UE3 : MRSISEA101 - Parcours Image
UVF14B202 : Vision artificielle (42h)
Ce cours couvre la partie Traitement d’images de l’UE3 du parcours Image du Master SISEA à l'Université de Rennes 1.
Programme détaillé :
Formation et traitement des images
I- Rappels (7h30)
C1 : Introduction
C2 : Notion de photométrie
C3-C4 : Rappels d'optique
C5 : Fréquences spatiales et TF 2D
II- Acquisition des images et prétraitements (10h30)
C6 : Formation des images et filtrage
C7 : Système visuel humain
C8 : Afficheurs et visualisation
C9 : Numérisation d'images, corrections géométriques et radiométriques, rehaussement de contraste
C10 : Filtrage non-linéaire et filtrage anisotrope
TP1 : Introduction au traitement numérique des images
III- Segmentation des images (19h30)
C11-C12 : Intro - Méthodes régions - Détection de contours et surfaces
TP 2 : étude et comparaison des performances de quelques détecteurs de contours et surfaces
C13 : Introduction à la morphologie mathématique
TP 3 : Etude pratique des outils fondamentaux en morphologie mathématique
C14-C15 : Segmentation markovienne
C16-C17 : Segmentation morphologique
C18-C19 : Segmentation par méthodes variationnelles
C12 : Filtrage non-linéaire
TP1 : Introduction au traitement numérique des images
IV- Application à la segmentation de textures (4h30)
C20 : Analyse de texture
C21-C22 : Comparaison des approches markoviennes et variationnelles
Cette partie de l'UV fait l’objet d’un examen écrit donné par un enseignant de l’Université de Rennes 1.
UVF4B402 : Description et structuration de l’information (63h)
Ce cours couvre la partie Reconnaissance de formes , modélisation géométrique, modélisation stochastique de l’UE3 du parcours Image du Master SISEA à l’Université de Rennes 1.
Programme détaillé :
Reconnaissance des formes et analyse de données (19h30)
C1 : Introduction et exemples (J.M. Boucher)
C2 : Apprentissage (J.M. Boucher)
- . estimation de densité
- . méthode du plus proche voisin
C3 : Classification linéaire et non linéaire (J.M. Boucher)
C4 : Classification automatique, méthodes par arbres, classification contextuelle (J.M. Boucher)
TP1 (3h) : Classification d'images en télédétection (G. Mercier)
C5-C6 : Classification par méthodes structurelles (C. Roux)
C7 : Analyse en composantes principales (ACP) et indépendantes (ACI) (G. Mercier)
C8 : Méthodes Support Vector Machine (SVM) (G. Mercier)
C9 : Démélangeage de données (G. Mercier)
TP2 (3h) : Analyse de données et classification en télédétection (G. Mercier)
Modélisation géométrique - recherche d'invariants (12h)
C10-C11 : Description locale et globale des courbes de R3 (V. Burdin)
C12-C13 : Description locale et globale des surfaces de R3 (V. Burdin)
C14 : Applications et recherche d'invariants 3D (V. Burdin)
C15 : Régularisation et différentiation des images (V. Burdin)
TP3 (3h) : Courbes Bézier et B-splines (V. Burdin)
Problèmes inverses et analyse de séquences d'images (13h30)
C16-C17 : Formulation variationnelle (R. Fablet)
C18 : Analyse de mouvement - points d'intérêt (R. Fablet)
C19-C22 : Analyse de mouvement (R. Fablet)
STP1 ou TP4 : Projet bibliographique sur le mouvement pour cette année puis TP à terme (R. Fablet)
Réseaux connexionnistes (9h)
C23-C24 : Réseaux multicouches - exemples des perceptrons (D. Guériot)
C25 : Applications et mise en oeuvre des perceptrons (D. Guériot)
C26 : Réseaux de Kohonen : applications (G. Cazuguel)
TP5 (3h) : Reconnaissance par réseaux de neurones de caractères manuscrits (D. Guériot, J. Montagner)
Décision (9h) :
4 cours (M. Garreau)
1 TP6 (3h) : (D. Guériot)
Deux examens valideront le Master, un donné par un enseignant de Télécom Bretagne, l'autre donné par un enseignant de l'Université de Rennes 1.
UVF4B502B : Traitement et fusion de l'information (42h)
La partie concernant le traitement et la fusion de l’information aborde les concepts de base liés à l'information, aux sources d'imperfection, aux différentes formes d'incertitudes. Le cours met l'accent sur les différentes approches de l'intelligence artificielle utiles à la fusion de l'information, et présente les méthodes et les architectures des systèmes de fusion de l'information (reconnaissance de formes, approche probabiliste, théorie de l'évidence, logique floue, filtrage). Les données à traiter sont issues de l'observation du monde réel, à partir de différents systèmes de perception qui permettent la télédétection d'images sonar, la détection d'objets sur les fonds sous-marins, la fusion multi-capteurs et les problèmes de poursuite de cible, le traitement de l'information spatiale et la cartographie, et plus généralement le traitement d'images.
15h de Cours et 6h de TP.
- Modélisation du concept d'information et sources d'imperfection : les différentes approches d'ingénierie permettant le traitement et la fusion de l'information. (3h) (B.Solaiman)
- Exemples de systèmes réels nécessitant la fusion multi-capteurs. (1h30) (B.Solaiman)
- Approche probabiliste et raisonnement bayésien (1h30) (B.Solaiman)
- Raisonnement évidentiel & fusion de sources d'information (6h) (A.Appriou)
- Raisonnement flou et fusion multi-capteurs en imagerie (1h30) (B.Solaiman)
- Exemples d'application en imagerie médicale et satellitaire (1h30) (B.Solaiman)
- Modélisation du concept d'information et sources d'imperfection : les différentes approches d'ingénierie permettant le traitement et la fusion de l'information. (3h) (B.Solaiman)
- Exemples de systèmes réels nécessitant la fusion multi-capteurs. (1h30) (B.Solaiman)
- Approche probabiliste et raisonnement bayésien (1h30) (B.Solaiman)
- Raisonnement évidentiel & fusion de sources d'information (6h) (A.Appriou)
- Raisonnement flou et fusion multi-capteurs en imagerie (1h30) (B.Solaiman)
- Exemples d'application en imagerie médicale et satellitaire (1h30) (B.Solaiman)
L’examen sera donné par un enseignant de IMT Atlantique