Centre de documentation
scientifique

Optimisation en traitement du signal et de l'image / Patrick Siarry (2007)

Public Titre : Optimisation en traitement du signal et de l'image Type de document : Monographie Auteurs : Patrick Siarry, Éditeur scientifique Editeur : Paris : Hermès - Lavoisier Année de publication : 2007 Collection : Traitement du Signal et de l'Image Sous-collection : Traité IC2 Importance : 380 p. Format : 16 x 24 cm ISBN/ISSN/EAN : 978-2-7462-1463-7 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes IGN] algorithme génétique [Termes IGN] analyse d'image numérique [Termes IGN] apprentissage automatique [Termes IGN] estimation bayesienne [Termes IGN] méthode heuristique [Termes IGN] modèle de Markov [Termes IGN] modèle stochastique [Termes IGN] modélisation géométrique de prise de vue [Termes IGN] objet fractal [Termes IGN] objet mobile [Termes IGN] ondelette [Termes IGN] optimisation (mathématiques) [Termes IGN] réseau bayesien [Termes IGN] signalisation routière [Termes IGN] traitement d'image [Termes IGN] traitement du signal [Termes IGN] trajectographie (positionnement) [Termes IGN] transformation de Hough Index. décimale : 35.20 Traitement d'image Résumé : (Editeur) Les ingénieurs se heurtent quotidiennement à des problèmes technologiques de complexité grandissante, qui surviennent dans des secteurs très divers, comme dans les télécommunications, la génomique, la technologie de la santé. Le problème à résoudre peut souvent s'exprimer sous la forme d'un problème d'optimisation : on définit une fonction objectif (voire plusieurs), que l'on cherche à minimiser par rapport à tous les paramètres concernés. Ce livre se propose de décrire quelques-unes des démarches de l'optimisation, qui sont tout particulièrement rencontrées en traitement du signal et de l'image : l'évolution artificielle et l'approche parisienne, les ondelettes et les fractales, les critères d'information, l'apprentissage et la programmation quadratique, le formalisme bayésien, la modélisation probabiliste, l'approche markovienne, les modèles de Markov cachés, les métaheuristiques (algorithmes génétiques, algorithmes de colonies de fourmis, cross-entropie, optimisation par essaim particulaire, algorithmes à estimation de distribution, systèmes immunitaires artificiels). Note de contenu : Introduction. 1- Modélisation et optimisation en analyse d'images / J. Louchet. 2- Évolution artificielle et évolution parisienne : applications en traitement de signal et d'image / P. Collet, J. Louchet. 3- Ondelettes et fractales pour l'analyse du signal et de l'image / A. Ouahabi, D. Aït Aouit. 4- Les critères d'information : exemples d'applications en traitement du signal et des images / C. Olivier, O. Alata. 5- Programmation quadratique et apprentissage. Grande taille et parcimonie / G. Loosli, S. Canu. 6- Modélisation probabiliste de politiques et leurs optimisations pour la planification de capteurs / F. Dambreville, F. Celeste, C. Simonin . 7- Optimisation des émissions pour la trajectographie et la poursuite de cibles mobiles / J.-P. Le Cadre. 8- Inférence bayésienne et approches markoviennes / C. Collet. 9- Utilisation des modèles de Markov cachés pour la reconnaissance robuste d'images : apprentissage par colonie de fourmis, algorithme génétique et essaim particulaire / S. Aupetit, N. Monmarché, M. Slimane. 10- Métaheuristiques biologiques pour la détection de la signalisation routière / G. Dutilleux, P. Charbonnier. 11- Métaheuristiques en variables continues. Exemple du recalage des images d'angiographie rétinienne / J. Dréo, J.-C. Nunes, P. Siarry. 12- Estimation conjointe de la dynamique et de la forme de signaux physiologiques par les algorithmes génétiques / A. Naït-Ali, P. Siarry. 13- Aide au paramétrage d'implants cochléaires par algorithme évolutionnaire interactif / P. Collet, P. Legrand, C. Bourgeois-République, V. Péan, B. Frachet. Index. Numéro de notice : 21231 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Recueil / ouvrage collectif Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=41868

Fusion d'informations en traitement du signal et des images / Isabelle Bloch (2003)

