a) spot b) ligne c) arête d) ligne + arête
|
|
- Jean-Marc Chartier
- il y a 6 ans
- Total affichages :
Transcription
1 Filtrage Le terme filtrage englobe une multitude d algorithmes qui visent l un ou l autre des objectifs suivants : a) La localisation des pixels où un changement plus ou moins abrupt des valeurs numériques de l image est observable; ces pixels sont associés à la présence d objets ponctuels, linéaires ou aux frontières d objets surfaciques. Nous parlons des spots, des lignes ou d arêtes, des lignes, ou des, tel que défini dans la figure, et de filtres de détection de spots, de lignes ou d arêtes; b) L élimination des variations spatiales non significatives des valeurs numériques de l image; ces variations sont dues au bruit radiométrique ou sont associées à la présence d objets sans importance pour l analyse subséquente. Nous parlons alors des filtres de lissage; c) La restauration du contenu radiométrique d une image en éliminant les effets de floue, des traînées et d autres phénomènes introduits lors de l acquisition des images. Nous parlons alors des filtres de restauration d images; d) L accentuation des arêtes afin de faciliter la perception visuelle des objets. Nous parlons alors des filtres de rehaussement d arêtes. a) spot b) ligne c) arête d) ligne + arête Figure : Exemples de profiles -D des valeurs numériques d une image, associés à : a) un spot, b) une ligne, c) une arête, et d) un changement complexe où il y a superposition d une ligne et d une arête. Le filtrage est une opération fondamentale en traitement d images et une littérature volumineuse existe sur le sujet. Brièvement, les techniques de filtrage peuvent se diviser en deux grandes catégories : les filtres espace-image et les filtres espace-transformé. Dans le premier cas les filtres agissent directement sur les valeurs numériques des pixels de l image. L image filtrée est de la même taille que l image d entrée avec les valeurs des pixels altérées par l action du filtre. Dans le second cas il y a trois étapes pour générer l image filtrée : a) un traitement spécifique s applique aux valeurs de l image permettant de les représenter selon un nouvel espace (par exemple espace des fréquences spatiales), b) le filtre est appliqué dans ce nouvel espace, c) un traitement spécifique permet de représenter les valeurs altérées par l action du filtre selon l espace d origine (colonne, ligne). Les paragraphes qui suivent présentent un aperçu de la première catégorie de filtres tel qu appliqués au lissage des images ainsi qu à la détection des arêtes et des lignes, ce qui nous servira par après comme référence à notre discussion sur les méthodes d analyse d images. Les filtres espace transformé sont généralement moins utilisés et leur présentation même sommaire nécessiterait des développements mathématiques importants qui dépassent largement les objectifs de ce cours. Les filtres espace image altèrent la valeur numérique de chaque pixel de l image tenant compte des valeurs des pixels dans son voisinage immédiat. Ce voisinage est défini par une fenêtre de petite taille de forme le plus souvent carrée (par exemple x, x, x pixels). Les filtres espace image se distinguent en plusieurs catégories : a) filtres (ou masques) de convolution
2 spatiale, b) filtres non-linéaires, c) filtres adaptatifs, et d) filtres (ou masques) morphologiques. Pour la discussion qui suit nous adoptons comme système de notation de la position d un pixel : i ou x = numéro de colonne/j ou y = numéro de ligne. Les masques de convolution : Un masque de convolution c est une matrice carrée dont les éléments ou poids sont spécifiés en fonction de l un ou l autre des objectifs cités plus haut. La façon que le filtrage opère est illustrée par la figure. La valeur d un pixel de l image filtrée B à la position (i,j) est la somme des valeurs des pixels de l image A à l intérieur du masque M centré sur le pixel A (i,j), multipliées par les poids du masque. Nous parlons aussi des filtres linéaires dans le sens que les valeurs des pixels de l image filtrée sont le résultat de la combinaison linéaire des valeurs de l image d origine. Nous pouvons utiliser des masques pour effectuer la détection d arêtes, de lignes ou de spots; le lissage des images ou encore le rehaussement d arêtes. a * m a * m a * m b a * m a * m a * m a * m a * m a * m Masque M ( x ) Image A X Image B m m m m m m m m m X a * m a * m a * m 4 b4 a * m a * m a * m 4 a7 * m a * m a * m 47 7 Figure : Modus operandi d un filtre de convolution Les filtres non-linéaires : Un voisinage d un pixel (i,j) de l image d origine est défini comme d habitude par une fenêtre de petite taille. Les valeurs des pixels à l intérieur de la fenêtre sont extraites et soumises à un traitement quelconque selon l un ou l autre des objectifs mentionnés plus haut. Le résultat du traitement est une nouvelle valeur numérique qui est attribuée au pixel (i,j) de l image filtrée. Ces filtres sont appliqués dans le domaine du lissage ou de la détection d arêtes. Une catégorie spéciale des ces filtres sont ceux dits filtres adaptatifs. Leur opération s ajuste localement suivant des critères pré-établis. Les masques morphologiques : comme dans le cas des filtres de convolution, un masque est défini et le résultat final provient d une opération entre les valeurs des pixels inclus à l intérieur de la fenêtre et les valeurs des éléments du masque. Cependant autant les valeurs des ces éléments que le type d opération sont définis en fonction des principes d une théorie particulière celle de la morphologie mathématique. Grossièrement c est une application de la théorie des ensembles et des opérations entre ensembles (opérateurs logiques) dans le cas des figures géométriques sur le plan. Elle s applique aisément avec des images binaires (deux niveaux de gris) pour effectuer des opérations classiques comme la squelettisation d une ligne ou l établissement du contour d une figure. Elle peut s étendre dans le cas des images à plusieurs niveaux de gris avec certaines contraintes et, dans une certaine mesure, aux images multi-bandes. Les deux opérations de base sont celles de l érosion et de dilatation d une forme géométrique. Dans le cas qui nous préoccupe ici avec des images à niveaux de gris la façon que ces filtres agissent sur les valeurs de l image est illustrée à la figure. Les éléments du masque M peuvent prendre des valeurs entre et pour l érosion et entre et pour la dilatation. Les valeurs du masque sont ajoutées aux valeurs des pixels correspondants, et le minimum (cas d érosion) ou le maximum (cas de dilatation) des résultats de cette addition constitue la valeur de l image «érodée» ou «dilatée».
