Extraction de Contours
|
|
- Lucien Morin
- il y a 8 ans
- Total affichages :
Transcription
1 Extraction de Contours Michèle Gouiès À quoi ça sert? Réduction d'information / matrice d'intensité. Déscription de forme (courbure, points particuliers) en vue d'une reconnaissance. Atout des contours : bonne robustesse/ variations d'éclairage.
2 Première partie I Contours : théorie et généralités
3 Contours dans l'image Pixels de contour = Pixels situés dans des zones locales de forte discontinuité d'intensité, de couleur ou de texture. Rechercher les contours rechercher des régions (les approches sont duales) Images et gradients Prols d'intensité
4 Contours : leurs origines
5 Approches dérivatives Hypothèse : l'image numérique = échantillonnage d'une fonction continue à support borné et continument dérivable. Les dérivées dans les deux directions (x, y) dénissent la courbure de la surface 2D représentée par l'intensité Dérivées premières : <0 ou >0 dans le voisinage d'un contour et 0 dans des régions homogènes Dérivées secondes : passage par 0 à proximité d'un contour
6 Dérivées Dérivée première Approximation : développement en série de Taylor I I (x 0 + h x, y 0 + h y ) = I (x 0, y 0) + h x I x + h y x 0,y 0 y x 0,y 0 I (x, y) x I (x, y) y I (x + h x, y) I (x, y) = lim h x 0 h x = lim h y 0 I (x, y + h y ) I (x, y) h y
7 Dérivée de l'image : le vecteur gradient Gradient d'une fonction à deux variables (x,y) (d'autres directions peuvent être considérées) I Le gradient : I =, I x y Le gradient dénit l'orientation d'un contour au pixel considéré (x, y) : dirigé selon la direction de plus fort changement d'intensité (perpendiculaire au contour) Module du r gradient : = force du contour 2 2 G = I = I x + I y Argument du gradient = orientation : φ = arctan I y I x!
8 Dérivées secondes Laplacien Dérivées secondes de l'image =0 au niveau des contours 2 I = 2 I x I y 2 Laplacien nul lorsque les deux dérivées secondes (en x et y) sont nulles Opérateur linéaire et symétrique en rotation Exemple
9 Remarque sur le bruit de la dérivation L'utilisation des dérivées secondes mène à des résultats plus bruités que les dérivées premières Exemple Soit une image I bruit le résultat de la somme d'une image non-bruitée I lisse avec un bruit de fréquence spatiale donnée et d'amplitude ɛ, de sorte que : I bruit = I lisse + ɛ sin(ωx) Dérivée première I bruit = I lisse + ɛω cos(ωx) Dérivée seconde I bruit = I lisse + ɛω 2 sin(ωx) Dans cet exemple, plus l'ordre de la dérivée augmente, plus l'amplitude du bruit croît. Lissage nécessaire avant utilisation des dérivées secondes
10 Filtrage Filtrer avant de dériver? Si l'opérateur de dérivation est linéaire opérateur associatif et commutatif (convolution) Soit I (x, y) (l'image) et f (x, y) (un ltre de lissage) deux fonctions L 2 dérivables avec l'opérateur O x,y (dérivation) alors : O x,y (I (x, y) f (x, y)) = O x,y (I (x, y)) (x, y) = I (x, y) O x,y (f (x, y)) Filtrage linéaire : L'ordre dans lequel se font le lissage et la dérivation n'a pas d'importance (convolution) Filtrage non-linéaire : Filtrage avant dérivation.
11 Deuxième partie II Calcul des dérivées de l'image Approche naïve Approche par convolution Détecteurs basés sur le gradient Détecteurs basés sur le Laplacien : LOG, DOG Méthodes avancées : gradients adaptatifs de Canny, Shen et Castan.
12 Gradient : passage du continu au discret Dérivée d'une fonction continue f (1D) f (x) = lim h 0 f (x + h) f (x) h Dérivée d'une fonction discrète I : h vaut au minimum 1 (discrétisation). f [i] = f [i + 1] f [i] Image noir-blanc de 0 à 255 Diérence des intensités I(i,j)-I(i-1,j) image de -255 à 255. Normalisation, valeur absolue. Les pixels du bord ne sont pas traités.
