Compression d images. Frédéric Dufaux. 26 janvier Département Traitement du Signal et des Images TELECOM ParisTech. Compression. F.
|
|
- Oscar Mongrain
- il y a 8 ans
- Total affichages :
Transcription
1 d images Frédéric Dufaux Département Traitement du Signal et des Images TELECOM ParisTech 26 janvier / 91
2 Plan 1 sur la compression d images 2 Quantification 3 4 Codage par Transformée 5 2 / 91
3 Plan 1 sur la compression d images 2 Quantification 3 4 Codage par Transformée 5 3 / 91
4 Représentation des images numériques Grille discrete, image N M pixels A chaque pixel (m,n), on associe un ordre de traitement k Généralement, balayage ligne par ligne unilatéral : k = (n 1)M + m On notera indifféremment f n,m ou f k m M n f n,m = f k N 4 / 91
5 Représentation des images numériques Images couleurs : Format RVB Images en couleurs : trois composantes, chacune représentée comme une image en niveaux de gris. 5 / 91
6 Représentation des images numériques Espaces de couleurs Espace RGB Espace HSV 6 / 91
7 Représentation des images numériques Images couleurs : Format YUV Images en couleurs : une composante de luminance et deux de chrominance (sous-échantillonnées). 7 / 91
8 Pourquoi comprimer? Exemple 1 : Libraire de photos numériques Images à 10 Megapixel Trois composantes couleur Un octet par composant Occupation mémoire : 30 Mo par photo Publication sur le Web? 8 / 91
9 Pourquoi comprimer? Exemple 2 : Télévision système analogique bande de fréquence : 6 MHz système numérique 1 composante de luminance composantes de chrominance quantification sur 8 bits 25 images par seconde R 125 Mbps bande de fréquence? 2 heures de film > 100 Go 9 / 91
10 Fondements de la compression POURQUOI EST-IL POSSIBLE DE COMPRIMER? Redondance statistique des données homogénéité des images similitude entre images successives Redondance psychovisuelle sensibilité aux baisses fréquences effets de masquage autres limites du système visuel humain Un algorithme de compression (ou codage) doit exploiter au maximum la redondance des données 10 / 91
11 Algorithmes de compression Types d algorithme Algorithmes sans perte (lossless) Reconstruction parfaite Basés sur la redondance statistique Faible rapport de compression Algorithmes avec perte (lossy) Image reconstruite image originale Basés sur la quantification Redondance psychovisuelle : visually lossless Rapport de compression élevé 11 / 91
12 Critères de performance Débit Rapport (taux) de compression T = B in B out = R in R out Débit de codage Image : R = Bout NM [bpp] Video, son : R = Bout T [bps] Codage d image sans perte : T 3 Codage d image avec perte : T 5? Codage vidéo avec perte : T 20? 12 / 91
13 Critères de performance Qualité et distorsion Le seul débit n est pas suffisant pour évaluer un algorithme avec pertes Il faut déterminer la qualité ou la distorsion de l image reconstruite Les Critères objectifs sont fonctions mathématiques de f n,m : image d origine ; et fn,m : image reconstruite après compression Critères objectifs non perceptuels Erreur quadratique moyenne (MSE) : D = 1 N M N M n=1 m=1 (f n,m f n,m ) 2 ( Rapport signal sur bruit crête : PSNR = 10 log 10 Critères objectifs perceptuels ) D On utilise des modèles du SVH pour prendre en compte la sensibilité aux fréquences, les masquages, / 91
14 Évaluation de la qualité Aspects psychovisuels Exemple Image Originale, 24 bpp 14 / 91
15 Évaluation de la qualité Aspects psychovisuels Bruit blanc σ = 4 Image Originale, 24 bpp Erreur dispersée, MSE = / 91
16 Évaluation de la qualité Aspects psychovisuels Bruit concentré sur pixels Image Originale, 24 bpp Erreur concentrée, MSE = / 91
17 Évaluation de la qualité Aspects psychovisuels Bruit concentré sur les contours (estimation par filtre de Sobel) Contours de l image Erreur concentrée sur les contours, MSE = / 91
18 Évaluation de la qualité Aspects psychovisuels Bruit sur les hautes fréquences spatiales Image Originale, 24 bpp Erreur en frequence, MSE = / 91
19 Évaluation de la qualité Aspects psychovisuels Sous-échantillonnement dans l espace des couleurs Image Originale, 24 bpp Sous echantillonement en couleur, MSE = / 91
20 Critères de performance Qualité et distorsion Les Critères subjectifs sont basés sur l évaluation de la qualité des image faite par des humaines Difficulté de créer un bon modèle du SVH Analyse statistique des résultats Évaluations longues, difficiles et coûteuses En conclusion, souvent on se limite à utiliser les critères objectifs non perceptuels : Simplicité Interprétation géométrique (norme euclidienne) Optimisation analytique Relation avec la qualité perçue? 20 / 91