3 Il est à noter qu un élément peut être marqué avec l état «sans signification» pour indiquer que la valeur du pixel de l image qui correspond à cet élément ne participe pas à l opération, quelque chose d analogue avec un élément zéro d un masque de convolution. L érosion réduit les arêtes tandis que l effet contraire est obtenu par la dilatation. C est par la combinaison des opérations d érosion et de dilatation que des résultats similaires à ceux des filtres standards sont obtenus. Souvent les valeurs du masque autant pour l érosion que la dilatation sont fixées à zéro. a m; a m; a m; b max a m; a m; a m; a m; a m; a m a m; a m ; a m; b min a m; a m ; a m; a m; a m ; a m Masque M ( x ) Image A X Image B m m m m m m m m m X a m; a4 m; a b4 max a m; a4 m; a a7 m; a74 m; a a m; a4 m; a b4 min a m; a4 m; a a7 m; a74 m; a 7 7 m; m; m ; m; m; m Figure : Modus operandi d un masque morphologique pour les opérations de dilatation (maximum) et d érosion (minimum) dans le cas d une image à plusieurs niveaux de gris.. LISAGE L idée de base ici est de remplacer les valeurs d origine de l image par une mesure de tendance centrale de la distribution des valeurs numériques dans le voisinage de chaque pixel tel que spécifié par la fenêtre du filtre. La moyenne ou la médiane sont de telles mesures. Le tableau présente des exemples des filtres linéaires standards de lissage : le filtre moyenneur ainsi que le filtre gaussien. Dans ce dernier cas l influence des valeurs de pixels dans le calcul de la moyenne est pondérée en fonction de la distance de chaque élément du masque par rapport à son pixel central. Les poids diminuent ainsi du centre vers les extrémités du masque suivant une fonction gaussienne (normale) : i j m i j exp, i,,.. N; j,.. N où N est la dimension du masque, est l écart type mesuré en pixels et i, j sont les écarts respectivement en colonnes et en lignes de chacun des éléments du masque par rapport à son pixel central. Habituellement, la dimension du masque est fixée en fonction de l écart type comme N=arrondi (*σ +). Ainsi pour un écart type de,7 pixels le masque serait de 7x7 pixels et les poids tel que montré au tableau. Les facteurs de normalisation associés à ces filtres sont fixés comme l inverse de la somme des poids du masque dans le but d éviter un biais dans l amplitude des valeurs de l image filtrée.
4 ,44,,77,,77,,44,,,4,,4,,,77,4,77,84,77,4,77,,,84,,84,, 49,8,77,4,77,84,77,4,77,,,4,,4,,,44,,77,,77,,44 Filtre moyenneur Filtre gaussien (σ =) Tableau : Poids d un filtre moyenneur et d un filtre gaussien, fenêtre 7x7 pixels 4 L application des filtres de lissage est nécessaire lorsque les images contiennent des pixels isolés avec des valeurs aberrantes à cause d un défaut dans la chaîne de production d une image numérique. Leur efficacité dans l élimination du bruit dépend de la distribution statistique de ces valeurs aberrantes. Si par exemple ces valeurs ont tendance à se concentrer dans les extrémités de l échelle de grisé, le filtre médian est plus approprié qu un filtre moyenneur. La figure 4 montre une image optique (orthophotographie) avec la présence d un bruit uniformément distribué, dû possiblement à l opération du scannage des photographies aériennes, et l effet bénéfique d un filtre moyenneur. En contrepartie l image filtrée devient plus floue que l originale car le filtre a tendance à réduire aussi l amplitude des arêtes. Les filtres adaptatifs viennent palier à ce problème. La même figure montre les résultats d un filtre de ce type utilisé souvent avec les images optiques, le filtre des Nagao et Matsuyama (979). Ici la fenêtre du filtre est fixée à x pixels. Les valeurs des pixels sont extraites pour former neuf groupes, tel que montré à la figure. La moyenne et la variance dans chacun des groupes sont par la suite calculées. La valeur du pixel central dans l image filtrée est la moyenne du groupe présentant la plus faible variance. Ce filtre élimine le bruit à la manière d un filtre moyenneur standard tout en renforcissant le contraste entre zones homogènes. Si appliqué d une façon itérative (l image filtrée est filtrée de nouveau) il aide à créer des plages des niveaux de gris similaires facilitant ainsi l opération de classification d images (voir chapitre ).
5 Image originale Image originale lissée par filtre gaussien Image originale lissée par filtre adaptatif L histogramme de l image montre la présence des valeurs aberrantes avec une distribution uniforme dans l ensemble de l échelle des niveaux de gris. Le filtre gaussien x réduit le bruit mais en même temps baisse l amplitude des arêtes rendant l image «floue». Le filtre a été appliqué fois pour comparer le résultat avec le filtre adaptatif. Le filtre adaptatif des Nagao et Matsuyama après deux itérations. Le bruit est réduit et le contraste entre les objets est bien préservé. Détail (zoom X) Détail (zoom X) Détail (zoom X) Figure 4 : Résultats d application d un filtre gaussien et du filtre adaptatif des Nagao et Matsuyama sur une orthophotographie «bruitée» (filtre gaussien : PCI; filtre adaptatif : programmation). Figure Explications sur le filtre adaptatif des Nagao et Matsuyama, la fenêtre de x pixels est divisée en neuf domaines. Les pixels, parmi les au total qui compte la fenêtre, qui sont pris en considération dans chaque groupe sont indiqués par les.