13 Gradient : Approche simpliste Contours horizontaux Nécessité de composer avec des contours verticaux I(i,j)-I(i,j-1) Norme euclidienne entre les deux directions Les + : Détecteur facile à mettre en uvre, rapide Les - : Peu robuste au bruit, détecte trop de contours
14 Gradient : Approche par convolution Convolution Convolution d'une fonction dicrète f par une fonction discrète g : + X + X f g(i, j) = f (i, j)g(u i, v j) u= v= Exemple : convolution d'une image I 1 par un noyau K de taille k k k 1 X k 1 X I 2 (i, j) = I 1 (i + u k 2, j + v k )K(u, v) 2 u=0 v=0 Remplacer chaque pixel par la somme des produits des éléments du masque avec les pixels correspondant, en centrant le masque sur (i, j).
15 Gradient : Approche par convolution Illustration Détecteur naïf horizontal
16 Gradient : Approche par convolution Illustration Détecteur naïf horizontal
17 Gradient : Approche par convolution Illustration Détecteur naïf horizontal
18 Gradient : Approche par convolution Illustration Détecteur naïf horizontal
19 Gradient : Approche par convolution Illustration Détecteur naïf horizontal
20 Gradient : Approche par convolution Illustration Détecteur naïf horizontal
21 Gradient : Approche par convolution Illustration Détecteur naïf horizontal
22 Gradient : Approche par convolution Illustration Détecteur naïf horizontal
23 Gradient : Approche par convolution Illustration Détecteur naïf horizontal
24 Gradient : Approche par convolution Illustration Détecteur naïf horizontal
25 Gradient : Approche par convolution Illustration Détecteur naïf horizontal
26 Gradient : Détecteur de Roberts (1965) Dérivées selon les directions horizontale/verticale. « K x = K y = «I x = I K x et I y = I K y Module du contour (force) : soit la norme du vecteur [I x, I y ] T soit max(i x, I y ) Orientation du contour = arctan Iy I x «. Inconvénient Bruits de hautes fréquences ampliés. Solution : au préalable un ltrage passe-bas (lissage) : gaussien ou moyenneur.
27 Gradient : Détecteur de Sobel (1970) Combinaison lissage + dérivée. Masque antisymétrique. La somme des coecients est nulle. Noyaux de convolution Noyau de détection de contours verticaux K x et horizontaux K y : K x = A Ky = A Facteurs 1/4 : obtenir la même dynamique en sortie et en entrée Filtre 3 3 un peu moins précis (contours moins bien localisés, contours épais) MAIS : contours localisés sur un pixel (et non entre 2 pixels)
28 Gradient : Détecteur de Prewitt (1970) Utilise d'autres directions / Sobel Valeur absolue maximale des convolutions obtenues avec les noyaux suivants (4 directions) : A A A A
29 Gradient : Détecteur de Kirsch (1971) Convolution 0 par 8 noyaux 1 diérents 0 (4 paires 1 de 2 noyaux symétriques) A A G , φ A A A A G 2,φ 2 1 A G 3, φ 3 1 A G 4, φ 4 Calcul de 4 modules de gradient (G 1 à G 4). Le module du gradient de Kirsch= module maximum. Orientation du gradient = orientation du gradient de module maximum.
30 Gradient de Sobel : exemple Image Originale Détecteur de Sobel
31 Gradient de Prewitt : exemple Image Originale Détecteur de Prewitt
32 Gradient couleur Méthode marginale Calcul du gradient sur chaque plan couleur : G R (x, y), G G (x, y), G B (x, y) (x, y). Recherche du gradient maximum : G(x, y) = max(g R (x, y), G G (x, y), G B (x, y)). La direction du gradient est donnée par la direction du gradient maximal. Méthode vectorielle (DiZenzo) Recherche de la direction dans laquelle les variations sont les plus élevées par calcul d'une diérence vectorielle. Méthode basée sur l'hypothèse que l'image est de classe C 2 (lissage gaussien nécessaire). Soient deux pixels voisins p et q. La variation couleur est donnée par C(p, q) = C(q) C(p).