Public Titre : Fusion d'informations en traitement du signal et des images Type de document : Guide/Manuel Auteurs : Isabelle Bloch, Éditeur scientifique Editeur : Paris : Hermès - Lavoisier Année de publication : 2003 Collection : Traitement du Signal et de l'Image Importance : 319 p. Format : 16 x 24 cm ISBN/ISSN/EAN : 978-2-7462-0628-1 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes IGN] axiome de Bayes [Termes IGN] datation [Termes IGN] estimation bayesienne [Termes IGN] fusion d'images [Termes IGN] fusion de données [Termes IGN] information géographique [Termes IGN] robotique [Termes IGN] sous ensemble flou [Termes IGN] système multi-agents [Termes IGN] théorie de Dempster-Shafer [Termes IGN] théorie des possibilités [Termes IGN] traitement d'image [Termes IGN] traitement du signal Index. décimale : 35.20 Traitement d'image Résumé : (Auteur) [Extrait] Les objectifs de cet ouvrage sont de présenter d'une part les principes généraux de la fusion et ses spécificités en traitement du signal, en traitement des images et en robotique, et d'autre part les méthodes et outils principaux, essentiellement numériques. Ce livre [...] tâche de mettre l'accent sur les atouts des différentes théories pour les domaines d'application visés. [...] La structure comporte deux ensembles de chapitres. Le premier est dédié aux définitions (chapitre 1) et aux spécificités de domaines abordés : traitement du signal au chapitre 2, traitement des images au chapitre 3 et robotique au chapitre 4. Puis, la deuxième partie s'attache aux principales théories de la fusion. Après un panorama des modes de représentation des connaissances utilisés en fusion (chapitre 5), nous présentons ainsi les principes de la fusion probabiliste et statistique dans le chapitre 6, de la théorie des fonctions de croyance dans le chapitre 7, de la fusion floue et possibiliste dans le chapitre 8. Les spécificités de la fusion en traitement d'images et dans certains problèmes de robotique nécessitent de prendre en compte l'information spatiale. Nous y consacrons le chapitre 9, puisque les méthodes de fusion issues d'autres domaines ne les considèrent naturellement. Un exemple d'application reposant sur une architecture multi-agent est présenté dans le chapitre 10. Les méthodes spécifiques de la fusion temporelle sont enfin décrites au chapitre 11. Note de contenu : CHAPITRE 1. DEFINITIONS 1. Introduction 2. Choix d'une définition 3. Caractéristiques générales des données 4. Nurnérique/symbolique 5. Systèmes de fusion et types d'architecture 6. Fusion en traitement du signal des images et fusion dans d'autres domaines CHAPITRE 2. FUSION EN TRAITEMENT DU SIGNAL 1. Introduction 2. Objectifs de la fusion en traitement du signal 3. Problèmes et spécificités de la fusion en traitement du signal . CHAPITRE 3. FUSION EN TRAITEMENT DES IMAGES 1. Objectifs de la fusion en traitement des images 2. Les situations de fusion 3. Caractéristiques des données en fusion d'images 4. Contraintes 5. Aspects numériques et symboliques en fusion d'images CHAPITRE 4. FUSION EN ROBOTIQUE 1. Nécessité de la fusion pour la robotique 2. Spécificités de la fusion pour la robotique avec l'opérateur et interprétation symbolique - Contraintes temporelles 3. Caractéristiques des données en robotique 