6 Pour les images caractérisées par le bruit de chatoiement comme les images radar, le filtre médian agit mieux qu un filtre moyenneur ou gaussien. Un exemple est donné par la figure. Comme précédemment, ce filtre affecte les arêtes mais surtout les spots («cibles dures») qui sont d une grande importance dans l interprétation des images radar. Plusieurs filtres adaptatifs ont été ainsi proposés pour effectuer le lissage du bruit du chatoiement tout en préservant les arêtes et les spots. Comme dans le domaine optique, l application des filtres adaptatifs d une façon itérative facilite les opérations de segmentation d images. Image originale (RADARSAT-, mode fin) Filtre gaussien 7 x 7 Filtre médian 7x7 Détail (couvert forestier) (zoom X), le bruit du chatoiement est évident Détail (zoom X), le filtre ne réduit pas efficacement le bruit. Détail (zoom X) réduction plus efficace du bruit du chatoiement. Figure : Comparaison des résultats d un filtre gaussien et d un filtre médian (logiciel PCI).. DÉTECTION D ARÊTES La détection peut se faire par une grande variété de méthodes. Le plus simple c est de soustraire pixel par pixel des valeurs numériques de l image celles obtenues après l application d un filtre de lissage (figure 7). D une façon analogue nous pouvons soustraire d une image dilatée une image érodée (figure 7). Les techniques le plus couramment appliquées sont cependant celles impliquant des filtres de convolution.
7 7 Image originale (orthophoto, pixel de m) Image dilatée (masque x). L élément du masque a été fixé à zéro Image érodée (masque x). L élément du masque a été fixé à zéro Image lissée (filtre gaussien 9x9) Détection des arêtes : soustraction image dilatée-image érodée (gradient morphologique) Détection des arêtes : soustraction : image originale-image lissée Figure 7 : Détection des arêtes par des techniques simples (logiciel PCI; gradient morphologique : programmation) Les masques du gradient, les masques directionnels, et les masques laplaciens sont des exemples de filtres de convolution de détection d arêtes. La somme des poids des masques est égale à zéro pour que leur application dans les zones d images homogènes donne des valeurs filtrées presque zéro. Comme leur nom l indique, les filtres du gradient estiment le gradient de la fonction-image z = f(i,j). Ils le font en établissent à un pixel donné les deux composantes du gradient selon la direction des colonnes et des lignes de l image. À partir des ces deux composantes nous pouvons par la suite calculer la magnitude ainsi que la direction du gradient. La valeur du gradient est maximisée lorsque nous sommes en présence des arêtes. Parmi ces masques celui de Sobel est couramment utilisé (Tableau a). La figure 8 montre un exemple. Au lieu de calculer la magnitude et l angle du gradient, les filtres directionnels permettent de calculer les composantes du gradient selon plusieurs orientations : E, NE, N, NW, W, SW, S, SE. Nous pouvons ainsi isoler les arêtes selon leur orientation. Ils créent donc autant d images filtrées que les orientations prises en considération. Un exemple des tels masques est donné au tableau b. Le gradient d une fonction f(x,y) à un point quelconque x,y c est un vecteur qui nous montre la direction autour de ce point où le taux de changement de la valeur de la fonction est le plus fort par unité de distance. Sa magnitude dépend de ce taux. Dans le cas où la fonction représente les altitudes de terrain nous parlons de la normale au sol.
8 8 Nous pouvons également combiner les résultats pour créer une seule image d arêtes, en prenant comme valeur pour chaque pixel, celle du maximum de l ensemble des images individuelles. Contrairement aux filtres du gradient qui localisent, en principe, une arête par un pixel à mi-chemin dans la zone de transition entre les deux régions homogènes là où la différence des niveaux de gris de par et d autre est maximale (dérivée première de la fonction image), les filtres laplaciens nous indiquent deux pixels où la fonction image infléchit à cause de la présence de l arête (dérivée seconde) (figure 9). La figure montre un exemple d application d un masque laplacien (Tableau c). Comme nous le montre la figure 9 un tel filtre pour chaque arête donne un pixel d inflexion avec une valeur numérique négative et un deuxième avec une valeur numérique positive. Si les images filtrées sont créées en 8 bits nous ne verrons que le point avec une valeur positive. Nous pouvons dans ce cas inverser les signes du masque pour que l on puisse visualiser aussi le second point. Ce qui a été fait dans la figure. Si le logiciel permet la création d images en bits (avec signe) ou bits (réels) le signe est conservé. Il est à noter que l application d un filtre laplacien est suivie de l application d une opération qui s appelle détection des points de passage à zéro afin de détecter les arêtes (figure 9). 4 x S 4 y S Magnitude du gradient : S x S y G Orientation du gradient : x y S S A tan a) Masques de Sobel Nord Est Sud Ouest Nord-Est Sud-Est Sud-uest Nord-Ouest Le facteur de normalisation de chacun des masques est / b) Masques directionnels de Kirsch c) Divers masques laplaciens Tableau : Exemples de masques de convolution pour la détection d arêtes. Les coefficients de normalisation sont l inverse de la somme des poids avec le signe plus et sont utilisés pour ne pas que la magnitude des arêtes ne dépasse la valeur (images filtrées exprimées en 8 bits.
9 - VN + VN - VN - VN VN - g x = 8 VN + + VN g y = -7 VN a) La somme des différences dans la direction des colonnes nous donne la composante gx du gradient. Le signe de la différence est utilisé pour calculer l angle d orientation du gradient (schéma c). Dans cet exemple cette somme équivaut à +8VN b) La somme des différences dans la direction des lignes nous donne la composante gy du gradient. Le signe de la différence est utilisé pour calculer l angle d orientation du gradient (schéma c). Dans cet exemple cette somme équivaut à 7VN a) - g ~ VN c) Magnitude et angle d orientation du gradient g( i, j) g x g y g y ( i, j) tan gx Dans cet exemple la magnitude est égale à environ VN. Compte tenu des signes des composantes le gradient est orienté sud-est. L angle est environ Image SPOT-MSP (bande PIR) Magnitude du gradient selon les masques de Sobel Angle d orientation du gradient, plus la valeur est brillante plus l angle approche les b) Figure 8 : a) Calcul du gradient dans une fenêtre x; b) Applications du filtre du gradient de Sobel (Programmation) Tous les filtres de détection d arêtes sont sensibles au bruit radiométrique particulièrement les laplaciens. Le souci d éliminer les fausses arêtes dues au bruit a amené à la conception des algorithmes qui combinent un filtre de lissage et un filtre de détection d arêtes. Un tel algorithme est celui connu par l acronyme LoG (Laplacian of the Gaussian). Il est à noter que des filtres de détection d arêtes non linéaires ont été aussi proposés spécialement pour les images radar afin de minimiser l incidence du bruit du chatoiement.
