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