Traitement des Images et Vision Artificielle - imagine

Traitement des Images et
Vision Artificielle
Présentation des Cours
Martin de La Gorce
[email protected]
Janvier 2015
1/1
Objectif
Compréhension théorique des principaux problèmes du
traitement d’image et de la vision artificielle
Connaissance pratique des outils principaux pour résoudre
ces problèmes
2/1
Structure
Divisé en deux grandes parties:
Traitement d’image: débruitage, segmentation
Vision artificielle: détection et reconnaissance de
primitives , objets etc., reconstruction 3D
3/1
Plan du cours 1/2: Traitement d’images
1
Les bases du traitement d’image : échantillonage,
quantification, interpolation, aliasing , histogramme,
changement de contraste. Convolutions, lissage, détection
de bords
2
l’optimisation pour l’image : descente de gradient,
moindres carrés, moindres carrés repondérés,
programation dynamique, graph cut, champs de markov,
belief propagation. Quelques applications : débruitage,
inpainting et super-résolution
3
la segmentation : comment découper l’image en region
homogènes: kmean, morphologie mathématique, contours
actifs.
4/1
Plan du cours 2/2: Vision artificielle
1
La détection de primitives et d’objets rigides :
Transformée de Hough , ANSAC, bbranch and bound,
iterative closest point (ICP)
2
La mise en correspondance d’images points d’intérêts,
matching , flux optique
3
La détection, classification et suivit d’objets non
rigides : viola jones cascade, random forest, application
au visages, models d’apparence actifs, filtres particulaires
5/1
Ce que l’on ne verra pas
Quelques sujets du domaine que j’ai choisi de ne pas couvrir
pendant ce cours:
1
théorie de l’information et compression
2
théorie de fourrier
3
réduction de dimension
4
les ondelettes
5
les cartes de distance, les squelettes
6/1
Organisation
1
6 cours magistraux de 2h
2
5 travaux pratiques de 2h
3
Travaux pratiques en Python
4
Devoir à la maison: à rendre dans la semaine qui suit le
cours, ils seront notés
5
Validation: devoirs maison 50% + projet 50%
7/1
Support du cours
1
Les transparent seront disponibles en ligne avant le cours
2
Des liens vers des ressources en ligne seront donnés dans
chaque cours
8/1
Cours en ligne
http://staff.science.uva.nl/~rein/IPCV/
Szeliski "Computer Vision: Algorithms and Applications "
http://szeliski.org/Book/
http://cdn.preterhuman.net/texts/science_and_
technology/artificial_intelligence/
Mubarak Shah, "Fundamentals of Computer Vision"
http://www.cs.ucf.edu/courses/cap6411/book.pdf
9/1
Livres
Computer Vision: A Modern Approach by D. Forsyth and J.
Ponce
Multiple View Geometry in Computer Vision by R. Hartley and A.
Zisserman
An Invitation to Computer Vision by Ma, Soatto, Kosecka, and
Sastry
Robot Vision by BKP Horn, MIT Press, 1986.
Machine Vision, R.C. Jain, R. Kasturi and B.G. Schunck,
McGraw-Hill, 1995.
Computer vision by Dana H. Ballard, Christopher M. Brown.
Image processing, analysis, and machine vision by Milan Sonka,
Vaclav Hlavac, and Roger Boyle. (il y a un Matlab compagnion
volume de Tomas Svoboda, Jan Kybic, and Vaclav Hlavac)
10 / 1
Liens Python + CV
scikit-image, Python, http://scikit-image.org/
Python image library (PIL)
OpenCV (écrit en C++, interfacé avec python)
http://programmingcomputervision.com/
http://pythonvision.org/contribute
http://pythonvision.org/basic-tutorial
http://scipy-lectures.github.io/advanced/
image_processing/
https://github.com/jesolem/PCV/
http://www.simplecv.org/
http://mahotas.readthedocs.org/en/latest/
http://pycvf.sourceforge.net/
http://pycv.sharkdolphin.com/
11 / 1