10 Points d'inflexion (a) une arête en échelon (b) dérivée première de la fonction image Passage par zéro (c) dérivée seconde de la fonction image Figure 9 : Différence entre les filtres du gradient et les filtres laplaciens. Image originale Points d inflexion des arêtes après application d un filtre laplacien (voir texte); la brillance varie en fonction de l amplitude des arêtes Figure : Application d un filtre laplacien (logiciel PCI). L application de toutes des techniques est suivie d une série d autres traitements visant à localiser les arêtes qui ont une signification des frontières des objets comme nous le verrons dans les prochains modules.. DÉTECTION DE LIGNES Les filtres le plus couramment employés sont ici aussi les masques de convolution. Leurs poids ne sont pas tout à fait pareils à ceux des masques de détection d'arêtes, car leur but est de détecter deux arêtes à la fois avec une grande proximité physique, ce qui constitue une ligne. Un exemple des filtres directionnels pour la détection des lignes est donné à la figure. Comme dans le cas des arêtes une série de traitements s ensuit de la détection des lignes afin de ne retenir que celles qui ont une signification pour le projet en main, par exemple celles qui sont connectées en formant des réseaux comme le réseau routier.
11 Le facteur de normalisation est /4. Image originale Détection des lignes Figure : Application des masques de détection des lignes (voir texte) sur une orthoimage panchromatique IRS (pixel de m) (programmation). 4. DÉTECTION DE SPOTS Comme auparavant avec les lignes nous pouvons définir des masques qui permettent la détection des pixels d une brillance singulière, ou le contour des petits objets de différentes formes (carrées, rectangulaires, circulaires). La figure montre un exemple d application d un tel filtre pour la détection des objets de petite taille de forme circulaire. Le masque appliqué a été défini comme suit :,,,,,,,, Figure : Application d un masque de détection des spots de forme circulaire (ici réservoirs d hydrocarbures) sur une orthoimage panchromatique IRS (pixel de m) (logiciel PCI)
12 . REHAUSSEMENT D ARÊTES Deux types d opérations sont souvent utilisés pour obtenir le rehaussement d arêtes : les masques de convolution et la méthode du masquage non-accentué ( unsharp masking ). Les masques de convolution sont des laplaciens dont le résultat est ajouté à l image originale. Cette opération peut être représentée par un seul masque de convolution, par exemple : Masque Masque 9 Masque : Nous observons que contrairement aux masques de détection d arêtes, la somme des poids d un masque de rehaussement est égale à car nous voulons maintenir les valeurs numériques des pixels à l intérieur des zones homogènes. L action du masquage non-accentué peut être représentée sous forme mathématique comme suit : c ( c ) G (i, j ) F(i, j ) FL (i, j ) c c où F(i,j) est la valeur numérique de l image originale au pixel (i,j), F L (i,j) est la valeur numérique du pixel (i,j) dans l image lissée F(i,j). Le coefficient c est une constante de pondération. La figure montre un exemple de rehaussement d arêtes avec cette technique Dans cette figure, la constante de pondération c de l équation précédente a été fixée à,. Image originale Image lissée filtre gaussien 9 x 9 pixels Résultat du masquage non-accentué. Figure : Rehaussement d arêtes avec la méthode du masquage sans accentuation (logiciel PCI)
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 détailMaster IMA - UMPC Paris 6 RDMM - Année 2009-2010 Fiche de TP
Master IMA - UMPC Paris 6 RDMM - Année 2009-200 Fiche de TP Préliminaires. Récupérez l archive du logiciel de TP à partir du lien suivant : http://www.ensta.fr/~manzaner/cours/ima/tp2009.tar 2. Développez
Plus en détailAnalyse de la vidéo. Chapitre 4.1 - La modélisation pour le suivi d objet. 10 mars 2015. Chapitre 4.1 - La modélisation d objet 1 / 57
Analyse de la vidéo Chapitre 4.1 - La modélisation pour le suivi d objet 10 mars 2015 Chapitre 4.1 - La modélisation d objet 1 / 57 La représentation d objets Plan de la présentation 1 La représentation
Plus en détailGéométrie discrète Chapitre V
Géométrie discrète Chapitre V Introduction au traitement d'images Géométrie euclidienne : espace continu Géométrie discrète (GD) : espace discrétisé notamment en grille de pixels GD définition des objets
Plus en détailL analyse d images regroupe plusieurs disciplines que l on classe en deux catégories :
La vision nous permet de percevoir et d interpreter le monde qui nous entoure. La vision artificielle a pour but de reproduire certaines fonctionnalités de la vision humaine au travers de l analyse d images.
