aide
Accueil > Formations > Master MVA > Présentation des cours
Méthodes stochastiques pour l'analyse d'images
Intervenants : Agnès Desolneux (CNRS, CMLA, ENSC) et Bruno Galerne (MAP5, Université Paris Descartes, Julie Delon (Univ.Paris Descartes)
Objectif du cours :
L'objectif de ce cours est de donner un large panorama de l'ensemble des méthodes stochastiques utilisées en modélisation et en analyse d'images.
Thèmes abordés :
- Théorie de la Gestalt pour la perception
- Méthodes a contrario d'analyse d'images
- Détection d'alignements
- Lignes de niveau d'une image
- Mises en correspondance
- Entropie et codage
- Chaine de Markov
- Champs gaussiens et transformée de Fourier
- Segmentation d'images
- Modélisation et synthèse de textures
- Algorithmes : programmation dynamique, recuit simulé, belief propagation
Pré-requis :
Notions de probabilités niveau L3
Organisation des séances :
10 séances de 3h (1h30 de cours et 1h30 de TP sur machine)
Mode de validation :
Un devoir « à la maison » à mi-parcours ET un examen final écrit.
Rattrapage: projet avec soutenance orale et rapport.
Rattrapage: projet avec soutenance orale et rapport.
Références :
- A. Desolneux, L. Moisan and J.-M. Morel, From Gestalt Theory to Image Analysis: A Probabilistic Approach, Springer-Verlag, "Interdisciplinary Applied Mathematics'', vol.34, 2008.
- D. Mumford and A. Desolneux, Pattern Theory : the stochastic analysis of real-world signals, A K Peters Ltd., August 2010.