Traitement d'images

(TIM)

• Coefficient : 3
• Volume Horaire: 73.0h estimées de travail (dont 42.5h EdT)
  CTD : 23.75h encadrées (et 3.75h de séances d'études dirigées)
  Labo : 12.5h encadrées (et 2.5h de séances d'études dirigées)
  Travail personnel hors EdT : 30.5h
• Dont projet : 3h encadrées et 10h projet personnel

Liste des AATs

Description

1. Traitement des images numériques
   • Acquisition et représentation des images
   • Restauration et prétraitements
   • Segmentation par les contours
   • Segmentation par les régions
   • Classification et reconnaissance de formes
2. Laboratoires avec des exemples d’applications
   • Débruitage d’images
   • Segmentation d’images

Acquis d'Apprentissage visés (AAv)

• AAv1 [heures: 35, B2, B3, B4, C2] : A la fin du semestre, l’étudiant sera familiarisé avec les enjeux de la vision artificielle et aura acquis les concepts fondamentaux du traitement et de l’analyse des images numériques 2D.

  • 1. la représentation des images dans le domaine spatial et fréquentiel,
  • (2) l’amélioration de contraste par les techniques de modifications d’histogramme (anamorphose linéaire et non-linéaire),
  • (3) le débruitage par les techniques de filtrage linéaire (opérateurs de convolution 2D) et non-linéaire (filtrage des statistiques d’ordre, moyennage d’images, transformations morphologiques),
  • (4) la restauration par les opérations de rehaussement de contraste (défloutage),
  • (5) la segmentation par les approches basées contour et par celles basées région,
  • (6) l’analyse de texture par approches fréquentielles et statistiques,
  • (7) l’extraction de caractéristiques par les outils de sélection d’attributs,
  • (8) la reconnaissance d’objets par transformée de Hough et par les algorithmes d’apprentissage automatique (machine learning).

• AAv2 [heures: 12, C2, C3, D1, D2, D3, D4] : A la fin du semestre, l’étudiant sera capable d’appliquer efficacement sur une image d’entrée un ou plusieurs algorithmes classiques de traitement et d’analyse d’images. Il doit être en mesure d’optimiser la paramétrisation de chaque algorithme et d’analyser la pertinence et les limites des résultats obtenus.

• AAv3 [heures: 10, C1, C2, C3, C4, D1, D2, D3, D4] : A la fin du semestre, l’étudiant sera capable de concevoir, analyser et mettre en œuvre une chaine de traitement et d’analyse d’images en réponse à un cahier des charges traduisant les besoins d’une nouvelle application de vision par ordinateur, notamment au profit de la transition énergétique. Il s’agit en particulier de :

  • (1) trouver le bon opérateur de prétraitement vis-à-vis de la nature du bruit dans l’image (gaussien, impulsionnel ou uniforme),
  • (2) faire un choix justifié sur la méthode et sur l’opérateur de segmentation à utiliser,
  • (3) savoir identifier les bons attributs caractéristiques pour l’analyse et l’exploitation de l’information présente dans l’image,
  • (4) choisir un algorithme de reconnaissance d’objets adapté à la problématique,
  • (5) implémenter les algorithmes dans un langage interprété de type python, matlab ou octave et finalement
  • (6) faire les tests nécessaires pour valider la solution proposée et évaluer de manière critique les résultats obtenus..

• AAv4 [heures: 8, D1, D2, D3, D4] : A la fin du semestre, l’étudiant sera capable d’utiliser les outils de la bibliothèque openCV et réaliser l’implantation d’une solution de traitement et d’analyse d’images sur une carte type microcontrôleur connectée à une caméra.

• AAv5 [heures: 8, D2] : A la fin du semestre, l’étudiant sera capable d’utiliser les bibliothèques des techniques d’apprentissage automatique (machine learning) comme scikit-learn.

Modalités d'évaluation

Moyenne de plusieurs évaluations de contrôle continu et projet d'application

Mots clés

synthèse de filtres, signaux modulés, corrélation, débruitage d’images, segmentation d’images, reconnaissance de formes, DSP

Pré-requis

Programme de traitement du signal et de mathématiques des années antérieures.

Ressources

Polycopiés de cours et textes de TD et de Labos