Plus en détailProjet de Traitement du Signal Segmentation d images SAR
Projet de Traitement du Signal Segmentation d images SAR Introduction En analyse d images, la segmentation est une étape essentielle, préliminaire à des traitements de haut niveau tels que la classification,
Plus en détailTP : Gestion d une image au format PGM
TP : Gestion d une image au format PGM Objectif : L objectif du sujet est de créer une classe de manipulation d images au format PGM (Portable GreyMap), et de programmer des opérations relativement simples
Plus en détailFête de la science Initiation au traitement des images
Fête de la science Initiation au traitement des images Détection automatique de plaques minéralogiques à partir d'un téléphone portable et atelier propose de créer un programme informatique pour un téléphone
Plus en détailGUIDE Excel (version débutante) Version 2013
Table des matières GUIDE Excel (version débutante) Version 2013 1. Créer un nouveau document Excel... 3 2. Modifier un document Excel... 3 3. La fenêtre Excel... 4 4. Les rubans... 4 5. Saisir du texte
Plus en détailUtilisation du logiciel ImageJ gratuit
Utilisation du logiciel ImageJ gratuit on peut récupérer sur le lien suivant : http://rsbweb.nih.gov/ij/ à partir duquel ce résumé très bref (!!) a été élaboré Lancer ImageJ Vous avez une fenêtre qui s'ouvre
Plus en détailAlgorithme des fourmis appliqué à la détection et au suivi de contours dans une image
IN52-IN54 A2008 Algorithme des fourmis appliqué à la détection et au suivi de contours dans une image Etudiants : Nicolas MONNERET Alexandre HAFFNER Sébastien DE MELO Responsable : Franck GECHTER Sommaire
Plus en détailProjet Matlab/Octave : segmentation d'un ballon de couleur dans une image couleur et insertion d'un logo
Projet Matlab/Octave : segmentation d'un ballon de couleur dans une image couleur et insertion d'un logo Dans ce projet, nous allons réaliser le code qui permet d'insérer sur une image, un logo sur un
Plus en détailSystèmes de transmission
Systèmes de transmission Conception d une transmission série FABRE Maxime 2012 Introduction La transmission de données désigne le transport de quelque sorte d'information que ce soit, d'un endroit à un
Plus en détailAnnexe commune aux séries ES, L et S : boîtes et quantiles
Annexe commune aux séries ES, L et S : boîtes et quantiles Quantiles En statistique, pour toute série numérique de données à valeurs dans un intervalle I, on définit la fonction quantile Q, de [,1] dans
Plus en détailLIDAR LAUSANNE 2012. Nouvelles données altimétriques sur l agglomération lausannoise par technologie laser aéroporté et ses produits dérivés
LIDAR LAUSANNE 2012 Nouvelles données altimétriques sur l agglomération lausannoise par technologie laser aéroporté et ses produits dérivés LIDAR 2012, nouveaux modèles altimétriques 1 Affaire 94022 /
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailUtilisation d informations visuelles dynamiques en asservissement visuel Armel Crétual IRISA, projet TEMIS puis VISTA L asservissement visuel géométrique Principe : Réalisation d une tâche robotique par
Plus en détailINTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE
INTRODUCTION A L ELECTRONIQUE NUMERIQUE ECHANTILLONNAGE ET QUANTIFICATION I. ARCHITECTURE DE L ELECRONIQUE NUMERIQUE Le schéma synoptique ci-dessous décrit les différentes étapes du traitement numérique
Plus en détailEvolution des risques sur les crédits à l habitat
Evolution des risques sur les crédits à l habitat n 5 février 2012 1/17 SOMMAIRE 1. PRINCIPALES CARACTÉRISTIQUES DE LA PRODUCTION... 4 2. ANALYSE DÉTAILLÉE DES INDICATEURS DE RISQUE... 8 2.1 Montant moyen
Plus en détailQuantification Scalaire et Prédictive
Quantification Scalaire et Prédictive Marco Cagnazzo Département Traitement du Signal et des Images TELECOM ParisTech 7 Décembre 2012 M. Cagnazzo Quantification Scalaire et Prédictive 1/64 Plan Introduction
Plus en détailLa classification automatique de données quantitatives
La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détailChapitre 10 Arithmétique réelle
Chapitre 10 Arithmétique réelle Jean Privat Université du Québec à Montréal INF2170 Organisation des ordinateurs et assembleur Automne 2013 Jean Privat (UQAM) 10 Arithmétique réelle INF2170 Automne 2013
Plus en détailSilverFast SE Plus 8 - Le meilleur logiciel de scanner... beaucoup plus qu un simple logiciel pour des scanners.
SilverFast SE Plus 8 - Le meilleur logiciel de scanner... beaucoup plus qu un simple logiciel pour des scanners. LaserSoft Imaging a fait pendant 25 ans ses expériences dans la numérisation et ces connaissances
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailINF6304 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 détailTP SIN Traitement d image
TP SIN Traitement d image Pré requis (l élève doit savoir): - Utiliser un ordinateur Objectif terminale : L élève doit être capable de reconnaître un format d image et d expliquer les différents types
Plus en détailEquipement. électronique
MASTER ISIC Les générateurs de fonctions 1 1. Avant-propos C est avec l oscilloscope, le multimètre et l alimentation stabilisée, l appareil le plus répandu en laboratoire. BUT: Fournir des signau électriques
Plus en détailLes étapes du traitement de l analyse d image
Les étapes du traitement de l analyse d image La capture image brute Prétraitement niveaux de gris Segmentation image binaire Post-traitement régions d intérêts Amélioration Publication Quantification
Plus en détailOpérations de base sur ImageJ
Opérations de base sur ImageJ TPs d hydrodynamique de l ESPCI, J. Bico, M. Reyssat, M. Fermigier ImageJ est un logiciel libre, qui fonctionne aussi bien sous plate-forme Windows, Mac ou Linux. Initialement
Plus en détailCours IV Mise en orbite
Introduction au vol spatial Cours IV Mise en orbite If you don t know where you re going, you ll probably end up somewhere else. Yogi Berra, NY Yankees catcher v1.2.8 by-sa Olivier Cleynen Introduction
Plus en détailCoup de Projecteur sur les Réseaux de Neurones
Coup de Projecteur sur les Réseaux de Neurones Les réseaux de neurones peuvent être utilisés pour des problèmes de prévision ou de classification. La représentation la plus populaire est le réseau multicouche
Plus en détailCompte-rendu Réunion générale. Grenoble, le 29 juin 2011 URBASIS
URBASIS Sismologie urbaine : évaluation de la vulnérabilité et des dommages sismiques par méthodes innovantes ANR09RISK009 URBASIS Compterendu Réunion générale Grenoble, le 29 juin 2011 Participants: J.
Plus en détailIntroduction au Data-Mining
Introduction au Data-Mining Alain Rakotomamonjy - Gilles Gasso. INSA Rouen -Département ASI Laboratoire PSI Introduction au Data-Mining p. 1/25 Data-Mining : Kèkecé? Traduction : Fouille de données. Terme
Plus en détailL ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ
L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et
Plus en détailSujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.
Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de
Plus en détailLES CARACTERISTIQUES DES SUPPORTS DE TRANSMISSION
LES CARACTERISTIQUES DES SUPPORTS DE TRANSMISSION LES CARACTERISTIQUES DES SUPPORTS DE TRANSMISSION ) Caractéristiques techniques des supports. L infrastructure d un réseau, la qualité de service offerte,
Plus en détailSimulation 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 détailFranck VAUTIER, Jean-Pierre TOUMAZET, Erwan ROUSSEL, Marlène FAURE, Mohamed ABADI, Marta FLOREZ, Bertrand DOUSTEYSSIER
Utilisation d images dérivées d un jeu de données LIDAR pour la détection automatisée de vestiges archéologiques (programme de recherche méthodologique LiDARCHEO) Franck VAUTIER, Jean-Pierre TOUMAZET,
Plus en détailProgrammation Linéaire - Cours 1
Programmation Linéaire - Cours 1 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Ouvrages de référence V. Chvátal - Linear Programming, W.H.Freeman, New York, 1983.
Plus en détail23. Interprétation clinique des mesures de l effet traitement
23. Interprétation clinique des mesures de l effet traitement 23.1. Critères de jugement binaires Plusieurs mesures (indices) sont utilisables pour quantifier l effet traitement lors de l utilisation d
Plus en détailOptimisation, traitement d image et éclipse de Soleil
Kléber, PCSI1&3 014-015 I. Introduction 1/8 Optimisation, traitement d image et éclipse de Soleil Partie I Introduction Le 0 mars 015 a eu lieu en France une éclipse partielle de Soleil qu il était particulièrement
Plus en détailBiostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke
www.fundp.ac.be/biostats Module 140 140 ANOVA A UN CRITERE DE CLASSIFICATION FIXE...2 140.1 UTILITE...2 140.2 COMPARAISON DE VARIANCES...2 140.2.1 Calcul de la variance...2 140.2.2 Distributions de référence...3
Plus en détailProjet audio. Analyse des Signaux ELE2700
ÉCOLE POLYTECHNIQUE DE MONTRÉAL Département de Génie Électrique Projet audio Analyse des Signaux ELE2700 Saad Chidami - 2014 Table des matières Objectif du laboratoire... 4 Caractérisation du bruit...
Plus en détailMicroscopie 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 détail4. 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 détailLa valeur présente (ou actuelle) d une annuité, si elle est constante, est donc aussi calculable par cette fonction : VA = A [(1-1/(1+k) T )/k]
Evaluation de la rentabilité d un projet d investissement La décision d investir dans un quelconque projet se base principalement sur l évaluation de son intérêt économique et par conséquent, du calcul
Plus en détailProjet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies
Projet de traitement d'image - SI 381 reconstitution 3D d'intérieur à partir de photographies Régis Boulet Charlie Demené Alexis Guyot Balthazar Neveu Guillaume Tartavel Sommaire Sommaire... 1 Structure
Plus en détailObjectifs. Clustering. Principe. Applications. Applications. Cartes de crédits. Remarques. Biologie, Génomique
Objectifs Clustering On ne sait pas ce qu on veut trouver : on laisse l algorithme nous proposer un modèle. On pense qu il existe des similarités entre les exemples. Qui se ressemble s assemble p. /55
Plus en détailERRATA ET AJOUTS. ( t) 2 s2 dt (4.7) Chapitre 2, p. 64, l équation se lit comme suit : Taux effectif = 1+
ERRATA ET AJOUTS Chapitre, p. 64, l équation se lit comme suit : 008, Taux effectif = 1+ 0 0816 =, Chapitre 3, p. 84, l équation se lit comme suit : 0, 075 1 000 C = = 37, 50$ Chapitre 4, p. 108, note
Plus en détailTraitement d un AVI avec Iris
Traitement d un AVI avec Iris 1. Définir le répertoire de travail Fichier > Réglages (Ctrl + R) Et on définit le chemin du répertoire de travail. C est là que les images vont être stockées. 2. Convertir
Plus en détailLeçon N 4 : Statistiques à deux variables
Leçon N 4 : Statistiques à deux variables En premier lieu, il te faut relire les cours de première sur les statistiques à une variable, il y a tout un langage à se remémorer : étude d un échantillon d
Plus en détailSommaire. Rentabilité du retour d une franchise de baseball de la Ligue majeure de baseball à Montréal (les «Expos»)
Sommaire Rentabilité du retour d une franchise de baseball de la Ligue majeure de baseball à Montréal (les «Expos») Novembre 2013 Table des matières 1. CONTEXTE ET OBJECTIFS... 3 2. MÉTHODES DE RECHERCHE...
Plus en détailProgrammation 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 détailVision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007
Vision industrielle et télédétection - Détection d ellipses Guillaume Martinez 17 décembre 2007 1 Table des matières 1 Le projet 3 1.1 Objectif................................ 3 1.2 Les choix techniques.........................
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailCompte rendu de l examen par le BSIF des coefficients du risque d assurance
Compte rendu de l examen par le BSIF des coefficients du risque d assurance Le présent document précise encore davantage les données et la méthodologie utilisées par le BSIF pour calculer les marges pour
Plus en détailFONTANOT CREE UNE LIGNE D ESCALIERS IMAGINÉE POUR CEUX QUI AIMENT LE BRICOLAGE.
STILE FONTANOT CREE UNE LIGNE D ESCALIERS IMAGINÉE POUR CEUX QUI AIMENT LE BRICOLAGE. 2 3 Magia. Une gamme de produits qui facilitera le choix de votre escalier idéal. 4 06 Guide pour la sélection. 16
Plus en détaildonnées en connaissance et en actions?
