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