomatique, étude, dualité, exemples

Groupoïdes 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 détail

Calcul différentiel sur R n Première partie

Calcul différentiel sur R n Première partie Calcul différentiel sur R n Première partie Université De Metz 2006-2007 1 Définitions générales On note L(R n, R m ) l espace vectoriel des applications linéaires de R n dans R m. Définition 1.1 (différentiabilité

Plus en détail

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy

Plus en détail

Fonctions de plusieurs variables

Fonctions de plusieurs variables Maths MP Exercices Fonctions de plusieurs variables Les indications ne sont ici que pour être consultées après le T (pour les exercices non traités). Avant et pendant le T, tenez bon et n allez pas les

Plus en détail

Plan du cours : électricité 1

Plan 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 détail

La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1

La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois

Plus en détail

EXERCICES DE REVISIONS MATHEMATIQUES CM2

EXERCICES DE REVISIONS MATHEMATIQUES CM2 EXERCICES DE REVISIONS MATHEMATIQUES CM2 NOMBRES ET CALCUL Exercices FRACTIONS Nommer les fractions simples et décimales en utilisant le vocabulaire : 3 R1 demi, tiers, quart, dixième, centième. Utiliser

Plus en détail

JPEG, PNG, PDF, CMJN, HTML, Préparez-vous à communiquer!

JPEG, PNG, PDF, CMJN, HTML, Préparez-vous à communiquer! JPEG, PNG, PDF, CMJN, HTML, Préparez-vous à communiquer! 1 / Contexte L ordinateur La loi du nombre La numérisation = codage d une information en chiffres binaire : 0 1 («bit») 8 bits = 1 octet 1ko = 1024

Plus en détail

Problèmes de dénombrement.

Problèmes de dénombrement. Problèmes de dénombrement. 1. On se déplace dans le tableau suivant, pour aller de la case D (départ) à la case (arrivée). Les déplacements utilisés sont exclusivement les suivants : ller d une case vers

Plus en détail

Formes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions

Formes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions Formes quadratiques Imen BHOURI 1 Ce cours s adresse aux étudiants de niveau deuxième année de Licence et à ceux qui préparent le capes. Il combine d une façon indissociable l étude des concepts bilinéaires

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

Chapitre 0 Introduction à la cinématique

Chapitre 0 Introduction à la cinématique Chapitre 0 Introduction à la cinématique Plan Vitesse, accélération Coordonnées polaires Exercices corrigés Vitesse, Accélération La cinématique est l étude du mouvement Elle suppose donc l existence à

Plus en détail

Comparer des surfaces suivant leur aire en utilisant leurs propriétés géométriques Découverte et manipulation

Comparer des surfaces suivant leur aire en utilisant leurs propriétés géométriques Découverte et manipulation Socle commun - palier 2 : Compétence 3 : les principaux éléments de mathématiques Grandeurs et mesures Compétences : Comparer des surfaces selon leurs aires (par pavage) Mesurer l aire d une surface par

Plus en détail

Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre

Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables

Plus en détail

ENSAE - DAKAR BROCHURE D'INFORMATION SUR LE CONCOURS DE RECRUTEMENT D ÉLÈVES INGÉNIEURS STATISTICIENS ÉCONOMISTES (I S E) Option Mathématiques CAPESA

ENSAE - DAKAR BROCHURE D'INFORMATION SUR LE CONCOURS DE RECRUTEMENT D ÉLÈVES INGÉNIEURS STATISTICIENS ÉCONOMISTES (I S E) Option Mathématiques CAPESA ENSEA - ABIDJAN ENSAE - DAKAR ISSEA - YAOUNDÉ BROCHURE D'INFORMATION SUR LE CONCOURS DE RECRUTEMENT D ÉLÈVES INGÉNIEURS STATISTICIENS ÉCONOMISTES (I S E) Option Mathématiques CAPESA CENTRE D APPUI AUX

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

Axe " Génie des Procédés", centre SPIN, Ecole des Mines de Saint-Etienne ECOLE DES MINES SAINT-ETIENNE ANALYSE D IMAGE

Axe  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 détail

Fête de la science Initiation au traitement des images

Fête 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 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

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

TABLE DES MATIÈRES CHAPITRE I. Les quanta s invitent

TABLE DES MATIÈRES CHAPITRE I. Les quanta s invitent TABLE DES MATIÈRES AVANT-PROPOS III CHAPITRE I Les quanta s invitent I-1. L Univers est en constante évolution 2 I-2. L âge de l Univers 4 I-2.1. Le rayonnement fossile témoigne 4 I-2.2. Les amas globulaires

Plus en détail

Rappels et compléments, première partie : Nombres complexes et applications à la géométrie

Rappels et compléments, première partie : Nombres complexes et applications à la géométrie Rappels et compléments, première partie : Nombres complexes et applications à la géométrie 1 Définition des nombres complexes On définit sur les couples de réels une loi d addition comme suit : (x; y)

Plus en détail

Statistiques Descriptives à une dimension

Statistiques 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 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

Probabilités sur un univers fini

Probabilités sur un univers fini [http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur

Plus en détail

FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)

FONCTIONS 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 détail

Programmation linéaire et Optimisation. Didier Smets

Programmation linéaire et Optimisation. Didier Smets Programmation linéaire et Optimisation Didier Smets Chapitre 1 Un problème d optimisation linéaire en dimension 2 On considère le cas d un fabricant d automobiles qui propose deux modèles à la vente, des

Plus en détail

Théorie de la Mesure et Intégration

Théorie de la Mesure et Intégration Ecole Nationale de la Statistique et de l Administration Economique Théorie de la Mesure et Intégration Xavier MARY 2 Table des matières I Théorie de la mesure 11 1 Algèbres et tribus de parties d un ensemble

Plus en détail

Comme chaque ligne de cache a 1024 bits. Le nombre de lignes de cache contenu dans chaque ensemble est:

Comme chaque ligne de cache a 1024 bits. Le nombre de lignes de cache contenu dans chaque ensemble est: Travaux Pratiques 3. IFT 1002/IFT 1005. Structure Interne des Ordinateurs. Département d'informatique et de génie logiciel. Université Laval. Hiver 2012. Prof : Bui Minh Duc. Tous les exercices sont indépendants.

Plus en détail

Cours de mathématiques

Cours de mathématiques DEUG MIAS premier niveau Cours de mathématiques année 2003/2004 Guillaume Legendre (version révisée du 3 avril 2015) Table des matières 1 Éléments de logique 1 1.1 Assertions...............................................

Plus en détail

Premiers exercices d Algèbre. Anne-Marie Simon

Premiers exercices d Algèbre. Anne-Marie Simon Premiers exercices d Algèbre Anne-Marie Simon première version: 17 août 2005 version corrigée et complétée le 12 octobre 2010 ii Table des matières 1 Quelques structures ensemblistes 1 1.0 Ensembles, relations,

Plus en détail

Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples

Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples 45 Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples Les espaces vectoriels considérés sont réels, non réduits au vecteur nul et

Plus en 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

Intégrale de Lebesgue

Intégrale de Lebesgue Intégrale de Lebesgue L3 Mathématiques Jean-Christophe Breton Université de Rennes 1 Septembre Décembre 2014 version du 2/12/14 Table des matières 1 Tribus (σ-algèbres) et mesures 1 1.1 Rappels ensemblistes..............................

Plus en détail

Simulation d'un examen anthropomorphique en imagerie TEMP à l iode 131 par simulation Monte Carlo GATE

Simulation d'un examen anthropomorphique en imagerie TEMP à l iode 131 par simulation Monte Carlo GATE Simulation d'un examen anthropomorphique en imagerie TEMP à l iode 131 par simulation Monte Carlo GATE LAURENT Rémy laurent@clermont.in2p3.fr http://clrpcsv.in2p3.fr Journées des LARD Septembre 2007 M2R

Plus en détail

Chapitre 5 : Flot maximal dans un graphe

Chapitre 5 : Flot maximal dans un graphe Graphes et RO TELECOM Nancy A Chapitre 5 : Flot maximal dans un graphe J.-F. Scheid 1 Plan du chapitre I. Définitions 1 Graphe Graphe valué 3 Représentation d un graphe (matrice d incidence, matrice d

Plus en détail

Limites finies en un point

Limites finies en un point 8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,

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 http://liris.cnrs.fr/hamamache.kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de

Plus en détail

Quantification Scalaire et Prédictive

Quantification 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 détail

Optimisation des fonctions de plusieurs variables

Optimisation des fonctions de plusieurs variables Optimisation des fonctions de plusieurs variables Hervé Hocquard Université de Bordeaux, France 8 avril 2013 Extrema locaux et globaux Définition On étudie le comportement d une fonction de plusieurs variables

Plus en détail

Programmes des classes préparatoires aux Grandes Ecoles

Programmes des classes préparatoires aux Grandes Ecoles Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme

Plus en détail

M2R IMA UE CONF Présentation

M2R 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 détail

CNAM UE MVA 210 Ph. Durand Algèbre et analyse tensorielle Cours 4: Calcul dierentiel 2

CNAM UE MVA 210 Ph. Durand Algèbre et analyse tensorielle Cours 4: Calcul dierentiel 2 CNAM UE MVA 210 Ph. Duran Algèbre et analyse tensorielle Cours 4: Calcul ierentiel 2 Jeui 26 octobre 2006 1 Formes iérentielles e egrés 1 Dès l'introuction es bases u calcul iérentiel, nous avons mis en

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

Dualité dans les espaces de Lebesgue et mesures de Radon finies

Dualité dans les espaces de Lebesgue et mesures de Radon finies Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention

Plus en détail

Calcul fonctionnel holomorphe dans les algèbres de Banach

Calcul fonctionnel holomorphe dans les algèbres de Banach Chapitre 7 Calcul fonctionnel holomorphe dans les algèbres de Banach L objet de ce chapitre est de définir un calcul fonctionnel holomorphe qui prolonge le calcul fonctionnel polynômial et qui respecte