1 Partie 2 : Présentation de la plateforme SPSS Modeler : Comment transformer vos données en connaissance et en actions? SPSS Modeler : l atelier de data mining Large gamme de techniques d analyse (algorithmes)
Plus en détailLe traitement du 5ème concours A.I.P. pour l objet SH2-155 de Franck JOBARD
Le traitement du 5ème concours A.I.P. pour l objet SH2-155 de Franck JOBARD J ai fait le choix d utiliser Pixinsight en utilisant le process icons de l aip v3-21 pour le prétraitement. 1. Prétraitement
Plus en détailFonctions de deux variables. Mai 2011
Fonctions de deux variables Dédou Mai 2011 D une à deux variables Les fonctions modèlisent de l information dépendant d un paramètre. On a aussi besoin de modéliser de l information dépendant de plusieurs
Plus en détailRelation entre deux variables : estimation de la corrélation linéaire
CHAPITRE 3 Relation entre deux variables : estimation de la corrélation linéaire Parmi les analyses statistiques descriptives, l une d entre elles est particulièrement utilisée pour mettre en évidence
Plus en détailJean-Philippe Préaux http://www.i2m.univ-amu.fr/~preaux
Colonies de fourmis Comment procèdent les colonies de fourmi pour déterminer un chemin presque géodésique de la fourmilière à un stock de nourriture? Les premières fourmis se déplacent au hasard. Les fourmis
Plus en détailCalc 2 Avancé. OpenOffice.org. Guide de formation avec exercices et cas pratiques. Philippe Moreau
OpenOffice.org Calc 2 Avancé Guide de formation avec exercices et cas pratiques Philippe Moreau Tsoft et Groupe Eyrolles, 2007, ISBN : 2-212-12036-2, ISBN 13 : 978-2-212-12036-3 4 - Plages de données 4
Plus en détailModule 1 : Tableau de bord Excel * 2010 incl.*
Module 1 : Tableau de bord Excel * 2010 incl.* 1.0 Introduction Excel nous aide à mieux comprendre les données en les plaçant dans des cellules (réparties en lignes et en colonnes) et au moyen de formules
Plus en détailSYSTEME DE PALPAGE A TRANSMISSION RADIO ETUDE DU RECEPTEUR (MI16) DOSSIER DE PRESENTATION. Contenu du dossier :
SYSTEME DE PALPAGE A TRANSMISSION RADIO ETUDE DU RECEPTEUR (MI16) DOSSIER DE PRESENTATION Contenu du dossier : 1. PRESENTATION DU SYSTEME DE PALPAGE A TRANSMISSION RADIO....1 1.1. DESCRIPTION DU FABRICANT....1
Plus en détailContexte. Pour cela, elles doivent être très compliquées, c est-à-dire elles doivent être très différentes des fonctions simples,
Non-linéarité Contexte Pour permettre aux algorithmes de cryptographie d être sûrs, les fonctions booléennes qu ils utilisent ne doivent pas être inversées facilement. Pour cela, elles doivent être très
Plus en détail12 Tableaux croisés dynamiques
12 Le tableau croisé dynamique est l un des meilleurs outils de synthèse que propose Excel. Ne vous laissez pas intimidé par ce nom barbare et surtout, oubliez les inconvénients et les lourdeurs des précédentes
Plus en détailCalcul des indicateurs de sonie : revue des algorithmes et implémentation
Calcul des indicateurs de sonie : revue des algorithmes et implémentation Stéphane Molla 1, Isabelle Boullet 2, Sabine Meunier 2, Guy Rabau 2, Benoît Gauduin 1, Patrick Boussard 1 1 GENESIS S.A., Domaine
Plus en détailLes algorithmes de base du graphisme
Les algorithmes de base du graphisme Table des matières 1 Traçage 2 1.1 Segments de droites......................... 2 1.1.1 Algorithmes simples.................... 3 1.1.2 Algorithmes de Bresenham (1965).............
Plus en détailLA PHYSIQUE DES MATERIAUX. Chapitre 1 LES RESEAUX DIRECT ET RECIPROQUE
LA PHYSIQUE DES MATERIAUX Chapitre 1 LES RESEAUX DIRECT ET RECIPROQUE Pr. A. Belayachi Université Mohammed V Agdal Faculté des Sciences Rabat Département de Physique - L.P.M belayach@fsr.ac.ma 1 1.Le réseau
Plus en détailManipulation N 6 : La Transposition de fréquence : Mélangeur micro-ondes
Manipulation N 6 : La Transposition de fréquence : Mélangeur micro-ondes Avant Propos : Le sujet comporte deux parties : une partie théorique, jalonnée de questions (dans les cadres), qui doit être préparée
Plus en détailLa fumée de tabac secondaire (FTS) en Mauricie et au Centre-du- Québec, indicateurs du plan commun tirés de l ESCC de 2007-2008
La fumée de tabac secondaire (FTS) en Mauricie et au Centre-du- Québec, indicateurs du plan commun tirés de l ESCC de 2007-2008 Ce document se veut une analyse succincte des indicateurs se rapportant à
Plus en détailMESURES DE BRUIT A l ÉTAT INITIAL
DOSSIER DE DEMANDE D AUTORISATION D EXPLOITER UNE UNITE DE METHANISATION DE MATIERES ORGANIQUES Siège social : FRANCE BIOGAZ VALORISATION 12 rue Finkmatt 67000 STRASBOURG Tél. : 03 88 23 47 72 Fax : 03
Plus en détailLa qualité des services mobiles en France métropolitaine
Juin 2014 La qualité des services mobiles en France métropolitaine Synthèse de l enquête 2014 ISSN : 2258-3106 Synthèse des résultats de l enquête 2014 de l ARCEP sur la qualité des services mobiles Ce
Plus en détailMesure agnostique de la qualité des images.
Mesure agnostique de la qualité des images. Application en biométrie Christophe Charrier Université de Caen Basse-Normandie GREYC, UMR CNRS 6072 Caen, France 8 avril, 2013 C. Charrier NR-IQA 1 / 34 Sommaire
Plus en détailMISE AU POINT FINANCIÈRE GUIDE DE L UTILISATEUR. Le logiciel MISE AU POINT FINANCIÈRE est offert sous licence par EquiSoft.