33 Gradient couleur Méthode vectorielle (suite) Distance couleur pour un déplacement innitésimal (dx, dy) : dc = C C dx + dy x y Distance exprimée par son module : d C 2 = C x 2 dx C x C y dxdy + C y 2 dy 2 Forme quadratique : dc 2 = adx 2 + 2b.dx.dy + cdy 2 avec : a = (G x R ) 2 + (G x G ) 2 + (G x B ) 2 b = (G x R )(G y R ) + (G x G )(G y G ) + (G x B )(G y B ), c = (G y R ) 2 + (G y G ) 2 + (G y B ) 2 Gradient vectoriel. Recherche de la direction (dx, dy) de plus fort gradient et calcul du module associé (résoudre l'éq. quadratique). Amplitude «du gradient donnée par la plus grande valeur propre de a b λ = 0, 5(a + c + p (c a) b c 2 + 4b)). Argument donné par la direction du vecteur propre associé à λ : θ + = 0.5atan. 2b a c
34 Dérivées secondes : Laplacien Méthode de Laplace Pour exemple, calcul de la dérivée seconde selon x : I x I x I x 1 (I (x + 1) I (x)) (I (x) I (x 1)) = I (x + 1) 2I (x) + I (x 1) 4-connexité A 8-connexité A
35 Laplacien : exemples 4-connexite 8 connexite Dérivée seconde très bruitée (détection de faux contours) nécessité de ltrer
36 Lissage-dérivation : LOG Méthodes proposées par Marr et Hildreth en 1980 (inspirés des systèmes biologiques) Objectif La convolution est associative : (I g) f = I (g f ) Lissage et dérivation eectués à l'aide d'un même ltre Filtrage de l'image avec la dérivée du ltre de lissage Moins de complexité algorithmique Le Laplacien de la gaussienne peut être précalculé Compromis Entre la réduction du bruit et la perte d'information ltrage optimal, déterminé par un paramètre de régulation
37 Lissage-dérivation : LOG et DOG Filtrage moyen Filtrage moyen aecte le même poids à tous les pixels de la fenêtre Filtrage gaussien Filtrage gaussien aecte des poids plus importants aux pixels situés à proximité du pixel central (Méthode Laplacien Of the Gaussian LOG) Gaussienne 1D : Gaussienne 2D : G(x) = 1 (x m)2 e 2σ 2 2πσ 2 G(x, y) = G(x)G(y) = 1 (x mx ) 2 +(y my ) 2 2πσ 2 e 2σ 2 Le degré de lissage est contrôlé par σ. Il est requis de choisir un masque de telle sorte qu'il couvre l'intervalle [ 3σ, 3σ].
38 Lissage-dérivation : LOG et DOG LoG (Laplacian of Gaussian) [Marr] Le laplacien de la gaussienne centrée sur 0 et d'écart-type σ : LoG(x, y) = 1» (x mx ) + (y my ) πσ 4 1 σ 2 exp (x mx )2 + (y m y ) 2 2σ 2 Opérateur anisotropique on ne peut pas calculer la direction du gradient DoG (Dierence of Gaussians) Approximer le ltre LoG par la diérence de deux gaussiennes de tailles diérentes
39 Lissage-dérivation : LOG et DOG Laplacian of Gaussian pour deux σ diérents Propriétés intéressantes : ltre invariant en rotation Gaussienne = invariante en rotation.
40 Lissage-dérivation : LOG et DOG Prol du ltre LOG (2 σ diérents)
41 LOG : exemples W = 7 et σ = 1 W = 13 et σ = 2 W = 19 et σ = 3 W = 25 et σ = 4
42 Lissage-dérivation : méthode de Canny (gradient) L'idée de Canny Modéliser le contour comme un échelon noyé dans un bruit gaussien. Rechercher (par optimisation sous contraintes) l'opérateur de convolution θ permettant d'assurer : 1. Une bonne détection des contours (exhaustivité) 2. Une bonne localisation (précision) 3. La non multiplicité des réponses. Résultat La dérivée première d'une gaussienne est une bonne approximation du noyau de convolution attendu : «φ(x) x exp x2 2σ 2 Mise en uvre du détecteur 1) Filtrage gaussien de l'image 2) Gradient de Sobel 3) Détection des maxima locaux du gradient 4) Seuillage par hystérésis
43 Lissage-dérivation : méthode de Shen et Castan Modéliser le contour comme un échelon noyé dans un bruit blanc stationnaire additionnel. Meilleure robustesse de la détection (par rapport à Canny) et une localisation plus précise. Principe du lissage-dérivation Lissage eectué avec le noyau : f 1(x) = β 2 e β x Dérivation : - soit l'image (une fois ltrée) est dérivée (Sobel, Prewitt, etc) - soit l'image (non ltrée) est directement convoluée par le ltre d 1(x) = (dérivée de f 1(x)) : j β d 1(x) = 2 e β x si x 0 β 2 e β x si x 0 β = π/σ dénit la largeur du ltre : plus β est faible (σ fort) et plus le lissage est important.