21 Critères de performance Complexité, retard et robustesse La complexité d un algorithme de codage peut être limitée par : contraintes liées à l application (temps réel) limités du matériel (hardware) coût économique Le retard est normalement mesuré au codeur Lié à la complexité Influencé par l ordre de codage Robustesse: sensibilité de l algorithme de compression/reconstruction à des petites altérations du code comprimé (erreurs de transmission) 21 / 91
22 Critères de performance Bilan Besoins contradictoire : Qualité Robustesse Débit Complexité Retard 22 / 91
23 Outils fondamentaux pour la compression Codage entropique Quantification Transformée Prédiction 23 / 91
24 Plan 1 sur la compression d images 2 Quantification 3 4 Codage par Transformée 5 24 / 91
25 Quantification Definition Q : x R y C = {ˆx 1,ˆx 2,...ˆx L } ˆx 7 ˆx 6 ˆx 5 d 0 d 1 d 2 d 3 d 4 d 5 d 6 d 7 d 8 ˆx 4 ˆx 3 ˆx 2 ˆx 1 25 / 91
26 Quantification Definition Q : x R y C = {ˆx 1,ˆx 2,...ˆx L } C : Dictionnaire R = log 2 L : Débit E = X Q(X) : Bruit de quantification D = E [ (X Q(X)) 2] = E [ E 2] : Distortion Θ i = {x : Q(x) = ˆx i } : Régions. Evaluation d un quantificateur : courbe D(R) 26 / 91
27 Quantification Typiquement, 1) Θ i = (d i 1,d i ) 2) ˆx i Θ i d 0 d i 1 d i d L ˆx i Θ i 27 / 91
28 Quantification uniforme d i = d i 1 + ˆx i = d i+d i 1 2 Simple Minimize l erreur maximale Optimale pour v.a. uniforme Courbe D(R) pour une v.a. uniforme : D = σ 2 X 2 2R Courbe D(R) pour une v.a. non uniforme en haute résolution : D = K X σ 2 X 2 2R 28 / 91
29 Quantification optimale Pour une densité de probabilité f X (x) donnée, determiner le quantificateur qui minimize la distorsion pour un débit donné. Problème equivalent à determiner les seuils d i et les niveaux ˆx i. Solutions : Solution analytique en haute résolution: D = h X σ 2 x 2 2R Si l hypothese de haute résolution est fausse, on peut atteindre un minimum local de la distorsion avec l algorithme de Max-Lloyd 29 / 91
30 Quantification optimale Algorithme de Max-Lloyd Algorithme de Max-Lloyd 1 initialiser les régions (p.e. uniforme) 2 trouver les meilleures régions pour le dictionnaire donné d i = ˆx i +ˆx i+1, i {1,...,L 1} 2 3 trouver le meilleur dictionnaire pour les régions données Θ ˆx i = E[X X Θ i ] = i xf X (x)dx Θ i f X (x)dx 4 boucler en 2 jusqu à la convergence 30 / 91
31 Débit de codage 2 possibilités pour coder les niveaux de quantification codes de longueur fixe b bits par niveau avec log 2 (L) b < log 2 (L)+1 codes de longueur variable b i bits pour coder ˆx i entropie : H(x) = L i=1 p i log 2 (p i ) avec p i = P(x = ˆx i ) longueur moyenne : b = L i=1 b i p i H(x) code d Huffman : b < H(x)+1 plus performant 31 / 91
32 Quantification uniforme Exemple de quantification Image Originale, 24 bpp 32 / 91
33 Quantification uniforme Exemple de codage Débit 21 bpp PSNR db TC / 91
34 Quantification uniforme Exemple de codage Débit 18 bpp PSNR db TC / 91
35 Quantification uniforme Exemple de codage Débit 15 bpp PSNR db TC / 91
36 Quantification uniforme Exemple de codage Débit 12 bpp PSNR db TC / 91
37 Quantification uniforme Exemple de codage Débit 9 bpp PSNR db TC / 91
38 Quantification uniforme Exemple de codage Débit 6 bpp PSNR db TC / 91
39 Quantification uniforme Exemple de codage Débit 3 bpp PSNR db TC / 91
40 Conclusion Quantification : au centre de la compression avec perte Operation non reversible Centrale dans le compromis débit-distorsion Approximations à haute résolution: D 2 2R D σ 2 La seule quantification est insuffisante à assurer des bonnes performances de compression 40 / 91
41 Plan 1 sur la compression d images 2 Quantification 3 4 Codage par Transformée 5 41 / 91
42 Codage prédictive Principes La seule quantification est peu efficace pour la compression Modèle soujacent trop simple : pixels indépendants et d égales importances Idée : exploiter la correlation entre pixel par une prédiction Réduction de la variance 42 / 91
43 Schéma de codage Schéma simplifié Le pixel f k depend de ses voisins Si on connaît les voisins de f k, on les utilise pour le prédire Si on fait un bonne prédiction, f k f k f k e k ẽ k fk Q fk fk Comment on fait la prédiction? Qu est-ce qu on gagne? 43 / 91
44 Schéma de codage Schéma MICD (DPCM) complet Encodeur : f k fk e k P Q fk ẽ k ẽ k fk Décodeur : ẽ k fk fk P fk 44 / 91
45 Gain de prédiction Erreur sur la prédiction = erreur sur le signal : Gain de codage : ɛ k = ẽ k e k = ẽ k + f k (e k + f k ) = f k f k σf 2 SNR p = 10log 10 ɛ 2 = 10log σf 2 10 σe log 10 σ 2 e ɛ 2 = G P + G Q La prédiction doit produire un signal d erreur dont la variance est inférieure à la variance du signal d origine 45 / 91