MISE AU POINT FINANCIÈRE GUIDE DE L UTILISATEUR Le logiciel MISE AU POINT FINANCIÈRE est offert sous licence par EquiSoft. Accès MISE AU POINT FINANCIÈRE Guide de l utilisateur (V3) Octobre 2012 Page 2
Plus en détailBases de données réparties: Fragmentation et allocation
Pourquoi une base de données distribuée? Bibliographie Patrick Valduriez, S. Ceri, Guiseppe Delagatti Bases de données réparties: Fragmentation et allocation 1 - Introduction inventés à la fin des années
Plus en détailTransmission de données. A) Principaux éléments intervenant dans la transmission
Page 1 / 7 A) Principaux éléments intervenant dans la transmission A.1 Equipement voisins Ordinateur ou terminal Ordinateur ou terminal Canal de transmission ETTD ETTD ETTD : Equipement Terminal de Traitement
Plus en détail1 Recherche en table par balayage
1 Recherche en table par balayage 1.1 Problème de la recherche en table Une table désigne une liste ou un tableau d éléments. Le problème de la recherche en table est celui de la recherche d un élément
Plus en détail5.2. EVOLUTION DU TRAIT DE COTE SUR LES PHOTOGRAPHIES AERIENNES DE L'IGN ET LES CARTES ANCIENNES DU SHOM
5.2. EVOLUTION DU TRAIT DE COTE SUR LES PHOTOGRAPHIES AERIENNES DE L'IGN ET LES CARTES ANCIENNES DU SHOM La digitalisation des traits de côte (pied de falaise) a été réalisée pour les cartes anciennes
Plus en détailBandes Critiques et Masquage
Bandes Critiques et Masquage A. Almeida Licence Pro Acoustique et Vibrations Octobre 2012 Au Menu Au programme 1 Observations du masquage 5 Application du masquage 2 Conséquences du Masquage 3 Interprétation
Plus en détailCHAPITRE IX : Les appareils de mesures électriques
CHAPITRE IX : Les appareils de mesures électriques IX. 1 L'appareil de mesure qui permet de mesurer la différence de potentiel entre deux points d'un circuit est un voltmètre, celui qui mesure le courant
Plus en détailPrédiction 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 détailLES CARTES À POINTS : POUR UNE MEILLEURE PERCEPTION
LES CARTES À POINTS : POUR UNE MEILLEURE PERCEPTION DES NOMBRES par Jean-Luc BREGEON professeur formateur à l IUFM d Auvergne LE PROBLÈME DE LA REPRÉSENTATION DES NOMBRES On ne conçoit pas un premier enseignement
Plus en détailSudoClick Reconnaissance de grilles de sudoku pour téléphones portables
SudoClick Reconnaissance de grilles de sudoku pour téléphones portables Patrick Anagnostaras 1 24 mai 2008 Department of Informatics - Master Project Report Département d Informatique - Departement für
Plus en détailChaine de transmission
Chaine de transmission Chaine de transmission 1. analogiques à l origine 2. convertis en signaux binaires Échantillonnage + quantification + codage 3. brassage des signaux binaires Multiplexage 4. séparation
Plus en détailTUTORIAL 1 ETUDE D UN MODELE SIMPLIFIE DE PORTIQUE PLAN ARTICULE
TUTORIAL 1 ETUDE D UN MODELE SIMPLIFIE DE PORTIQUE PLAN ARTICULE L'objectif de ce tutorial est de décrire les différentes étapes dans CASTOR Concept / FEM permettant d'effectuer l'analyse statique d'une
Plus en détailLes Français et les nuisances sonores. Ifop pour Ministère de l Ecologie, du Développement Durable et de l Energie
Les Français et les nuisances sonores Ifop pour Ministère de l Ecologie, du Développement Durable et de l Energie RB/MCP N 112427 Contacts Ifop : Romain Bendavid / Marion Chasles-Parot Département Opinion
Plus en détailReconstruction de bâtiments en 3D à partir de nuages de points LIDAR
Reconstruction de bâtiments en 3D à partir de nuages de points LIDAR Mickaël Bergem 25 juin 2014 Maillages et applications 1 Table des matières Introduction 3 1 La modélisation numérique de milieux urbains
Plus en détailMode d'emploi du plugin Grayscale_Granulometry
Mode d'emploi du plugin Grayscale_Granulometry D. Legland 27 mars 2013 Mode d'emploi rapide du plugin Grayscale Granulometry pour ImageJ. Le plugin permet de calculer des courbes de granulométrie en niveaux
Plus en détail1. La production d électricité dans le monde : perspectives générales
Quinzième inventaire Édition 2013 La production d électricité d origine renouvelable dans le monde Collection chiffres et statistiques Cet inventaire a été réalisé par Observ ER et la Fondation Énergies
Plus en détailTRAVAUX PRATIQUES SCIENTIFIQUES SUR SYSTÈME
Baccalauréat Professionnel SYSTÈMES ÉLECTRONIQUES NUMÉRIQUES Champ professionnel : Alarme Sécurité Incendie SOUS - EPREUVE E12 TRAVAUX PRATIQUES SCIENTIFIQUES SUR SYSTÈME Durée 3 heures coefficient 2 Note
Plus en détailTechniques d interaction dans la visualisation de l information Séminaire DIVA
Techniques d interaction dans la visualisation de l information Séminaire DIVA Zingg Luca, luca.zingg@unifr.ch 13 février 2007 Résumé Le but de cet article est d avoir une vision globale des techniques
Plus en détailCet article s attache tout d abord
Méthodes internationales pour comparer l éducation et l équité Comparaison entre pays des coûts de l éducation : des sources de financement aux dépenses Luc Brière Marguerite Rudolf Bureau du compte de
Plus en détailUtiliser des fonctions complexes
Chapitre 5 Utiliser des fonctions complexes Construire une formule conditionnelle avec la fonction SI Calculer un remboursement avec la fonction VPN Utiliser des fonctions mathématiques Utiliser la fonction
Plus en détailStation Totale Geomax Série Zoom30
Station Totale Geomax Série Zoom30 GeoMax Profil de l entreprise GeoMax est une entreprise fort de solides positions sur L étroite collaboration qui présente à l international et le marché des technologies
Plus en détailMathématique et Automatique : de la boucle ouverte à la boucle fermée. Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans
Mathématique et Automatique : de la boucle ouverte à la boucle fermée Maïtine bergounioux Laboratoire MAPMO - UMR 6628 Université d'orléans Maitine.Bergounioux@labomath.univ-orleans.fr Plan 1. Un peu de
Plus en détailIntroduction 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