44 Gradient adaptatif : méthode de Shen et Castan β = 0.1 β = 0.5 β = degrés 45 degrés 90 degrés 135 degrés
45 Gradient adaptatif : méthode de Shen et Castan Détecteur de Shen et Castan β = 0.1 β = 0.5 β = 0.9 Moyenne sur les quatre directions
46 Troisième partie III Localisation des contours Seuillage (et seuillage par hysteresis) de l'image de gradient Détection des maxima dans la direction du gradient Localisation des passages par 0 du Laplacien
47 Localisation des contours : seuillage du gradient Éliminer les points pour lesquels les contours ne sont pas signicatifs : élimination des faux contours Binariser l'image : 1= pixel contour, 0= non contour Binarisation Éliminer pixels dont le module du gradient est < seuil Problèmes : ne prend pas en compte la topologie et contours de largeur > 1 pixel squelettisation ; Diculté de déterminer un seuil unique pour toute l'image Seuillage par hysterésis Utilisation de 2 seuils : Seuil Haut SH et Seuil Bas SB Pixels de gradient > SH sont sélectionnés comme contour Pixels de gradient < SB sont éliminés SB< gradient < SH =contour si il possède un voisin > SH
48 Localisation des contours : seuillage par hystérésis
49 Localisation des contours : seuillage par hystérésis
50 Localisation des contours : seuillage par hystérésis
51 Localisation des contours : seuillage par hystérésis
52 Localisation des contours : seuillage par hystérésis
53 Localisation des contours : seuillage par hystérésis (exemple) Gradient (Shen et Castan α = 0.5) Binarisation (seuil= 30) Binarisation (seuil= 50) Hystérésis (30,50)
54 Localisation des contours : seuillage par hystérésis (exemple) Gradient (Shen et Castan α = 0.9) Binarisation (seuil= 4) Binarisation (seuil= 10) Hystérésis (4,10)
55 Localisation des contours : seuillage par hystérésis (exemple) Détecteur de Shen et Castan, α = 0.5 Seuillage de chaque direction puis fusion par OU logique
56 Localisation des contours : maxima du gradient Contours Lieux du contour=maxima dans la direction du gradient. Recherche en 2 étapes : 1) en chaque point, calcul de la direction du gradient. 2) recherche le long de la direction du gradient Dérivée directionnelle Passage du repère de l'image {x, y} au repère local déni par la tangente t au contour et le gradient g
57 Localisation des contours : maxima du gradient Dérivée directionnelle Passage du repère de l'image {x, y} au repère local (déni par la tangente t au contour et le gradient g) Angle φ entre les deux repères I (x 0 + h cos φ, y 0 + h sin φ) I (x 0, y 0) + h cos φ I x + h sin φ I x 0,y 0 y I g cos φ I x 0,y 0 x + sin φ I x 0,y 0 y x 0,y 0 x 0,y 0 Maximum local g : direction du gradient, G : module du gradient G = g. G = 0 : maximum du module du gradient G le long de l'axe de g direction g. 2 G g 2 < 0 : pour s'assurer qu'il s'agit d'un extremum.
58 Localisation des contours : utilisation du laplacien Généralités Passages par zéro du Laplacien : mettent en évidence les extrema de la dérivée première. Les zéros constituent un réseau de lignes fermées : permet d'éviter des post-traitements de fermeture de contours Deux méthodes (parmi d'autres) 1) Parcourir l'image suivant lignes, colonnes, et déterminer le pixel correspondant à un changement de signe. p 0 p 1 p 2 p 3 Changement de signe en p 0 si (p 0.p 1 < S) ou (p 0.p 2 < S) ou (p 0.p 3 < S) (avec seuil S 0). 2) Seconde technique : morphologie mathématique : détecter zones de laplacien <0 et zones de laplacien >0.
59 Localisation des contours : utilisation du Laplacien Localisation des passages par 0 du laplacien (seconde méthode) Binarisation de l'image : I I b (1 si le laplacien est>0, 0 sinon) Érosion de I b avec un élément structurant 3 3 obtention de I e Soustraction I s = I b I e Pour éviter les faux contours : ignorer les passages par zéro pour lesquels la pente n'est pas assez importante (seuil). Localisation des contours : cas du LOG Après LoG : plus le ltrage gaussien est important (σ grand) : -plus les contours détectés correspondent à des contours importants. -moins la détection est précise.