46 Prédicteurs fk est obtenu à partir des pixels précédents" et doit pouvoir être synthétisé au décodeur f k = P({ f l } l k 1 ) On s intéressera aux prédicteurs linéaires : simples et optimaux dans le cas Gaussien Souvent P({ f l } l k 1 ) = f k 1 46 / 91
47 Schéma de codage Choix du prédicteur Généralement, P : filtre RIF 2D fn,m = (i,j) S h i,j fn i,m j S : support causal demi-plan asymétrique typiquement, S = {(0,1),(1,0),(1,1)} Représentation équivalente : fk = h T f (k) f (k) = { f n i,m j : (i,j) S} h 2 h 3 h 1 f k 47 / 91
48 Schéma de codage Choix du prédicteur Problème : Trouver le vecteur (filtre linéaire) h qui minimize : σe 2 = E [(f k h T f (k) ) 2] en faisant l hypothèse que f n,m f n,m 48 / 91
49 Conclusions Méthode simple de mise en œuvre mais performances limitées en codage d images introduit une causalité non naturelle en 2D code les pixels séparemment Très efficace pour exploiter la redondance spatiale de la vidéo 49 / 91
50 Plan 1 sur la compression d images 2 Quantification 3 4 Codage par Transformée 5 50 / 91
51 Principes Transformation linéaire : changement de base Représentation alternative de l image Mise en évidence des caractéristiques Séparation des données entre importants et pas importants Déterminer les informations importantes pour le SVH Réduire la corrélation Allocation des ressources 51 / 91
52 Transformée 1d Paradigme du codage par transformée g 1 Q 1 g 1 f T g g 2 Q 2 g 2 g T 1 f g N Q N g N On passe du vecteur f à g = Tf : on veut un vecteur plus facile à quantifier : peu de coefficients importants, beaucoup de coefficients insignifiants 52 / 91
53 Transformations unitaires T unitaire T 1 = T H avantages : 1 inversion immédiate 2 conservation de la norme : g = f Distorsion sur g = distorsion sur f : E [ g g 2] [ ] [ ] = E (g g) H (g g) = E (f f) H T H T(f f) = E [ f f 2] Propriété fondamentale pour décider l allocation des ressource dans le domaine transformée 53 / 91
54 Transformations linéaires en 2D Forme vectorielle Forme vectorielle vecteurs lignes : f n = [f n,1,...,f n,m ] T R M vecteur image : f = [f T 1,...,fT N ]T R N M g = Tf T C(N M,N M) : matrice de transformation 54 / 91
55 Transformations linéaires en 2D Définition Forme scalaire Forme scalaire (f n,m ) 1 n N,1 m M : image d origine (g k,l ) 1 k N,1 l M : image transformée g = Tf g k,l = N n=1m=1 M t(k,l,n,m)f n,m t(k, l, n, m) : tenseur de transformation 55 / 91
56 Transformations linéaires en 2D Forme scalaire de la transformée inverse Dans l hypothese de transformée unitaire, N M f = T H g f n,m = t (k,l,n,m)g k,l n=1m=1 t (k,l,n,m) : tenseur de transformation inverse 56 / 91
57 Transformations linéaires en 2D Forme matricielle Forme matricielle (si T inversible) f 1,1... f 1,M [f] =.. f N,1... f N,M [t ] k,l = t (1,1,k,l)... t (1,M,k,l).. t (N,1,k,l)... t (N,M,k,l) N M [f] = g k,l [t ] k,l k=1l=1 (g k,l ) 1 k N,1 l M : coefficients de la décomposition de [f] sur la base {[t ] k,l,1 k N,1 l M} 57 / 91
58 Transformations linéaires en 2D Forme matricielle Transformée de Hadamard / 91
59 Transformations linéaires en 2D Forme matricielle Transformée DCT / 91
60 Transformations linéaires en 2D Transformation de Karhunen-Loève (TKL) Définition : transformation permettant de décorréler les données R g = E{gg H } : matrice diagonale On utilise la diagonalisation de la matrice de correlation R f : si les composantes de f sont linéairement indépendantes, R f est définie positive et admet la représentation : R f = UΛU T où : U = [ u 1 u 2... u N ] matrice des vecteurs propres orthonormaux et Λ = Diag(λ 1,...,λ N ) est la matrice diagonale des valeurs propres. La TKL est définie par : T = U T 60 / 91
61 Transformations linéaires en 2D Propriété de la TKL Transformation unitaire T H T = I Transformation décorrélante E[g i g j ] = λ i δ ij Meilleure concentration des énergies : T transformée unitaire, si g = U T f et h = Tf alors N N gi 2 h i 2 i=1 i=1 Transformée optimale pour variables Gaussiennes 61 / 91
62 Transformations linéaires en 2D Bilan de la TKL Avantages Décorrélation Concentration des énergies Optimale dans le cas gaussien Inconvénients Dépendante des données Complexité élevée Difficulté de l estimation Images naturelles : non stationnaires La TKL est rarement utilisée dans la compression d image, excepté des cas particuliers 62 / 91