4. Mécanismes de fusion de données CHAPITRE 5. REPRESENTATION DE L'INFORMATION ET DES CONNAISSANCES DANS LES PROBLEMES DE FUSION 1. Introduction 2. Traitement de l'information en fusion 3. Représentations numériques de connaissances imparfaites 4. Représentaion symboliques de connaissances imparfaites 5. Systèmes à base de connaissances 6. Modes de raisonnement et inférence CHAPITRE 6. APPROCHES PROBABILISTES ET STATISTIQUES 1. Introduction et principe général 2. Mesures d'information 3. Modélisation et estimation 4. Combinaison dans un cadre bayésien 5. Combinaison vue comme un problème d'estimation 6. Décision 7. Autres approches en détection 8. Un exemple de fusion bayésienne en imagerie satellitaire 9. Méthodes de fusion probabiliste appliquées à la trajectographie 10. Discusion CHAPITRE 7. THEORIE DES CROYANCES DE DEMPSTER-SHAFER 1. Principe général et philosophique de la théorie 2. Modélisation 3. Estimation des fonctions de masse 4. Combinaison conjonctive Fonctions de masse séparables 5. Autres modes de combinaison 6. Décision 7. Exemple d'application en imagerie médicale CHAPITRE 8. THEORIE DES ENSEMBLES FLOUS ET DES POSSIBILITES 1. Introduction, principes généraux 2. Définition des concepts fondamentaux des ensembles flous 3. Mesures floues 4. Eléments de théories des possibilités 5. Opérateurs de combinaison 6. Variables linguistiques 7. Logique floue et possibiliste 8. Modélisation floue en fusion 9. Définition des fonctions d'appartenance ou des distributions de possibilités 10. Combinaison et choix des opérateurs 11. Décision 12. Exemples d'application CHAPITRE 9. INTRODUCTION DE L'INFORMATION SPATIALE 1. Au niveau de la modélisation 2. Au niveau de la décision 3. Au niveau de la combinaison 4. Exemples d'applications - Au niveau de la combinaison : classification markovienne multisource - Au niveau de la modélisation et de la décision : fusion de détecteurs de structures par la théorie des fonctions de croyance - Au niveau de la modélisation : fusion floue de relations spatiales CHAPITRE 10. APPROCHES MULTIAGENTS 1. La fonction DRI 1. Le contexte d'application 2. Les contraintes et les principes de conception 3. Etat de l'art 2. Approche proposée : vers un système de vision 3. Le système multiagent : plate-forme et architecture 4. Le schéma de contrôle 5. Les informations manipulées par les agents 6. Les résultats CHAPITRE 11. FUSION TEMPORELLE 1. Observations variables dans le temps 2. Les contraintes temporelles 3. Fusion 4. Datation des mesures 5. Modèles d'évolution 6. Prédiction-combinaison monocapteur 7. Prédiction-combinaison multicapteur 8. Conclusion CHAPITRE 12. CONCLUSION 1. Quelques acquis 2. Quelques perspectives ANNEXES A. PROBABILITES : POINT DE VUE HISTORIQUE 1. Les probabilités dans l'histoire 2. Classes de probabilités, objectivistes et subjectivistes 3. Postulats fondamentaux pour une logique inductive ANNEXE B. DEDUCTION AXIOMATIQUE DE LA REGLE DE COMBINAISON DE DEMPSTER-SHAFER. 1. Axiomes de Smets 2. Déduction de la règle de combinaison 3. Relation avec les postulats de Cox Numéro de notice : 18832 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Manuel de cours Accessibilité hors numérique : Accessible à Georges Pérec (Id UGE) Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=46613

