Traitement d'images numériques
Description
Dans de nombreux domaines tels que la santé, la vidéo-surveillance, la microscopie ou la télédétection, des systèmes simples ou sophistiqués d'acquisition d'image ont été conçus pour produire des images numériques de toutes sortes : images 2D, 3D, couleur, vidéos, images hyperspectrales. L'analyse d'image couvre un large spectre de traitements allant de la reconstruction d'images à partir de mesures indirectes (par exemple en imagerie scanner ou en IRM) à la reconstruction de scènes 3D en vision par ordinateur, au recalage d'images, à la segmentation d'objets dans des images, et à l'analyse d'images hyperspectrales en télédétection.
L'objectif
du cours est double. Il s'agit d'une part de maîtriser les concepts
fondamentaux du traitement d'images, incluant les analyses élémentaires pour
traiter des images en niveaux de gris et des images couleurs (seuillage,
histogramme, codage) et les opérations de filtrage linéaire et non-linéaire,
effectuées dans le domaine spatial ou dans le domaine de Fourier. D'autre part,
le cours aborde des traitements avancés permettant de dépasser les limites des
approches de type filtrage. Ces traitements comprennent les méthodes
de segmentation d'image utilisant des modèles géométriques pour décrire les régions et les contours d'objets, et les approches dites variationnelles, où la reconstruction d'image est formulée comme l'optimisation d'un critère en
grande dimension. L'approche variationnelle est développée en détails et illustrée
dans le cas du débruitage et de la déconvolution d'image.
Période(s) du cours
Prérequis
- Traitement du signal : convolution, transformée de Fourier
- Probabilités et statistiques
- Optimisation
Syllabus
Introduction:
Exemples de traitement d’images : reconnaissance de formes, recalage d’images, segmentation d’images, restauration et reconstruction d’images.
Systèmes d’acquisition d’images numériques, processus de formation de l’image et formats.
Analyse élémentaire :
Histogramme, amélioration de contraste, seuillage.
Echantillonnage, quantification et interpolation d'image.
Format d’images couleur (RGB, HSV, etc.) et traitements associés.
Filtrage :
Linéaire:
- Notion de séparabilité dans le domaine spatial.
- Filtres de lissage et de contraste : filtres moyenneur, gaussien, dérivateurs, laplacien, filtres de Prewitt et Sobel, etc.
- Filtrage dans le domaine fréquentiel.
Non linéaire : filtre médian, filtrage d’ordre.
Détection de contours et segmentation :
- Modèles géométriques pour l’image : voisinage entre pixels, connexité, notions de régions et frontières.
- Segmentation d’images : approches par partitionnement de régions, par détection de frontières, et par contours déformables (contours actifs)
Approche variationnelle (basée optimisation numérique) pour les problèmes inverses en imagerie :
- Formulation de problèmes d'optimisation pour le traitement d'images
- Régularisation de Tikhonov
- Régularisations préservant les contours
- Cas d'étude : débruitage et déconvolution d'images
Composition du cours
- Les concepts fondamentaux : 4 CM, 3 TD
- Les traitements avancés : 5 CM, projet long (11h)
Les étudiants seront amenés à illustrer les concepts et à mettre en oeuvre les algorithmes à l’aide d’un outil de simulation et de traitement de données de type Matlab.
Ressources
Les supports de cours sont en anglais et en francais. Les cours magistraux sont en français.
Résultats de l'apprentissage couverts par le cours
A l'issue de cet enseignement, l'étudiant :
1. Possèdera quelques notions sur le fonctionnement des systèmes d’acquisition d’images numériques (caméras, microscopes, …) et le processus de formation de l’image.
2.Sera capable d’analyser le contenu d'une image numérique.
3. Sera capable de mettre en oeuvre des traitements numériques élémentaires : détection de pixels par seuillage des niveaux de gris, calcul d’histogramme, filtrage linéaire ou non linéaire, lissage et détection de contours.4. Sera capable de mettre en oeuvre des techniques avancées de traitement d'image pour la restauration d'image.
5. Aura assimilé des notions plus avancées comme la segmentation basée sur les modèles géométriques (contours et régions) et l’analyse d’images 3D.
Support de cours, bibliographie
- H. Maître, Le traitement des images, édition Hermes, 2003.
- J.-P. Cocquerez et S.Philipp, Analyse d'images: filtrage et segmentation, éd. Masson, 1995.
- S. Bres, J.-M. Jolion, F. Lebourgeois, Traitement et analyse des images numériques, éd. Hermes 2003.
- A. Trémeau, Image numérique couleur, éd Dunod 2004.
- H. Maitre, Du photon au pixel, éd Iste 2016