60 Localisation des contours : utilisation du laplacien I : image du LoG W = 7 et σ = 1 I b : Image binarisation (seuil=0) I e : érosion de I b I s = I b I e puis seuillage
61 Quatrième partie IV Post-traitements des contours Fermeture des contours ouverts Transformée de Hough Morphologie mathématique Description des contours Codage de Freeman Descripteurs de Fourier
62 Fermeture de contours En général, les détecteurs de contours fournissent des contours ouverts (les exceptions : contours actifs, passage par 0 du Laplacien) Or, les traitements en aval (reconnaissance de formes) nécessitent des contours étiquetés. Fermeture de contours Méthodes très nombreuses, en général très coûteuses en temps de calcul : Recherche par graphe. Utilisation d'automate. Détection de formes par transformation de Hough. Prolonger le contour suivant la tangente (jusqu'à ce qu'il intersecte un autre contour) Par morphologie mathématique : fermeture par dilatation-érosion. identier toutes les congurations possibles de pixels contour à fermer.
63 Fermeture de contours : utilisation de la transformée de Hough Détection de droites (principalement) et de formes paramétrées Passage des variables d'espace x, y (dans l'image I ) à un espace de paramètres (espace de Hough H). Détection d'une droite : y = ax + b deux paramètres {a, b}, ou paramétrisation angulaire {ρ, θ}. Cas de la droite
64 Fermeture de contours Algorithme Utilisation de la transformée de Hough Initialiser la matrice H à 0. Pour tout couple de pixels {p i, p j } (étiquetés) : déterminer les paramètres a ij et b ij de la droite (p i, p j ) ajout d'un vote dans la matrice H aux coordonnées {a ij, b ij }. Recherche dans H des nuages de points les plus denses. Déterminer les centres (=caractéristiques des droites détectées dans l'image) Problèmes de mise en uvre a ij et b ij doivent être bornés et quantiés. Précision du calcul des centres.
65 Fermeture de contours Utilisation de la transformée de Hough
66 Description des contours par des polygones Polygones On suppose que les contours ont été détectés et seuillés À partir des pixels détectés : formation de polygones Simplier les polygones (ne retenir que les points pertinents) Fusionner les polygones qui se suivent Outil : Codage de Freeman Codage de Freeman Permet de coder un contour en ne codant que les déplacements relatifs au lieu d'une liste de points : un point puis un code de Freeman
67 Description des contours : codage de Freeman P0 : point initial Code obtenu : Une permutation circulaire aboutit au même résultat Choix : code minimal Compression du code en comptant les occurrences successives (valable pour les segments longs) : (6 zéros puis 9 septs)
68 Description des contours : codage de Freeman Propriétés utiles pour la reconnaissance Agrandissement du contour de k en répétant k fois chaque descripteur. Rotation de k 2π/n (n-connexité) en ajoutant ou retranchant k modulo n à la chaîne initiale. Longueur du descripteur : en 4 connexité (=nb. de descripteurs) et en 8 connexité (nb descripteurs pairs + 2 nb descripteurs impairs). Inversion d'un chemin : inversion des descripteurs (j inv = n/2 + j modulo n) puis inversion de la séquence. Simplication d'un chemin : remplacer p descripteurs consécutifs par des descripteurs équivalents reliant les mêmes points. Autres propriétés : tester la fermeture d'un contour (boucle), changement d'origine, etc...
69 Descripteurs de Fourier Principe Contour considéré comme une courbe continue. Forme du contour décrite par un ensemble N de points M j avec j = 1..N. Plan complexe M j z j = x j + iy j. Descripteurs de Fourier Coecients de la TF de z : Z k = NX z j exp( 2πijk) avec k [ N/2 + 1, N/2] j=1 (Attention i correspond au complexe!!). Z 0 : centre d'inertie de la forme. Z 1 : facteur d'échelle. Si tous les Z k sont =0 sauf pour k = 1 la forme décrite par les contours est un cercle ou un polygone régulier. Plus les coecients sont nombreux, plus la forme est complexe.
70 Descripteurs de Fourier
Traitement bas-niveau
Plan Introduction L approche contour (frontière) Introduction Objectifs Les traitements ont pour but d extraire l information utile et pertinente contenue dans l image en regard de l application considérée.
