.......
Module Image .......![]() Le module image vous est proposé par le projet ICAR (image et interaction) |
![]() |
![]() |
sur le module image en
envoyant un e-mel (cliquez sur le penseur). |
L’objectif
de ce cours est de présenter les bases de la modélisation numérique
d’objets tridimensionnels à l’aide des maillages surfaciques, et de
présenter plusieurs outils et applications dédiés à la génération, à la
compression et à la visualisation de ces données. Nous y aborderons les
sujets suivants : notions de base sur les maillages surfaciques,
génération de maillages semi-réguliers, analyse multi-résolution des
maillages surfaciques, compression. La problématique des maillages de
très grande résolution ("ou-of-core") sera aussi développée. |
![]() |
Ce
cours proposera une brève introduction à la vision par ordinateur en
générale, et à la vision tridimensionnelle en particulier. En partant
de quelques exemples très concrets issus de la perception visuelle
humaine, nous introduirons les notions de modèle de caméra, de
calibrage et de mise en correspondance en stéréovision ; nous
présenterons ensuite les techniques de reconstruction par capteurs
actifs (laser-‐caméra, projecteur-‐ caméra) – nous nous appuierons
sur la très célèbre Kinect, dont nous décortiquerons le principe de
fonctionnement, pour souligner les performances de tels capteurs et les
enjeux scientifiques et techniques qu’ils soulèvent.![]() |
![]() |
En
s'appuyant sur une application à la cartographie des fonds marins par
imagerie acoustique sous-marine, ce cours s'intéressera aux
problématiques de reconnaissance et segmentation des textures. Il
abordera en premier lieu le problème de la définition et de
l'extraction de caractéristiques texturales discriminantes et
invariantes aux conditions d'acquisition. |
![]() |
Dans ce contexte, les avancées récentes basées sur la caractérisation de discribution de signatures locales dans les images seront plus particulièrement considérées. Dans un second temps, on s'intéressera à la définition de méthodes de segmentation pertinentes pour traiter l'information texturelle, information intrinsèquement non-local. On mettra notamment en évidence l'intérêt des méthodes variationnelles. Ces différents aspects méthodologiques seront illustrés sur des jeux de données réelles. | ![]() |
Dans cette intervention nous essayerons d'illustrer la nature à la fois vectorielle et sensorielle des images numériques couleur qui fait que l'extension des traitements couleur aux 3 dimensions R, V et B ne peut être satisfaisante. Nous montrerons quelques caractéristiques du système visuel humain, nous attarderons sur les différents espaces de codage de la couleur avec leurs avantages et leurs inconvénients au regard de cette perception et donnerons quelques pistes pour des traitements vectoriels prenant en compte les aspects perceptuels. |
![]() | ![]() |
![]() |
Dans le cadre de ce cours, nous présenterons les principaux types de modèles déformables utilisés en traitement d' images. Nous les étudierons d'un point de vue de leurs représentations mathématiques (modèles continus, discrets, implicites); puis de leur processus d'évolution (forces internes, forces images, dynamique). Enfin, nous illustrerons leur utilisation à travers quelques applications, en particulier dans le domaine du traitement d'images médicales (reconstruction anatomique, recalage d'images, suivi de mouvement). ![]() ![]() ![]() |
![]() |
![]() ![]() ![]() |
Plan du cours 1. Description du contenu des images • Descripteurs locaux • Quantification : Notion de BOF et BOVW - Mesures de similarité et distances - Prise en compte du contexte spatial : SPMK, GraphWords 2. Extensions spatio-temporelles • Comparaisons des séquences vidéo • Mouvement : descripteur particulier • Estimation • Segmentation en plages du mouvement homogène. |
![]() |