Programmé en MRSISEAUE36I, MRSISEAUE37D, UVF4B305, MRSISEAUE35I
Présentation :
Ce module 305A s'intéresse à la segmentation, la modélisation, la reconnaissance et à la classification des formes, qu'elles soient 1D, 2D ou 3D, qu'elles soient statiques ou en mouvement.
En reconnaissance statistique pour les dimensions 1 et 2, l'accent est mis sur les méthodes bayésiennes et l'apprentissage des densités de probabilités. Lorsque celles-ci ne sont pas accessibles, la classification automatique (clustering), qui est à la base de l'analyse des données, est une solution envisagée présentée ici.
Pour les formes tridimensionnelles, l'aspect géométrique est privilégié et notamment l'étude locale et globale des courbes et surfaces de l'espace 3D. La reconnaissance de forme est alors liée à la projection d'une forme 3D dans un espace de description ayant peu de paramètres et à la recherche d'invariants (feature extraction) décrivant localement ou globalement les objets 3D. Il est alors possible de définir des distances de forme de manière élégante.
La résolution de problèmes inverses (inverse problems) en imagerie sera abordée à travers le formalisme variationnel et son application au débruitage d'image ou la segmentation. On s'intéressera particulièrement à leur formulation en termes d'opérateurs de diffusion définis par des EDPs (Equation aux Dérivés Partielles) et aux propriétés géométriques et photométriques de ces opérateurs.
Concernant l'analyse des vidéos, l'accent sera mis sur l'analyse de l'information de mouvement et plus particulièrement les problèmes de détection et de suivi. Les méthodes étudiées exploiteront principalement les formalismes variationnels et bayésiens.
Pour l'analyse de mouvement humain, l'accent sera mis sur les protocoles d'acquisitions et les méthodes de recalage 2D/3D et 3D/3D (registration).
La segmentation sera abordée comme un exemple d’application de méthodes variationnelles ou statistiques.
A la fin de cette partie d'UV, les élèves sauront appliquer des méthodes de classification automatique pour la reconnaissance de forme et seront capables de mettre en œuvre des méthodes d'analyse de données pour la classification.
Ils sauront utiliser des descripteurs locaux et globaux de courbes et surfaces permettant de modéliser et compresser l'information pour en extraire des invariants utiles en reconnaissance de formes.
Concernant les séquences d'images, les élèves sauront utiliser le formalisme variationnel qui est largement reconnu et appliquer des méthodes de détection ou de suivi d'objets.
Les élèves sauront choisir la méthode de segmentation la plus adaptée à leur problème.
Pré-requis :
Mineure MTS
Liens :
Master SISEA
Volume horaire :
51h
Contenu détaillé :
Clustering (12h)
C1 : Classification linéaire et non linéaire (G. Mercier)
C2 : Classification automatique, méthodes par arbres, classification contextuelle (G. Mercier)
TP1 (3H) : Classification d'images en télédétection (G. Mercier)
C3 : Méthodes Support Vector Machine (SVM) et adaboost (G. Mercier)
C4 : démélangeage de données (ACP, ACI) (G. Mercier)
TP2 (3H) : Analyse de données et classification en télédétection (G. Mercier)
Modélisation géométrique – recherche d’invariants (9H)
C5-C6 : Modélisation locale et globale des courbes de R3 (V. Burdin)
C7-C8 : Modélisation locale des surfaces de R3 et paramètres intrinsèques (V. Burdin)
C9-C10 : Modélisation globale des surfaces de R3. Application en imagerie médicale de modélisation et recherche d’invariants 3D (V. Burdin)
Analyse de mouvements 2D et 3D (15h)
C11 : Analyse de mouvement dans les vidéos : Introduction (Ronan Fablet)
C12-C13 : Analyse de mouvement dans les vidéos : Estimation du mouvement apparent (Ronan Fablet)
C14-C15 : Analyse de mouvement dans les vidéos : détection et suivi de primitives (Ronan Fablet)
TP3 (3H) : Suivi d’objets dans les vidéos (Ronan Fablet)
C16 : Recalage d'objets (F. Rousseau)
TP 4 (3H) : Pratique de l’analyse de mouvements au CHU (M. Lempereur)
Problèmes inverses – Application à la segmentation (15h)
C17-C18 : Intro + Formulation variationnelle et EDP en traitement d’images (Ronan Fablet) (en relation avec le cours de Charles Kervrann SISEA) - distributions articles
C19-C20 : Segmentation markovienne (Jean-Marc Le Caillec)
C21-C22 : Séance 1 – Etudes d’articles (R. Fablet)
C23-C24 : Séance 2 – Etudes d’articles (R. Fablet)
C25-C26 : Restitution des études d’articles + synthèse (R. Fablet)
Travaux personnels encadrés :
3 TP illustreront certaines parties du cours.
Une séance de 3H est prévue au CHU Morvan de Brest dans le service de rééducation fonctionnelle.
Une initiation à la lecture et compréhension d'articles liés aux problèmes inverses est proposée sous forme de séances encadrées.
Les applications et mises en œuvre de ces méthodes seront aussi proposées au niveau 4 sous forme de projets de 18h.
Année 2016/2017
Dernière mise à jour le 05-JAN-17
Validation par le responsable de programme le
|