Plus en détailGéométrie discrète Chapitre V
Géométrie discrète Chapitre V Introduction au traitement d'images Géométrie euclidienne : espace continu Géométrie discrète (GD) : espace discrétisé notamment en grille de pixels GD définition des objets
Plus en 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 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 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 détailFonctions de plusieurs variables
Maths MP Exercices Fonctions de plusieurs variables Les indications ne sont ici que pour être consultées après le T (pour les exercices non traités). Avant et pendant le T, tenez bon et n allez pas les
Plus en 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 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 détailDétection des points d intérêt et Segmentation des images RGB-D. Présentée par : Bilal Tawbe. Semaine de la recherche de l UQO
Détection des points d intérêt et Segmentation des images RGB-D Présentée par : Bilal Tawbe Semaine de la recherche de l UQO 25 Mars 2015 1. Introduction Les méthodes de détection de points d intérêt ont
Plus en détailCours Fonctions de deux variables
Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté
Plus en détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Plus en 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 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 détailNotes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables Guy Desaulniers Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2014 Table des matières
Plus en détailFonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre
IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables
Plus en 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 détailExercice 1 Trouver l équation du plan tangent pour chaque surface ci-dessous, au point (x 0,y 0,z 0 ) donné :
Enoncés : Stephan de Bièvre Corrections : Johannes Huebschmann Exo7 Plans tangents à un graphe, différentiabilité Exercice 1 Trouver l équation du plan tangent pour chaque surface ci-dessous, au point
Plus en détailCours de Mécanique du point matériel
Cours de Mécanique du point matériel SMPC1 Module 1 : Mécanique 1 Session : Automne 2014 Prof. M. EL BAZ Cours de Mécanique du Point matériel Chapitre 1 : Complément Mathématique SMPC1 Chapitre 1: Rappels
Plus en 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 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 détailFonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples
45 Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples Les espaces vectoriels considérés sont réels, non réduits au vecteur nul et
Plus en 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 détailDéveloppements limités. Notion de développement limité
MT12 - ch2 Page 1/8 Développements limités Dans tout ce chapitre, I désigne un intervalle de R non vide et non réduit à un point. I Notion de développement limité Dans tout ce paragraphe, a désigne un
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en 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 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 détailCalcul intégral élémentaire en plusieurs variables
Calcul intégral élémentaire en plusieurs variables PC*2 2 septembre 2009 Avant-propos À part le théorème de Fubini qui sera démontré dans le cours sur les intégrales à paramètres et qui ne semble pas explicitement
Plus en détailLes correcteurs accorderont une importance particulière à la rigueur des raisonnements et aux représentations graphiques demandées.
Les correcteurs accorderont une importance particulière à la rigueur des raisonnements et aux représentations graphiques demandées. 1 Ce sujet aborde le phénomène d instabilité dans des systèmes dynamiques
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 détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en 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 détailChapitre 0 Introduction à la cinématique
Chapitre 0 Introduction à la cinématique Plan Vitesse, accélération Coordonnées polaires Exercices corrigés Vitesse, Accélération La cinématique est l étude du mouvement Elle suppose donc l existence à
Plus en 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 détailNotes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables Fausto Errico Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2012 Table des matières
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 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 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 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 détailPrécision d un résultat et calculs d incertitudes
Précision d un résultat et calculs d incertitudes PSI* 2012-2013 Lycée Chaptal 3 Table des matières Table des matières 1. Présentation d un résultat numérique................................ 4 1.1 Notations.........................................................
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 détailFonctions de plusieurs variables. Sébastien Tordeux
Fonctions de plusieurs variables Sébastien Tordeux 22 février 2009 Table des matières 1 Fonctions de plusieurs variables 3 1.1 Définition............................. 3 1.2 Limite et continuité.......................
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 détailI Stabilité, Commandabilité et Observabilité 11. 1 Introduction 13 1.1 Un exemple emprunté à la robotique... 13 1.2 Le plan... 18 1.3 Problème...
TABLE DES MATIÈRES 5 Table des matières I Stabilité, Commandabilité et Observabilité 11 1 Introduction 13 1.1 Un exemple emprunté à la robotique................... 13 1.2 Le plan...................................
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailChapitre 4: Dérivée d'une fonction et règles de calcul
DERIVEES ET REGLES DE CALCULS 69 Chapitre 4: Dérivée d'une fonction et règles de calcul Prérequis: Généralités sur les fonctions, Introduction dérivée Requis pour: Croissance, Optimisation, Études de fct.
Plus en détailCorrection du baccalauréat S Liban juin 2007
Correction du baccalauréat S Liban juin 07 Exercice. a. Signe de lnx lnx) : on fait un tableau de signes : x 0 e + ln x 0 + + lnx + + 0 lnx lnx) 0 + 0 b. On afx) gx) lnx lnx) lnx lnx). On déduit du tableau
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 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 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 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 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 détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
Plus en détailLogiciel XLSTAT version 7.0. 40 rue Damrémont 75018 PARIS
Logiciel XLSTAT version 7.0 Contact : Addinsoft 40 rue Damrémont 75018 PARIS 2005-2006 Plan Présentation générale du logiciel Statistiques descriptives Histogramme Discrétisation Tableau de contingence
Plus en détailLes travaux doivent être remis sous forme papier.