63 Transformations linéaires en 2D Transformées basées sur la décomposition fréquentielle Transformations plus simples Asymptotiquement équivalentes (N, M ) TFD t(k,l,n,m) = 1 [ ( (n 1)(k 1) exp ı2π + (m 1)(l 1) )] N M N M TCD t(k,l,n,m) = c k c l N M cos c k = ( π { 1 si k = 1 2 sinon ) ( (2n 1)(k 1) cos π 2N ) (2m 1)(l 1) 2M 63 / 91
64 Transformations linéaires en 2D Transformées basées sur la décomposition fréquentielle TCD et TFD caractéristiques communes séparables : t(k,l, n, m) = t 1 (k, n)t 2 (l, m) algorithmes de calcul rapides interprétations fréquentielles k : indice de fréquence verticale l : indice de fréquence horizontale spécificités de la TCD réelle meilleure concentration de l information que la TFD existence d autres transformations plus simples mais moins efficaces 64 / 91
65 DFT vs DCT DCT Coeff % Energy DFT Coeff % Energy Original and reconstructed signal with the best 3 coeffs Reconstructed by DCT, 99.89% of energy Original signal Reconstructed by DFT, 90.33% of energy / 91
66 Exemples de TCD Fréquences spatiales / 91
67 TCD par blocs image non stationnaire et de taille élevée découpage en I J blocs rectangulaires (B i,j ) 0 i<i,0 j<j, de taille K L (K = L = 8) N = I K M = J L 67 / 91
68 Allocation des ressource pour les coefficients TCD On applique à chaque élément (k,l) du bloc B i,j un quantificateur Q k,l de Lloyd-Max ayant b k,l bits ((k,l) = (1,1) loi uniforme, (k,l) (1,1) loi de Laplace) problème : trouver b = (b k,l ) 1 k K,1 l L minimisant D(b) = 1 K L E{(g i,j (k,l) g i,j (k,l)) 2 } K L k=1l=1 1 K L sous les contraintes b k,l = K L b et b k,l N k=1l=1 en supposant que E{(g i,j (k,l) g i,j (k,l)) 2 } Var{g i,j (k,l)}/2 2b k,l 68 / 91
69 Algorithme d allocation de bits Donnez les ressources à ceux qui en ont besoin! 1 b k,l = 0, (k,l) {0,...,K 1} {0,...,L 1} 2 calculer (k 0,l 0 ) minimisant D((b k,l +δ k k0,l l 0 ) 0 k<k,0 l<l ) 3 b k0,l 0 = b k0,l K 1 L 1 4 si b k,l < K L b k=0l=0 alors retour 2 Formule analytique en hypothèse de haute résolution 69 / 91
70 Plan 1 sur la compression d images 2 Quantification 3 4 Codage par Transformée 5 70 / 91
71 Standard de codage Norme de compression d images basée sur la TCD Spécifiée en 1991, adoptée en 1992 Normalise l algorithme et le format de decodage On va parler d un codeur à niveaux de gris, produisant un train binaire conforme 71 / 91
72 Standard Schéma replacements TCD Codage sans perte L image est préalablement découpée en blocs 8 8 On soustrait 128 aux valeurs de luminance Les blocs sont codés indépendamment 72 / 91
73 Découpage par blocs Exemple de bloc 8x / 91
74 TCD 2d La taille de la TCD est 8 8 Petits blocs signal stationnaire Grands blocs exploit de la corrélation Taille choisie après des experiences Coefficients TCD : impact SVH 74 / 91
75 TCD Coefficients TCD du bloc considerée / 91
76 TCD Ecart-type des coefficients TCD d une image naturelle / 91
77 Quantification et allocation de débit Quantification uniforme à zone morte c i,j = ci,j q i,j Le compromis débit distorsion est complètement géré par le tableau de quantification q Le standard ne spécifie pas q, qui doit être transmis Facteur de qualité Q 77 / 91
78 Quantification et allocation de débit Exemple de table de quantification q = / 91
79 Facteur de qualité Outil non normatif Facteur de qualité Q variable entre 1 et 100 Definit un facteur d echelle S F pour la matrice de quantification 5000 Q 1 Q 50 S F = 200 2Q 50 < Q 99 1 Q = 100 S F Q q S Fq / 91
80 Quantification et allocation de débit Coefficients quantifiés avec la table précédente / 91
81 Quantification Original TCD Q Q 1 TCD 1 81 / 91
82 Codage sans perte Zig-zag scan : concentre les coefficients nuls à la fin du balayage 82 / 91
83 Codage sans perte Coefficent DC : codage predictif + Huffman Coefficients AC : codage run-lenght + Huffman coeff 0 n. de 0 coeff 0 n. de 0... EOB / 91
84 Codage de un bloc Coefficients quantifiés et codés dc k 1 0,16 0,3 1,3 0,3 7,-1 EOB 84 / 91
85 Exemple de codage Image Originale, 24 bpp 85 / 91
86 Exemple de codage Débit bpp PSNR db TC / 91
87 Exemple de codage Débit bpp PSNR db TC / 91
88 Exemple de codage Débit bpp PSNR db TC / 91
89 Exemple de codage Débit bpp PSNR db TC / 91
90 Exemple de codage Débit bpp PSNR db TC / 91
91 Conclusion Méthode assez efficace et bien maîtrisée () MAIS effets de bloc 91 / 91
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 détailCodage hiérarchique et multirésolution (JPEG 2000) Codage Vidéo. Représentation de la couleur. Codage canal et codes correcteurs d erreur
Codage hiérarchique et multirésolution (JPEG 000) Codage Vidéo Représentation de la couleur Codage canal et codes correcteurs d erreur Format vectoriel (SVG - Scalable Vector Graphics) Organisation de