Le traitement des images / Henri Maître (2003)

Public Titre : Le traitement des images Type de document : Guide/Manuel Auteurs : Henri Maître, Éditeur scientifique Editeur : Paris : Hermès - Lavoisier Année de publication : 2003 Collection : Traitement du Signal et de l'Image Importance : 366 p. Format : 16 x 24 cm ISBN/ISSN/EAN : 978-2-7462-0584-0 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image [Termes IGN] analyse texturale [Termes IGN] champ aléatoire de Markov [Termes IGN] densité spectrale de puissance [Termes IGN] dérivée partielle [Termes IGN] détection de contours [Termes IGN] échantillonnage d'image [Termes IGN] espace colorimétrique [Termes IGN] filtrage du bruit [Termes IGN] géomètrie algorithmique [Termes IGN] image numérique [Termes IGN] interpolation [Termes IGN] modèle de Gauss-Markov [Termes IGN] morphologie mathématique [Termes IGN] ondelette [Termes IGN] polygone [Termes IGN] représentation discrète [Termes IGN] restauration d'image [Termes IGN] segmentation d'image [Termes IGN] segmentation en régions [Termes IGN] texture d'image [Termes IGN] traitement d'image Index. décimale : 35.20 Traitement d'image Résumé : (Editeur) Le traitement automatique des images par ordinateur nécessite la maîtrise d'une suite d'opérations dont cet ouvrage élabore l'analyse. Connaître les propriétés statistiques des images, procéder à leur échantillonnage pour réduire l'ensemble continu du monde observable en séries de valeurs discrètes, restaurer les images pour en corriger les dégradations, etc., toutes ces manipulations sont ici expliquées et les outils mathématiques qu'elles requièrent produits. Note de contenu : Chapitre 1. Propriétés statistiques des images / Henri MAÎTRE 1.1. Introduction 1.2. L'amplitude 1.3. Les sauts de l'amplitude 1.4. La fonction d'autocorrélation 1.5. Entropie 1.6. Modèles d'image 1.7. Les modèles invariants par changements d'échelle 1.8. Bibliographie Chapitre 2. Echantillonnage des images et représentation fractale / Henri MAÎTRE 2.1. Les signaux monodimensionnels à bande limitée 2.2. Signaux réels 2.3. L'extension en dimension N 2.4. Le modèle fractal 2.5. Bibliographie Chapitre 3. Représentations discrètes / Isabelle BLOCH 3.1. Introduction 3.2. Pavages et maillages 3.3. Topologie discrète 3.4. Représentations géométriques 3.5. Exemples de structures aléatoires 3.6. Fonction distance 3.7. Bibliographie Chapitre 4. Restauration des images / Henri MAÎTRE 4.1. Le filtrage inverse 4.2. Défauts singuliers et mal conditionnés 4.3. Restauration des signaux bidimensionnels 4.4. La restauration itérative 4.5. L'estimation des défauts 4.6. Réduction des effets de bord 4.7. Bibliographie Chapitre 5. Morphologie mathématique / Isabelle BLOCH 5.1. Introduction et préliminaires 5.2. Les quatre opérations 5.3. Cadre topologique 5.4. Cadre algébrique 5.5. Cadre probabiliste 5.6. Applications de l'érosion et de la dilatation 5.7. Applications de l'ouverture et de la fermeture 5.8. Transformation en tout ou rien et opérateurs dérivés 5.9. Géodésie 5.10. Ligne de partage des eaux 5.11. Conclusion 5.12. Bibliographie Chapitre 6. Les champs de Markov / Florence TUPIN et Marc SIGELLE 6.1. Définition et simulation d'un champ de Markov 6.2. Applications : restauration et segmentation 6.3. Estimateurs dans un cadre markovien 6.4. Estimation des paramètres 6.5. Processus de bords 6.6. Graphes de primitives 6.7. Bibliographie Chapitre 7. Ondelettes et traitement d'images / Béatrice PESQUET POPESCU et Jean Christophe PESQUET 7.1. Principes de l'analyse linéaire des images 7.2. Trames 7.3. Poursuite adaptative 7.4. Bibliographie Chapitre 8. Les équations aux dérivées partielles / Yann GOUSSEAU 8.1. L'équation de la chaleur et ses limitations 8.2. Equations de diffusion non linéaires 8.3. EDP et analyse multiéchelle 8.4. Bibliographie Chapitre 9. Prétraitements / Henri MAÎTRE 9.1. Les traitements photométriques ou colorimétriques 9.2. Suppression des bruits 9.3. Les filtres adaptatifs 9.4. Le rééchantillonnage des images 9.5. Bibliographie Chapitre 10. Détection des contours dans les images / Henri MAÎTRE 10.1. Un modèle continu de contour 10.2. Les approches classiques 10.3. Les approches analytiques 10.4. Les contours actifs (snakes) 10.5. La poursuite et la fermeture des contours 10.6. Bibliographie Chapitre 11. Segmentation par régions / Henri MAÎTRE 11.1 Les méthodes sur histogramme. 11.2. Les méthodes par transformation de régions 11.3. Les graphes d'adjacence 11.4. La méthode MDL : Minimum Description Length 11.5. Approche de Mumford et Shah 11.6.Bibliographie Chapitre 12. Les textures / Henri MAÎTRE 12.1. Qu'est ce qu'une texture ? 12.4. Les approches par champs markoviens 12.5. Les méthodes structurales 12.6. Textures hétérogènes 12.7. Bibliographie Chapitre 13. Description de contours et de formes / Henri MAÎTRE 13.1. Fonction caractéristique 13.2. Description de formes 13.3. Polygones de Guzman 13.4. Chames de Freeman 13.5. Descripteurs de Fourier 13.6. Approximations polynomiales 13.7. Transformation de Hough 13.8. Conclusion 13.9. Bibliographie Numéro de notice : 69891 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Manuel Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=49347

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
69891-01	DEP-TRC	Livre	LASTIG	Dépôt en unité	Exclu du prêt