1
|
4 janvier
|
Introduction
- Organisation, laboratoires, formation des équipes
- Aperçu général de la vision par ordinateur
- Les différentes approches
- Niveaux de représentation
|
Pas de laboratoire la première semaine
|
Notes: Chap. 1
Szeliski : Ch. 1
|
|
2
|
11 janvier
|
Formation des images
- Équations de perspective
- projection inverse
- stéréo
|
Laboratoire 1: Introduction à MATLAB et Aphelion
(3 semaines)
MATLAB
- Algorithmes de traitement
|
Szeliski :
2.1 - 2.2
Capsule 1: MATLAB
Document PDF: MATLAB/Introduction à MATLAB
|
|
3
|
18 janvier
|
- Radiométrie:
- principaux termes
- équation de formation des images
- carte de réflectance
|
Laboratoire 1
semaine 2
Aphelion
- Interface graphique d’exécution
- Visualisation des résultats et des images
- Histogramme pour l’identification
- Représentation surfacique
Rehaussement d’image
- Mise à l’échelle linéaire
- Égalisation d’histogramme
|
Notes: Chap. 2
Szeliski : 2.2
Capsule 2: Aphelion
Document PDF: Manuel de l’utilisateur Aphelion 4.2
|
|
4
|
25 janvier
|
- Photométrie
- caméra numérique
- lentilles minces
- paramètres pour la prise d’images
- autres capteurs
- types d’images: E, IR, 3D, couleur, satellitaire, etc.
- Traitement de la couleur
- la couleur?
- perception de la couleur
- modèles de représentation
- Échantillonnage
- théorème de Nyquist
- quantification
- tesselation (pavage)
- Connectivité
- 4 et 8 voisins
- régions connectées
|
Laboratoire 1
semaine 3
fin
|
Szeliski : 2.3
Capsule 3: Photo numérique
Document PDF: Principes fondamentaux de la photographie numérique
Document PDF: Comprendre la couleur (anglais)
|
|
5
|
1 février
|
Reconnaissance de formes
Prétraitement des images
- Rehaussement des primitives
- arêtes, contraste, etc.
- mise à l’échelle
|
Laboratoire 2:
OpenCV, MS Visual Studio
(3 semaines)
http://opencv-srf.blogspot.ca/p/opencv-c-tutorials.html
|
Szeliski : 3.1
Documentation Web: OpenCV
|
Remise du labo 1
|
6
|
8 février
|
- Filtrage
- convolution
- moyenneur
- rehaussement d’arêtes
- domaine fréquentiel (TFD et TFR)
- gaussien
- pyramidal
- Rehaussement non-linéaire
- filtre médian
- préservation des arêtes
|
Projet
Labo. 2
semaine 2
|
Notes: Chap. 3
Szeliski :
3.2 Linéaire
3.3.1 Non-linéaire
3.4 Fourier
3.5 Pyramide
|
|
7
|
15 février
|
- Morphologie
- érosion, dilatation
- ouverture, fermeture
- opérations élémentaires
- Espaces couleur
- base: RVB CMJN
- standardisé: sRVB
- CIE: XYZ
- perceptuel: L*a*b*
|
Labo. 2
fin
|
Szeliski :
3.3.2 Morphologie
2.3.2 Couleur
|
|
|
22 février
|
Relâche
|
Relâche
|
Notes: Chap. 4
Szeliski : 4.2
L1: H. Maître Détection des contours
2.1 - 2.3
L2: R. Deriche Détecteur de Canny-Deriche
|
Remise du choix de projet
|
8
|
1 mars
|
Extraction des descripteurs
- Notion de discontinuité 3D et 2D
- Primitives de base: arêtes
- Détection des arêtes basée sur le gradient
- masques 1x2
- masques moyenneurs
- arêtes orientées
- amincissement
- Canny-Deriche
|
Présentation projet: Choix du projet
Projet de session
|
|
Remise du labo 2
10 mars:
dernier jour pour abandon sans mention
|
9
|
8 mars
|
- Détection des arêtes basée sur la dérivée seconde
- gaussienne
- passage par zéro (Marr-Hildreth)
- Détection multirésolution des arêtes
|
Projet de session
|
Szeliski : 4.1
L3: D. Lowe SIFT
|
|
10
|
15 mars
|
- Détection invariante de points singuliers :
- Coins de Harris
- Algorithme SIFT
|
Projet de session
|
Szeliski :
5.2 Split-Merge
5.3 Mean shift
|
État de projet
|
11
|
22 mars
|
Segmentation
- Définition et vue d’ensemble des méthodes
- Morphologie - ligne de partage des eaux
- Segmentation d’une image satellitaire
|
Projet de session
|
Szeliski :
4.3 Arêtes
5.1 Snakes
L1: H. Maître Détection des contours
2.4 Contours actifs
|
|
12
|
29 mars
|
Extraction des éléments symboliques
- Détection des crêtes et des vallées
- Représentation des éléments symboliques - Objets
|
Présentation Projet: Étape
Projet de session
|
|
|
13
|
5 avril
|
Reconnaissance
- Niveaux intermédiaires dans un système de vision artificielle
- Éléments symboliques et leurs attributs organisés en base de données
- Reconnaissance par parties: les géons
- Reconnaissance par apprentissage supervisé: classification SVM
Localisation
- Stéréoscopie
- géométrie épipolaire
- appariement par corrélation
- appariement de primitives
- Imagerie satellitaire
- redressement
- recalage, géoréférencement
- fusion Panchromatique - Multispectral
|
Présentation Projet: Étape
Projet de session
|
Szeliski :
Chap. 11 Stereo Correspon-dence
|
|
|
12 avril
|
|
Examens finaux
Examen écrit
|
|
Examen final
Projet : Évaluation
Rapport technique
|