Plus en détailISO/CEI 11172-3 NORME INTERNATIONALE
NORME INTERNATIONALE ISO/CEI 11172-3 Première édition 1993-08-01 Technologies de l information - Codage de l image animée et du son associé pour les supports de stockage numérique jusqu à environ Ii5 Mbit/s
Plus en détailCompression et Transmission des Signaux. Samson LASAULCE Laboratoire des Signaux et Systèmes, Gif/Yvette
Compression et Transmission des Signaux Samson LASAULCE Laboratoire des Signaux et Systèmes, Gif/Yvette 1 De Shannon à Mac Donalds Mac Donalds 1955 Claude Elwood Shannon 1916 2001 Monsieur X 1951 2 Où
Plus en détailApproche par marquage pour l évaluation de la qualité d image dans les applications multimédias
UNIVERSITÉ DU QUÉBEC EN OUTAOUAIS Département d informatique et d ingénierie Approche par marquage pour l évaluation de la qualité d image dans les applications multimédias MÉMOIRE (INF6021) pour l obtention
Plus en détailTransmission 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 détailChap17 - CORRECTİON DES EXERCİCES
Chap17 - CORRECTİON DES EXERCİCES n 3 p528 Le signal a est numérique : il n y a que deux valeurs possibles pour la tension. Le signal b n est pas numérique : il y a alternance entre des signaux divers
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 détailFormats d images. 1 Introduction
Formats d images 1 Introduction Lorsque nous utilisons un ordinateur ou un smartphone l écran constitue un élément principal de l interaction avec la machine. Les images sont donc au cœur de l utilisation
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 détailIntérêt du découpage en sous-bandes pour l analyse spectrale
Intérêt du découpage en sous-bandes pour l analyse spectrale David BONACCI Institut National Polytechnique de Toulouse (INP) École Nationale Supérieure d Électrotechnique, d Électronique, d Informatique,
Plus en détailThéorie et Codage de l Information (IF01) exercices 2013-2014. Paul Honeine Université de technologie de Troyes France
Théorie et Codage de l Information (IF01) exercices 2013-2014 Paul Honeine Université de technologie de Troyes France TD-1 Rappels de calculs de probabilités Exercice 1. On dispose d un jeu de 52 cartes
Plus en détailLivrable 2.1 Rapport d analyse et de restructuration de code monothread des modules P, T, Q et F de l encodage MPEG-4 AVC
Groupe des Ecoles des Télécommunications Institut National des Télécommunications Département ARTEMIS Advanced Research & TEchniques for Multidimensional Imaging Systems Livrable 2.1 Rapport d analyse
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 détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
Plus en détailLA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»
LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers
Plus en détailTD : Codage des images
TD : Codage des images Les navigateurs Web (Netscape, IE, Mozilla ) prennent en charge les contenus textuels (au format HTML) ainsi que les images fixes (GIF, JPG, PNG) ou animée (GIF animée). Comment
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 détailTD1 Signaux, énergie et puissance, signaux aléatoires
TD1 Signaux, énergie et puissance, signaux aléatoires I ) Ecrire l'expression analytique des signaux représentés sur les figures suivantes à l'aide de signaux particuliers. Dans le cas du signal y(t) trouver
Plus en 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 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 détailSystèmes de communications numériques 2
Systèmes de Communications Numériques Philippe Ciuciu, Christophe Vignat Laboratoire des Signaux et Systèmes CNRS SUPÉLEC UPS SUPÉLEC, Plateau de Moulon, 91192 Gif-sur-Yvette ciuciu@lss.supelec.fr Université
Plus en détailCapacité d un canal Second Théorème de Shannon. Théorie de l information 1/34
Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second
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 détailI. 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 détailProgrammes 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 détailCommunications numériques
Communications numériques 1. Modulation numérique (a) message numérique/signal numérique (b) transmission binaire/m-aire en bande de base (c) modulation sur fréquence porteuse (d) paramètres, limite fondamentale
Plus en détailChapitre 13 Numérisation de l information
DERNIÈRE IMPRESSION LE 2 septembre 2013 à 17:33 Chapitre 13 Numérisation de l information Table des matières 1 Transmission des informations 2 2 La numérisation 2 2.1 L échantillonage..............................
