Ense3 - rubrique formation - cursus

Traitement des signaux et des images - 4EUS4TSI

  • Volumes horaires

    • CM 30.0
    • Projet -
    • TD -
    • Stage -
    • TP 30.0

    Crédits ECTS

    Crédits ECTS 5.0

Objectif(s)

L'objectif de ce module est de sortir de l’approche monodimensionnelle et déterministe des signaux, en fournissant des bases théoriques et pratiques permettant d’analyser et traiter les :

  • signaux aléatoires (analyse spectrale et filtrage optimal),
  • images (fondamentaux du traitement d'images à travers des exemples de base et avancés sur des images réelles)

Responsable(s)

Florent CHATELAIN

Contenu(s)

Traitement d’images

  • Définition d'une image numérique
  • Théorie des couleurs et espaces colorimétriques
  • Transformations ponctuelles d'images et applications à l'amélioration d'images
  • Filtrage linéaire et non linéaire des images
  • Représentation et traitement des images dans le domaine de Fourier
  • Détection des contours
  • Morphologie mathématique
  • Segmentation d'images
  • Traitement des images basé sur l'apprentissage automatique/profond

Analyse Spectrale

  • Analyse spectrale non paramétrique (ou de Fourier)
    • Définition de la densité spectrale de puissance
    • Estimation de la fonction d’auto-correlation, biais et variance
    • Correlogramme (Balckman-Tuckey) : compromis biais et variance, normalisation, application
    • Periodogramme de Welch, compromis biais et variance, normalisation
  • Analyse spectrale paramétrique
    • Présentation de l’approche, utilité et intérêt
    • Interprétation de l’estimateur spectral par modèle ARMA(p,q), lien avec pics et vallées de la DSP.
    • Estimation AR
    • Estimation ARMA
  • Méthodes haute résolution (optionnel)
    • Prony
    • CAPON
    • MUSIC
  • Application (BE) : analyse de la pollution vibratoire d’un système industriel

Filtrage Optimal

  • Filtrage de Wiener
    • Principes, hypothèses, équation de Wiener-Hopf
    • Filtre optimal non-causal
    • Filtre optimal causal : décomposition de Bode-Shannon
    • Filtres à temps continu et discret (RII)
  • Filtre de Wiener discret
    • Equation de Wiener-Hopf du filtre RIF
    • Prédiction linéaire, codage (analyse et synthèse) et modélisation paramétrique AR
    • Applications : débruitage de bruits périodiques (BE), vocoder LPC
  • Algorithmes adaptatifs
    • Hypothèses, notion de récursivité (prédiction/correction) et d'adaptativité (exemple de l'estimateur d'une moyenne)
    • Filtre RLS à oubli exponentiel : algorithme, compromis adaptativité/convergence
    • Filtre LMS : algorithme, compromis adaptativité/convergence
    • Applications : annulation d'écho dans les systèmes audio, estimation de l'ECG foetal (BE expérience de Widrow)

TPNE demandé par les enseignants

  • semaine 1 : 4h, révision CM + préparation BE
  • semaine 2 : 4h, finalisation BE + révision CM
  • semaine 3 : 4h, finalisation BE + révision CM
  • semaine 4 : 4h, finalisation BE + révision CM
  • semaine 5 : 4h, finalisation BE + révision CM
  • semaine 6 : 4h, révision CM
  • semaine 7 : 4h, révision CM
  • semaine 8 : 4h, révision CM
  • semaine 9 : 4h, révision CM
  • semaine 10 : 4h, révision CM + préparation BE
  • semaine 11 : 4h, finalisation BE + révision CM
  • semaine 12 : 4h, finalisation BE + révision CM
  • semaine 13 : 4h, révision CM + préparation TP
  • semaine 14 : 4h, révision CM + préparation TP
  • semaine 14 : 4h, révision CM

Prérequis

3EUS1MAT Mathématiques pour l’ingénieur, 3EUS2CTI Capteurs et traitement de l’information, 3EU2APP6 Cours d'approfondissement orientés filières, 4EUS3ESN Electronique et signaux numériques

Contrôle des connaissances

Session normale

  • Evaluation rattrapable (ER) : devoir surveillé écrit de 2h + projet Traitement Image
  • Evaluation non rattrapable (EN) : préparations et comptes rendus de BEs / TPs

Si situation 100% distancielle :

  • Evaluation rattrapable (ER) : 2h d'examen écrit à distance + projet Traitement Image + BEs Traitement Images
  • Evaluation non rattrapable (EN) : autres BEs/TPs

Session de rattrapage
EN : évaluation non rattrapable

ER 67% + EN 33%

Calendrier

Le cours est programmé dans ces filières :

cf. l'emploi du temps 2023/2024

Informations complémentaires

Code de l'enseignement : 4EUS4TSI
Langue(s) d'enseignement : FR

Vous pouvez retrouver ce cours dans la liste de tous les cours.

Bibliographie

  • Modern spectral estimation - theory and application, S.M. KAY, Prentice Hall, 1988
  • Optimal Filtering, Brian D. O. Anderson and John B. Moore. Dover Publications, 2005
  • Introduction au traitement d'images, D. Lingrand, Vuibert, 2d ed., 2008
  • Digital Image Processing, W. K. Pratt, Wiley, 4th ed., 2007.