De plus en plus l'information est stockée et manipulée sous forme digitale (image et vidéo numérique). Il est donc important d'étudier en détail les outils liés au traitement de cette information, tant pour son stockage que pour en évaluer et améliorer la qualité.
Ce cours présentera des modèles théoriques les plus avancés pour le traitement d'image numérique.
Descriptif
Ce cours met l'accent sur l'étude de l'image en tant que signal bidimensionnel, d'abord déterministe puis probabiliste. Ce cours contient: Des rappels sur les bases théoriques de l'algèbre linéaire, le traitement du signal et la modélisation stochastique ; Une étude simplifiée du système visuel humain, la modélisation des capteurs d'acquisition d'images et les types de bruits et distorsions qu'ils engendrent ; Une partie de modélisation étudiant les différentes représentations déterministes (Fourier, Ondelette, etc.) et stochastiques (AR, modèles et champs de Markov, etc.) ; Une étude détaillée des techniques de débruitage, restauration et compression, basées sur ces représentations ; L'application de ces techniques à différents domaines.
Cet enseignement sera complété par des sessions de travaux pratiques (programmation Matlab), mettant en oeuvre les techniques vues lors des cours théoriques.