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 détailComme 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 détailEchantillonnage Non uniforme
Echantillonnage Non uniforme Marie CHABERT IRIT/INP-ENSEEIHT/ ENSEEIHT/TéSASA Patrice MICHEL et Bernard LACAZE TéSA 1 Plan Introduction Echantillonnage uniforme Echantillonnage irrégulier Comparaison Cas
Plus en détailTechnique de codage des formes d'ondes
Technique de codage des formes d'ondes Contenu Introduction Conditions préalables Conditions requises Composants utilisés Conventions Modulation par impulsions et codage Filtrage Échantillon Numérisez
Plus en détailTraitement 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 détailAnalyse d images. Edmond.Boyer@imag.fr. Edmond Boyer UFRIMA 1
Analyse d images Edmond.Boyer@imag.fr Edmond Boyer UFRIMA 1 1 Généralités Analyse d images (Image Analysis) : utiliser un ordinateur pour interpréter le monde extérieur au travers d images. Images Objets
Plus en détailOptimisation de la compression fractale D images basée sur les réseaux de neurones
Optimisation de la compression fractale D images basée sur les réseaux de neurones D r BOUKELIF Aoued Communication Networks,Architectures and Mutimedia laboratory University of S.B.A aoued@hotmail.com
Plus en détailChapitre 18 : Transmettre et stocker de l information
Chapitre 18 : Transmettre et stocker de l information Connaissances et compétences : - Identifier les éléments d une chaîne de transmission d informations. - Recueillir et exploiter des informations concernant
Plus en détailExpérience 3 Formats de signalisation binaire
Expérience 3 Formats de signalisation binaire Introduction Procédures Effectuez les commandes suivantes: >> xhost nat >> rlogin nat >> setenv DISPLAY machine:0 >> setenv MATLABPATH /gel/usr/telecom/comm_tbx
Plus en détailChapitre 2 : communications numériques.
Chapitre 2 : communications numériques. 1) généralités sur les communications numériques. A) production d'un signal numérique : transformation d'un signal analogique en une suite d'éléments binaires notés
Plus en détailNumérisation du signal
Chapitre 12 Sciences Physiques - BTS Numérisation du signal 1 Analogique - Numérique. 1.1 Définitions. Signal analogique : un signal analogique s a (t)est un signal continu dont la valeur varie en fonction
Plus en détailCalcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
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 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 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 détailLe concept cellulaire
Le concept cellulaire X. Lagrange Télécom Bretagne 21 Mars 2014 X. Lagrange (Télécom Bretagne) Le concept cellulaire 21/03/14 1 / 57 Introduction : Objectif du cours Soit un opérateur qui dispose d une
Plus en détailChapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens
Chapitre 7 Statistique des échantillons gaussiens Le théorème central limite met en évidence le rôle majeur tenu par la loi gaussienne en modélisation stochastique. De ce fait, les modèles statistiques
Plus en détailInterception des signaux issus de communications MIMO
Interception des signaux issus de communications MIMO par Vincent Choqueuse Laboratoire E 3 I 2, EA 3876, ENSIETA Laboratoire LabSTICC, UMR CNRS 3192, UBO 26 novembre 2008 Interception des signaux issus
Plus en détailÉtude des Corrélations entre Paramètres Statiques et Dynamiques des Convertisseurs Analogique-Numérique en vue d optimiser leur Flot de Test
11 juillet 2003 Étude des Corrélations entre Paramètres Statiques et Dynamiques des Convertisseurs Analogique-Numérique en vue d optimiser leur Flot de Test Mariane Comte Plan 2 Introduction et objectif
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 détailLe Data Mining au service du Scoring ou notation statistique des emprunteurs!
France Le Data Mining au service du Scoring ou notation statistique des emprunteurs! Comme le rappelle la CNIL dans sa délibération n 88-083 du 5 Juillet 1988 portant adoption d une recommandation relative
Plus en détailIntroduction à l approche bootstrap
Introduction à l approche bootstrap Irène Buvat U494 INSERM buvat@imedjussieufr 25 septembre 2000 Introduction à l approche bootstrap - Irène Buvat - 21/9/00-1 Plan du cours Qu est-ce que le bootstrap?
