S3 - UE principales du parcours Images

Analyse d’images : approfondissement (Nicole Vincent)

• Objectif: Interprétation des images fixes ou vidéo.
• Connaissances à acquérir:
• Modélisation d’images par splines.
• Segmentation de scènes : approche multirésolution pour l’extraction des objets, contours actifs et level sets.
• Morphologie mathématique en niveaux de gris.
• Indexation et recherche par le contenu.
• Techniques de compression
• Prérequis: Analyse d'images : introduction.

Analyse de séquences vidéo (Nicolas Loménie)

• Objectif: Application des méthodes de traitement des images fixes aux images animées et utilisation de l'information supplémentaire.
• Connaissances à acquérir:
• Segmentation temporelle en plans des séquences vidéo.
• Segmentation et analyse de l'arrière plan, structuration de la scène.
• Détection et compensation de mouvement.
• Suivi d'objets, cas particulier des petits objets.
• Détection de volume à partir du mouvement.
• Prérequis: Analyse d'images : introduction.

Géométrie algorithmique (Florence Cloppet)

• Objectif: Acquisition de méthodes dont l'application permettra des réalisations informatiques et expérimentation par réalisation de logiciels.
• Connaissances à acquérir:
• Approximation d’un ensemble de points par une courbe.
• Restauration d’images.
• Méthodes de modélisation des ensembles discrets.
• Calcul d’enveloppes convexes et de composantes connexes.
• Synthèse d’images.
• Prérequis: Mathématiques d'une licence scientifique.

Vision 3D (Nicolas Loménie)

• Objectif: Application des méthodes de traitement des images fixes aux images volumiques et traitement des nuages de points.
• Connaissances à acquérir:
• Acquisition d'images 3D.
• Traitement de volumes 3D : Segmentation d’images 3D, mesures de caractéristiques
• Reconstruction d’objets à partir de nuages de points
• Construction par stéréoscopie, Shape from shading
• Prérequis: Analyse d'images : introduction.

Imagerie biomédicale (Florence Cloppet)

• Les techniques d’acquisition.
• Analyse des problèmes spécifiques par étude de cas.
• La fusion de connaissances.
• La compression.

Reconnaissance des formes (2) (Nicole Vincent)

• Objectif : Acquisition des outils de modélisation pour la prise de décision.
• Connaissances à acquérir :
• Distances et classifications.
• Approches statistiques : RNA, approfondissement des techniques vues en RdF1.
• Méthodes structurelles : méthodes syntaxiques, graphes.
• Études de cas, en particulier dans le domaine de l'image.
• Prérequis : Mathématiques d'une licence scientifique.