Aller au menu Aller au contenu
Une formation multidisciplinaire
L'école d'ingénieurs pour l'énergie, l'eau et l'environnement
Une formation multidisciplinaire

> Formation > Cursus ingénieurs

Traitement des signaux et des images - 4EUS4TSI

A+Augmenter la taille du texteA-Réduire la taille du texteImprimer le documentEnvoyer cette page par mail cet article Facebook Twitter Linked In
  • Volumes horaires

    • CM : 30.0
    • TD : -
    • TP : 30.0
    • Projet : -
    • Stage : -
    Crédits ECTS : 5.0
  • Responsables : Florent CHATELAIN

Objectifs

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)

Contenu

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

Contrôles des connaissances

Session normale

  • Evaluation rattrapable (ER) : devoir surveillé écrit de 2h + projet Traitement Image
  • Evaluation non rattrapable (EN) : 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 33% + EN 67%

Calendrier

Le cours est programmé dans ces filières :

cf. l'emploi du temps 2022/2023

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.

A+Augmenter la taille du texteA-Réduire la taille du texteImprimer le documentEnvoyer cette page par mail cet article Facebook Twitter Linked In

mise à jour le 2 mars 2022

Université Grenoble Alpes