Plus en détailChapitre 22 : (Cours) Numérisation, transmission, et stockage de l information
Chapitre 22 : (Cours) Numérisation, transmission, et stockage de l information I. Nature du signal I.1. Définition Un signal est la représentation physique d une information (température, pression, absorbance,
Plus en détailLa programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique
La programmation linéaire : une introduction Qu est-ce qu un programme linéaire? Qu est-ce qu un programme linéaire? Exemples : allocation de ressources problème de recouvrement Hypothèses de la programmation
Plus en détailChapitre 2 : Systèmes radio mobiles et concepts cellulaires
Chapitre 2 : Systèmes radio mobiles et concepts cellulaires Systèmes cellulaires Réseaux cellulaires analogiques de 1ère génération : AMPS (USA), NMT(Scandinavie), TACS (RU)... Réseaux numériques de 2ème
Plus en détailThéorie des probabilités
Théorie des probabilités LAVOISIER, 2008 LAVOISIER 11, rue Lavoisier 75008 Paris www.hermes-science.com www.lavoisier.fr ISBN 978-2-7462-1720-1 ISSN 1952 2401 Le Code de la propriété intellectuelle n'autorisant,
Plus en détailUn schéma de compression avec pertes efficace pour les images médicales volumiques
Un schéma de compression avec pertes efficace pour les images médicales volumiques Yann GAUDEAU 1 Jean-Marie MOUREAUX 1 CRAN CNRS (UMR 7039) Nancy-University, Faculté des Sciences et Techniques, BP 239,
Plus en détailHiver 2013 IMN 259. Introduction à l analyse d images. Par Pierre-Marc Jodoin
Hiver 2013 Analyse d images IMN 259 Introduction à l analyse d images Par Pierre-Marc Jodoin Où se situe l analyse d images? Traitement d images Imagerie Image Analyse d images/ Vision par ordinateur Infographie
Plus en 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 détailCAPTEURS - CHAINES DE MESURES
CAPTEURS - CHAINES DE MESURES Pierre BONNET Pierre Bonnet Master GSI - Capteurs Chaînes de Mesures 1 Plan du Cours Propriétés générales des capteurs Notion de mesure Notion de capteur: principes, classes,
Plus en détail10ème Congrès Français d'acoustique Lyon, 12-16 Avril 2010
10ème Congrès Français d'acoustique Lyon, 12-16 Avril 2010 Le compressed sensing pour l holographie acoustique de champ proche II: Mise en œuvre expérimentale. Antoine Peillot 1, Gilles Chardon 2, François
Plus en détailLes techniques de multiplexage
Les techniques de multiplexage 1 Le multiplexage et démultiplexage En effet, à partir du moment où plusieurs utilisateurs se partagent un seul support de transmission, il est nécessaire de définir le principe
Plus en détailRésolution de systèmes linéaires par des méthodes directes
Résolution de systèmes linéaires par des méthodes directes J. Erhel Janvier 2014 1 Inverse d une matrice carrée et systèmes linéaires Ce paragraphe a pour objet les matrices carrées et les systèmes linéaires.
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 détailTechnique de compression des images médicales 4D
Technique de compression des images médicales 4D Leila Belhadef 1 et Zoulikha Mekkakia 1 1 Département d Informatique, USTO-MB, BP 1505 El Mnaouer, Oran, Algérie l.belhadef@gmail.com, mekkakia@univ-usto.dz
Plus en détailAnalyse en Composantes Principales
Analyse en Composantes Principales Anne B Dufour Octobre 2013 Anne B Dufour () Analyse en Composantes Principales Octobre 2013 1 / 36 Introduction Introduction Soit X un tableau contenant p variables mesurées
Plus en détailDifférentiabilité ; 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 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 détailG.P. DNS02 Septembre 2012. Réfraction...1 I.Préliminaires...1 II.Première partie...1 III.Deuxième partie...3. Réfraction
DNS Sujet Réfraction...1 I.Préliminaires...1 II.Première partie...1 III.Deuxième partie...3 Réfraction I. Préliminaires 1. Rappeler la valeur et l'unité de la perméabilité magnétique du vide µ 0. Donner
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailIntroduction au Data-Mining
Introduction au Data-Mining Gilles Gasso, Stéphane Canu INSA Rouen -Département ASI Laboratoire LITIS 8 septembre 205. Ce cours est librement inspiré du cours DM de Alain Rakotomamonjy Gilles Gasso, Stéphane
Plus en détailBaccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé
Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e
Plus en détailNOTICE DOUBLE DIPLÔME
NOTICE DOUBLE DIPLÔME MINES ParisTech / HEC MINES ParisTech/ AgroParisTech Diplômes obtenus : Diplôme d ingénieur de l Ecole des Mines de Paris Diplôme de HEC Paris Ou Diplôme d ingénieur de l Ecole des
Plus en détailM1107 : Initiation à la mesure du signal. T_MesSig
1/81 M1107 : Initiation à la mesure du signal T_MesSig Frédéric PAYAN IUT Nice Côte d Azur - Département R&T Université de Nice Sophia Antipolis frederic.payan@unice.fr 15 octobre 2014 2/81 Curriculum
Plus en détail2. Couche physique (Couche 1 OSI et TCP/IP)
2. Couche physique (Couche 1 OSI et TCP/IP) 2.1 Introduction 2.2 Signal 2.3 Support de transmission 2.4 Adaptation du signal aux supports de transmission 2.5 Accès WAN 2.1 Introduction Introduction Rôle
Plus en détailReprésentation des Nombres
Chapitre 5 Représentation des Nombres 5. Representation des entiers 5.. Principe des représentations en base b Base L entier écrit 344 correspond a 3 mille + 4 cent + dix + 4. Plus généralement a n a n...