Plus en détail

Calcul différentiel. Chapitre 1. 1.1 Différentiabilité

Calcul différentiel. Chapitre 1. 1.1 Différentiabilité Chapitre 1 Calcul différentiel L idée du calcul différentiel est d approcher au voisinage d un point une fonction f par une fonction plus simple (ou d approcher localement le graphe de f par un espace

Plus en 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

Optimisation et programmation mathématique. Professeur Michel de Mathelin. Cours intégré : 20 h

Optimisation 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 détail

www.h-k.fr/publications/objectif-agregation

www.h-k.fr/publications/objectif-agregation «Sur C, tout est connexe!» www.h-k.fr/publications/objectif-agregation L idée de cette note est de montrer que, contrairement à ce qui se passe sur R, «sur C, tout est connexe». Cet abus de langage se

Plus en détail

UNE REPRESENTATION GRAPHIQUE DE LA LIAISON STATISTIQUE ENTRE DEUX VARIABLES ORDONNEES. Éric TÉROUANNE 1

UNE REPRESENTATION GRAPHIQUE DE LA LIAISON STATISTIQUE ENTRE DEUX VARIABLES ORDONNEES. Éric TÉROUANNE 1 33 Math. Inf. Sci. hum., (33 e année, n 130, 1995, pp.33-42) UNE REPRESENTATION GRAPHIQUE DE LA LIAISON STATISTIQUE ENTRE DEUX VARIABLES ORDONNEES Éric TÉROUANNE 1 RÉSUMÉ Le stéréogramme de liaison est

Plus en détail

Calcul intégral élémentaire en plusieurs variables

Calcul intégral élémentaire en plusieurs variables Calcul intégral élémentaire en plusieurs variables PC*2 2 septembre 2009 Avant-propos À part le théorème de Fubini qui sera démontré dans le cours sur les intégrales à paramètres et qui ne semble pas explicitement

Plus en détail

1 Première section: La construction générale

1 Première section: La construction générale AMALGAMATIONS DE CLASSES DE SOUS-GROUPES D UN GROUPE ABÉLIEN. SOUS-GROUPES ESSENTIEL-PURS. Călugăreanu Grigore comunicare prezentată la Conferinţa de grupuri abeliene şi module de la Padova, iunie 1994

Plus en détail

Introduction à MATLAB R

Introduction à MATLAB R Introduction à MATLAB R Romain Tavenard 10 septembre 2009 MATLAB R est un environnement de calcul numérique propriétaire orienté vers le calcul matriciel. Il se compose d un langage de programmation, d

Plus en détail

Introduction à la Visualisation Scientifique

Introduction à la Visualisation Scientifique à la Visualisation Scientifique CEA, DAM, DIF stephane.marchesin@gmail.com 5 décembre 2008 à la Visualisation Scientifique p. 1 / 22 1 2 à 3 4 à 5 à la Visualisation Scientifique p. 2 / 22 à Ces dernières

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

TBI et mathématique. Pour vous soutenir dans votre enseignement des mathématiques. Les outils du logiciel Notebook. les ressources internet

TBI et mathématique. Pour vous soutenir dans votre enseignement des mathématiques. Les outils du logiciel Notebook. les ressources internet TBI et mathématique Pour vous soutenir dans votre enseignement des mathématiques Dessin tiré du site www.recitus.qc.ca Les outils du logiciel Notebook et les ressources internet Document préparé par France

Plus en détail

Développement décimal d un réel

Développement décimal d un réel 4 Développement décimal d un réel On rappelle que le corps R des nombres réels est archimédien, ce qui permet d y définir la fonction partie entière. En utilisant cette partie entière on verra dans ce

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

ANALYSE CATIA V5. 14/02/2011 Daniel Geffroy IUT GMP Le Mans

ANALYSE CATIA V5. 14/02/2011 Daniel Geffroy IUT GMP Le Mans ANALYSE CATIA V5 1 GSA Generative Structural Analysis 2 Modèle géométrique volumique Post traitement Pré traitement Maillage Conditions aux limites 3 Ouverture du module Choix du type d analyse 4 Calcul

Plus en détail

Grandes lignes ASTRÉE. Logiciels critiques. Outils de certification classiques. Inspection manuelle. Definition. Test

Grandes lignes ASTRÉE. Logiciels critiques. Outils de certification classiques. Inspection manuelle. Definition. Test Grandes lignes Analyseur Statique de logiciels Temps RÉel Embarqués École Polytechnique École Normale Supérieure Mercredi 18 juillet 2005 1 Présentation d 2 Cadre théorique de l interprétation abstraite

Plus en détail

t 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :

t 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre : Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant

Plus en détail

Mesures gaussiennes et espaces de Fock

Mesures gaussiennes et espaces de Fock Mesures gaussiennes et espaces de Fock Thierry Lévy Peyresq - Juin 2003 Introduction Les mesures gaussiennes et les espaces de Fock sont deux objets qui apparaissent naturellement et peut-être, à première

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

INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES

INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES Dominique LAFFLY Maître de Conférences, Université de Pau Laboratoire Société Environnement Territoire UMR 5603 du CNRS et Université de Pau Domaine

Plus en détail