À la fin du cours, l’étudiant devrait :

• Comprendre les divers phénomènes qui se produisent lors de la formation d’une image;
• Maîtriser l’appareil mathématique servant à poser les problèmes de vision de façon analytique;
• Choisir l’approche d’analyse la mieux appropriée au type d’image à l’étude;
• Avoir une idée globale du vaste domaine que représente la vision par ordinateur et pouvoir progresser par lui-même par la suite.
• Identifier et mettre en œuvre les processus nécessaires pour identifier et localiser les divers objets présents sur une ou plusieurs images de la scène sous observation.

Pour atteindre les objectifs, l’étudiant assistera à des exposés magistraux à raison de 3h30 par semaine et à des séances de laboratoire (2h par semaine) durant lesquelles il pourra expérimenter les principaux algorithmes utilisés en vision par ordinateur. Les 6 dernières semaines sont consacrées à la programmation et à l’évaluation d’un algorithme de vision artificielle au moyen d’un projet de session.

Le cours se veut une introduction au domaine de la vision informatique. Il couvre les fondements de la vision numérique et aborde les principes élémentaires de la formation d’images, de l’extraction des primitives des images et de la segmentation et description des objets présents sur les images. Une approche de traitement local est favorisée. Une approche numérique de réalisation sera illustrée en laboratoire à l’aide de progiciels évolués d’analyse, de compréhension et de traitement d’image.

Rapports de laboratoire (2) : 20% par journée ouvrable de retard

Rapport technique du projet de session : Remise lors de la séance d'affiches. 20% par journée ouvrable de retard.

R. Lepage, La vision par ordinateur.  Notes de cours, École de technologie supérieure, 2005.

Site web du cours :

https://ena.etsmtl.ca

R. Szeliski, Computer Vision – Algorithms and Applications, Springer, 2011.

Collection Springer eBook Collection de la bibliothèque de l’ÉTS

Forsyth, D. A. & Ponce, J, Computer Vision: A Modern Approach. Upper Saddle, NJ: Prentice Hall, 2003.

E. Trucco and A. Verri, Introductory Techniques for 3-D Computer Vision, Prentice Hall, 1998.

D. Lingrand, Introduction au traitement d’images, Vuibert (Paris), 2004.

L. G. Shapiro et G. C. Stockman, Computer Vision, Prentice Hall, 2001.

Jain, R., Kasturi, R, Schunck, B. G., Machine Vision, McGraw-Hill, 1995.

P. Bolon, J.-M. Chassery, J.-P. Cocquerez, D. Demigny, C. Graffigne, A. Montanvert, S. Philipp, R. Zéboudj, et J. Zérubia, Analyse d'images: filtrage et segmentation, Masson, 1995.

H. Maître, Le traitement des images, Hermes Science, 2003.

M. Bennamoun et G. J. Mamic, Object Recognition: Fundamentals and Case Studies, Springer, 2002.

Horn, H. K. P., Robot Vision, MIT Press, 1986.

Marr, D., Vision, Freeman, 1982.

Tisserand, E., Pautex, J.-F. et Schweitzer, P., Analyse et traitement des signaux – Méthodes et applications au son et à l’image, Dunod, 2004.

Trémeau, A., Fernandez-Maloigne, C. et Bonton, P., Image numérique couleur: de l’acquisition au traitement, Dunod, 2004.

Horaud, R., Monga, O., Vision par ordinateur: outils fondamentaux, 2^e édition, Hermes, 1995.

Haralick, R. M., Shapiro, L. G., Computer and Robot Vision, Volume I and II, Addison Wesley, 1992 et 1993.

https://ena.etsmtl.ca/course/view.php?id=1763