Image, Signal, Simulation

• Formation: M1, MApI3


• Contenu:
  
  
  • Rappels sur le traitement d'image et sur l'optimisation (algorithme du gradient). Complément en optimisation non lisse : algorithme du gradient proximal
  • La restauration d'image: Modélisation, variation totale, débruitage, problèmes inverses (inpainting, déconvolution, restauration d'image compressée)
  • Le recalage d'images: Principe et aperçu des modèles variationnelles en recalage et de leurs applications
  • La représentation parcimonieuse dans un dictionnaire d'atomes: principe, minimisation l0 et l1, échantillonnage compressé (cas l0 et l1 dans la cas du critère RIP), Orthogonal Matching Pursuit
  • La segmentation d'image: optimisation de forme par ensemble de niveaux, méthode du flot maximum. Modélisation pour la segmentation d'images: modèles de Mumford-Shah, Chan-Vese, Boykov-Jolly
  
  
  
  • Le contenu du cours est illustré par des TP portant sur des problèmes de traitement d'images.
  
  
  
• Projet: Le projet est assez conséquent et doit représenter environ 24 heures de travail personnel. Il comprend les comptes rendus des TPs et un projet réalisé en autonomie. Le déroulement et les sujets des projets sont décrits dans ce document: projet.pdf
  
  
• Polycopié d'optimisation (Remerciement à Aude Rondepierre)
  
  
• Polycopié du cours: poly_image.pdf
  
  
• TD :
  
  • TD1.pdf
  • TD2.pdf
  • TD3.pdf
  • TD4.pdf
  • TD5.pdf
  
  
  
• TP: Les TP sont en Python
  
  
• Tutoriel sur le langage Python,
• TP 1 :
  • Sujet du TP 1 : tp1.pdf
  • Fichiers à télécharger pour faire le TP 1 : notebook python, une image
  
  
• TP 2 :
  • Sujet du TP 2 : tp2.pdf
  • Fichier à télécharger pour faire le TP 2 : notebook python
  
  
• TP 3 :
  • Sujet du TP 3 : tp3.pdf
  • Fichier à télécharger pour faire le TP 3 : notebook python
  
  
• TP 4 :
  • Fichier à télécharger pour faire le TP 4 : notebook python