Contenu de la formation
Introduction générale.
- Vision artificielle et vision humaine.
- Définitions principales.
- Les grands domaines.
- De l'image à la décision :
- architecture globale d'acquisition.
- Capteur à CCD.
- Quelques caméras plus exotiques.
- Caméras couleurs.
- Les formats images.
Traitement.
- Le but du traitement d'images.
- Les sources de dégradations.
- Modélisation.
- Connaissance a priori.
- Connaissance a posteriori.
- Matched detector
Filtrage.
- Lissage local ou semi local.
- Amélioration.
- Modification d'un histogramme.
- Utilisation de la couleur.
- Rehaussement du contraste.
Compression.
- La compression sans pertes.
- La compression avec pertes.
Analyse : de l'image aux primitives.
- Segmentation.
- principes et notion d'indices visuels.
- Seuillage.
- Principe du seuillage.
- Détection de vallées.
- Minimisation de variance.
- Maximisation du contraste.
- Bilan sur le seuillage.
Étiquetage contextuel : la relaxation.
- Détection de frontières.
- Du pixel au contour.
- Calcul d'un gradient.
- Modèle de Canny-Dériche.
- Recherche des "zero-crossing".
- Du gradient au contour.
- Recherche de configurations particulières.
- Contour ou contraste.
Modélisation.
- Modèle à facettes.
- Transformée de Hough.
- Recherche de régions.
- Le modèle région d'une image.
- Algorithme split_and_merge.
- Pyramides stochastique et adaptative.
- L'approche de la classification.
- La Multi-résolution.
Les images binaires.
- Définitions.
- Codage des images binaires.
Applications.
- Détection de défauts d'aspects.
- Contrôle dimensionnel.
- Positionnement
Description des modalités de validation
- Contrôle continu : 50%
- Examen final : 50%
- Projet : 00%