Physique mathématique II Calendrier: Date Pondération/note nale Matériel couvert ExercicesSérie 1 : 25 septembre 2014 5% RH&B: Ch. 3 ExercicesSérie 2 : 23 octobre 2014 5% RH&B: Ch. 12-13 Examen 1 : 24
Plus en détailOscillations libres des systèmes à deux degrés de liberté
Chapitre 4 Oscillations libres des systèmes à deux degrés de liberté 4.1 Introduction Les systèmes qui nécessitent deux coordonnées indépendantes pour spécifier leurs positions sont appelés systèmes à
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détailExamen optimisation Centrale Marseille (2008) et SupGalilee (2008)
Examen optimisation Centrale Marseille (28) et SupGalilee (28) Olivier Latte, Jean-Michel Innocent, Isabelle Terrasse, Emmanuel Audusse, Francois Cuvelier duree 4 h Tout resultat enonce dans le texte peut
Plus en détailCalcul différentiel. Chapitre 1. 1.1 Différentiabilité
Chapitre 1 Calcul différentiel L idée du calcul différentiel est d approcher au voisinage d un point une fonction f par une fonction plus simple (ou d approcher localement le graphe de f par un espace
Plus en 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 détail1. Vocabulaire : Introduction au tableau élémentaire
L1-S1 Lire et caractériser l'information géographique - Le traitement statistique univarié Statistique : le terme statistique désigne à la fois : 1) l'ensemble des données numériques concernant une catégorie
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
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 détailProgrammation linéaire
Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire
Plus en détailF7n COUP DE BOURSE, NOMBRE DÉRIVÉ
Auteur : S.& S. Etienne F7n COUP DE BOURSE, NOMBRE DÉRIVÉ TI-Nspire CAS Mots-clés : représentation graphique, fonction dérivée, nombre dérivé, pente, tableau de valeurs, maximum, minimum. Fichiers associés
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 détailModélisation intégrée des écoulements pour la gestion en temps réel d'un bassin versant anthropisé
1 TGR Modélisation intégrée des écoulements pour la gestion en temps réel d'un bassin versant anthropisé Simon Munier Institut des Sciences et Industries du Vivant et de l'environnement (AgroParisTech)
Plus en détailVision par ordinateur : outils fondamentaux. Radu HORAUD et Olivier MONGA. Deuxieme edition. Editions Hermes
Vision par ordinateur : outils fondamentaux Radu HORAUD et Olivier MONGA Deuxieme edition Editions Hermes Vision par ordinateur : outils fondamentaux Radu HORAUD, CNRS et Olivier MONGA, INRIA Deuxieme
Plus en détailApprentissage Automatique
Apprentissage Automatique Introduction-I jean-francois.bonastre@univ-avignon.fr www.lia.univ-avignon.fr Définition? (Wikipedia) L'apprentissage automatique (machine-learning en anglais) est un des champs
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 détailOptimisation des fonctions de plusieurs variables
Optimisation des fonctions de plusieurs variables Hervé Hocquard Université de Bordeaux, France 8 avril 2013 Extrema locaux et globaux Définition On étudie le comportement d une fonction de plusieurs variables
Plus en détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailAngles orientés et fonctions circulaires ( En première S )
Angles orientés et fonctions circulaires ( En première S ) Dernière mise à jour : Jeudi 01 Septembre 010 Vincent OBATON, Enseignant au lycée Stendhal de Grenoble (Année 006-007) Lycée Stendhal, Grenoble
Plus en détailFonctions de plusieurs variables et applications pour l ingénieur
Service Commun de Formation Continue Année Universitaire 2006-2007 Fonctions de plusieurs variables et applications pour l ingénieur Polycopié de cours Rédigé par Yannick Privat Bureau 321 - Institut Élie
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 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 détailÉquations non linéaires
Équations non linéaires Objectif : trouver les zéros de fonctions (ou systèmes) non linéaires, c-à-d les valeurs α R telles que f(α) = 0. y f(x) α 1 α 2 α 3 x Equations non lineaires p. 1/49 Exemples et
Plus en détail= 1 si n = m& où n et m sont souvent des indices entiers, par exemple, n, m = 0, 1, 2, 3, 4... En fait,! n m
1 épartement de Physique, Université Laval, Québec Pierre Amiot, 1. La fonction delta et certaines de ses utilisations. Clientèle Ce texte est destiné aux physiciens, ingénieurs et autres scientifiques.