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 détailI. TRANSMISSION DE DONNEES
TD I. TRANSMISSION DE DONNEES 1. QU'EST-CE QU'UN CANAL DE TRANSMISSION? 1.1 Rappels Une ligne de transmission est une liaison entre les deux machines. On désigne généralement par le terme émetteur la machine
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 détailRecherche De Coalescences Binaires Étalonnage Du Détecteur
Recherche De Coalescences Binaires Étalonnage Du Détecteur Fabrice Beauville Journées Jeunes Chercheurs 18/12/2003 Les Coalescences Binaires & VIRGO Système binaire d objets compacts (étoiles à neutrons,
Plus en détailExercice : la frontière des portefeuilles optimaux sans actif certain
Exercice : la frontière des portefeuilles optimaux sans actif certain Philippe Bernard Ingénierie Economique & Financière Université Paris-Dauphine Février 0 On considère un univers de titres constitué
Plus en détailIntroduction 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 détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
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 détailLimitations of the Playstation 3 for High Performance Cluster Computing
Introduction Plan Limitations of the Playstation 3 for High Performance Cluster Computing July 2007 Introduction Plan Introduction Intérêts de la PS3 : rapide et puissante bon marché L utiliser pour faire
Plus en détailTraitement numérique de l'image. Raphaël Isdant - 2009
Traitement numérique de l'image 1/ L'IMAGE NUMÉRIQUE : COMPOSITION ET CARACTÉRISTIQUES 1.1 - Le pixel: Une image numérique est constituée d'un ensemble de points appelés pixels (abréviation de PICture
Plus en détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailProbabilités III Introduction à l évaluation d options
Probabilités III Introduction à l évaluation d options Jacques Printems Promotion 2012 2013 1 Modèle à temps discret 2 Introduction aux modèles en temps continu Limite du modèle binomial lorsque N + Un
Plus en détail- MANIP 2 - APPLICATION À LA MESURE DE LA VITESSE DE LA LUMIÈRE
- MANIP 2 - - COÏNCIDENCES ET MESURES DE TEMPS - APPLICATION À LA MESURE DE LA VITESSE DE LA LUMIÈRE L objectif de cette manipulation est d effectuer une mesure de la vitesse de la lumière sur une «base
Plus en détailDEVANT L UNIVERSITE DE RENNES 1
N o d ordre: 3063 THÈSE présentée DEVANT L UNIVERSITE DE RENNES 1 pour obtenir le grade de : DOCTEUR DE L UNIVERSITE DE RENNES 1 Mention Informatique par Nathalie CAMMAS Équipe d accueil : France Télécom
Plus en détailEtude des propriétés empiriques du lasso par simulations
Etude des propriétés empiriques du lasso par simulations L objectif de ce TP est d étudier les propriétés empiriques du LASSO et de ses variantes à partir de données simulées. Un deuxième objectif est
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailEMETTEUR ULB. Architectures & circuits. Ecole ULB GDRO ESISAR - Valence 23-27/10/2006. David MARCHALAND STMicroelectronics 26/10/2006
EMETTEUR ULB Architectures & circuits David MARCHALAND STMicroelectronics 26/10/2006 Ecole ULB GDRO ESISAR - Valence 23-27/10/2006 Introduction Emergence des applications de type LR-WPAN : Dispositif communicant
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 détailExtraction d informations stratégiques par Analyse en Composantes Principales
Extraction d informations stratégiques par Analyse en Composantes Principales Bernard DOUSSET IRIT/ SIG, Université Paul Sabatier, 118 route de Narbonne, 31062 Toulouse cedex 04 dousset@irit.fr 1 Introduction
Plus en détailJ AUVRAY Systèmes Electroniques TRANSMISSION DES SIGNAUX NUMERIQUES : SIGNAUX EN BANDE DE BASE
RANSMISSION DES SIGNAUX NUMERIQUES : SIGNAUX EN BANDE DE BASE Un message numérique est une suite de nombres que l on considérera dans un premier temps comme indépendants.ils sont codés le plus souvent
Plus en détailde calibration Master 2: Calibration de modèles: présentation et simulation d
Master 2: Calibration de modèles: présentation et simulation de quelques problèmes de calibration Plan de la présentation 1. Présentation de quelques modèles à calibrer 1a. Reconstruction d une courbe
Plus en détailCHAPITRE V. Théorie de l échantillonnage et de la quantification
CHAPITRE V Théorie de l échantillonnage et de la quantification Olivier FRANÇAIS, SOMMAIRE I INTRODUCTION... 3 II THÉORIE DE L ÉCHANTILLONNAGE... 3 II. ACQUISITION DES SIGNAUX... 3 II. MODÉLISATION DE
Plus en détailCorrection de l examen de la première session
de l examen de la première session Julian Tugaut, Franck Licini, Didier Vincent Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi
Plus en détailFormes 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