Génie Mathématique & Modélisation

Imagerie et Reconnaissance de Formes.
Génie Mathématique & ModélisationAnnée 3, Semestre S9
Cycle ingénieur		2 crédits ECTS3GMS9IMF
Objectifs
  • Initiation à la modélisation en Imagerie. Il s'agit de présenter les outils classiques de géométrie en analyse d'image,
  • permettant de modéliser une caméra et d'analyser le contenu d'images. Etude des algorithmes intervenant en reconnaissance de formes et en détection de mouvements.
Liste des ECImagerie.
Reconnaissance de Formes.
Horaire encadré30 h
Travail personnel20 h
Évaluation50% Imagerie.
50% Reconnaissance de Formes.
Pré-requisModules « Calcul Matriciel » (S6) et « Probabilité et Statistiques » (S8).
1GMS6CAM - Calcul matriciel
ResponsableMarinette BOUET
18/08/2008
Génie Mathématique & ModélisationImagerie.
Objectifs
  • Savoir modéliser une caméra, une image. Savoir analyser le contenu d'une image.
Compétences
  • Aptitude à maîtriser les outils de la simulation en traitement des images en utilisant des techniques d'approximation numérique et l'outil statistique.
Description
  • Introduction à la vision, et amélioration d'images
  • Géométrie pour la vision
  • Introduction à la Reconnaissance des Formes
  • Décision Bayesienne
  • Lois normales
  • Notions d'Apprentissage
  • Apprentissage automatique
Horaire encadré12h (6h CM + 6h TD)
ÉvaluationExamen final, Écrit
Bibliographie

Pattern Classification, Second Edition, Duda RO, Hart PE, Stork DG, Wiley-Interscience  (2001)

EnseignantsThierry CHATEAU
18/08/2008
Génie Mathématique & ModélisationReconnaissance de Formes.
Objectifs
  • En partant des notions de bases sur les images, arriver à comprendre le chaînage d'opérations qui permettent d'arriver à réaliser des opérations de reconnaissance de formes et détection de mouvements.
Compétences
  • Compréhension du principe théorique de la formation des images
  • Acquisition d'une connaissance globale des différentes méthodes d'imagerie
  • Savoir appliquer et adapter ces méthodes pour résoudre des problématiques concrètes
Description
  • Rappels sur les images : types, principe de formation, stockage, compression JPEG/JPEG2000/Fractale
  • Méthodes de prétraitement des images : convolutions, transformée de Fourier
  • Filtrage des images : linéaire, morphologique
  • Amélioration des images : traitement du bruit, opérations sur l'histogramme, rehaussement
  • Méthodes de traitement d'images : application à la détection, segmentation
  • Reconnaissance des formes : par corrélation, matching
  • Extension à la détection de mouvement : approche binaire ; markovienne
  • Etude de cas dans l'imagerie médicale
Horaire encadré18h (18h CM)
ÉvaluationExamen final, Écrit
Bibliographie

Digital image processing 3rd Edition, Gonzalez and Woods, Prentice Hall

Pattern Recognition And Machine Learning, Bishop CM, Springer (2006)

Digital Image Sequence Processing, Compression, and Analysis, Reed TR, CRC Press (2005)

EnseignantsVincent BARRA, Jean-Yves BOIRE, Paul DE VLIEGER
18/08/2008