Plus en détailThéorie et codage de l information
Théorie et codage de l information Les codes linéaires - Chapitre 6 - Principe Définition d un code linéaire Soient p un nombre premier et s est un entier positif. Il existe un unique corps de taille q
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 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 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 détailANALYSE NUMERIQUE ET OPTIMISATION. Une introduction à la modélisation mathématique et à la simulation numérique
1 ANALYSE NUMERIQUE ET OPTIMISATION Une introduction à la modélisation mathématique et à la simulation numérique G. ALLAIRE 28 Janvier 2014 CHAPITRE I Analyse numérique: amphis 1 à 12. Optimisation: amphis
Plus en détailIntégrales doubles et triples - M
Intégrales s et - fournie@mip.ups-tlse.fr 1/27 - Intégrales (rappel) Rappels Approximation éfinition : Intégrale définie Soit f définie continue sur I = [a, b] telle que f (x) > 3 2.5 2 1.5 1.5.5 1 1.5
Plus en détailMathématiques I Section Architecture, EPFL
Examen, semestre d hiver 2011 2012 Mathématiques I Section Architecture, EPFL Chargé de cours: Gavin Seal Instructions: Mettez votre nom et votre numéro Sciper sur chaque page de l examen. Faites de même
Plus en détailSillage Météo. Notion de sillage
Sillage Météo Les représentations météorologiques sous forme d animation satellites image par image sont intéressantes. Il est dommage que les données ainsi visualisées ne soient pas utilisées pour une
Plus en 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 détailTRACER LE GRAPHE D'UNE FONCTION
TRACER LE GRAPHE D'UNE FONCTION Sommaire 1. Méthodologie : comment tracer le graphe d'une fonction... 1 En combinant les concepts de dérivée première et seconde, il est maintenant possible de tracer le
Plus en détailEtude de fonctions: procédure et exemple
Etude de fonctions: procédure et exemple Yves Delhaye 8 juillet 2007 Résumé Dans ce court travail, nous présentons les différentes étapes d une étude de fonction à travers un exemple. Nous nous limitons
Plus en détailMathématiques et petites voitures
Mathématiques et petites voitures Thomas Lefebvre 10 avril 2015 Résumé Ce document présente diérentes applications des mathématiques dans le domaine du slot-racing. Table des matières 1 Périmètre et circuit
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 détailDérivées d ordres supérieurs. Application à l étude d extrema.
Chapitre 5 Dérivées d ordres supérieurs. Application à l étude d extrema. On s intéresse dans ce chapitre aux dérivées d ordre ou plus d une fonction de plusieurs variables. Comme pour une fonction d une
Plus en détailF411 - Courbes Paramétrées, Polaires
1/43 Courbes Paramétrées Courbes polaires Longueur d un arc, Courbure F411 - Courbes Paramétrées, Polaires Michel Fournié michel.fournie@iut-tlse3.fr http://www.math.univ-toulouse.fr/ fournie/ Année 2012/2013
Plus en détailCCP PSI - 2010 Mathématiques 1 : un corrigé
CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P
Plus en détailPlan du cours : électricité 1
Semestre : S2 Module Physique II 1 Electricité 1 2 Optique géométrique Plan du cours : électricité 1 Partie A : Electrostatique (discipline de l étude des phénomènes liés aux distributions de charges stationnaires)
Plus en détailPolynômes à plusieurs variables. Résultant
Polynômes à plusieurs variables. Résultant Christophe Ritzenthaler 1 Relations coefficients-racines. Polynômes symétriques Issu de [MS] et de [Goz]. Soit A un anneau intègre. Définition 1.1. Soit a A \
Plus en détailLa Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1
La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois
Plus en détailOptimisation Discrète
Prof F Eisenbrand EPFL - DISOPT Optimisation Discrète Adrian Bock Semestre de printemps 2011 Série 7 7 avril 2011 Exercice 1 i Considérer le programme linéaire max{c T x : Ax b} avec c R n, A R m n et
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 détailUEO11 COURS/TD 1. nombres entiers et réels codés en mémoire centrale. Caractères alphabétiques et caractères spéciaux.
UEO11 COURS/TD 1 Contenu du semestre Cours et TDs sont intégrés L objectif de ce cours équivalent a 6h de cours, 10h de TD et 8h de TP est le suivant : - initiation à l algorithmique - notions de bases
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 détail