Descriptif
Ce cours est structurée en deux parties.
Une première partie abordant de nouvelles notions dans la filière Image (comme l'imagerie cohérente et le bruit multiplicatif, la séparation de sources,...) en utilisant les applications en télédétection comme fil conducteur (l'imagerie SAR -radar à ouverture synthétique-, l'imagerie optique multi-spectrale, l'imagerie hyper-spectrale). Les cours sont illustrés par de nombreux travaux pratiques sur notebook jupyter.
L'autre partie du cours porte sur des applications industrielles du traitement et de l'analyse d'images avec des présentations données par des intervenants venant de différentes entreprises sur les sujets suivants (à titre indicatif) : biométrie, photographie, contrôle non-destructif, véhicule autonome,...
Objectifs pédagogiques
Acquis d'apprentissage
À l'issue dece cours, l'élève sera capable de:
- Enumérer les applications courantes de l'imagerie de télédétection et les spécificités des modalités de télédétection abordées.
- Expliquer le fonctionnement de l'imagerie cohérente, son intérêt (capteur actif) et ses difficultés (bruit multiplicatif...). Coder certains algorithmes courants en imagerie SAR et savoir manipuler des données SAR.
- Expliquer le fonctionnement de l'imagerie hyperspectrale, son intérêt (bonne information spectrale...) et ses difficultés (mauvaise résolution spatiale, séparation de sources...). Coder certains algorithmes courants en démélange hyperspectral.
- De remettre en contexte les présentations industrielles au vu des cours de la filière et d'expliquer les problématiques industrielles abordées.
Compétences de rattachement (et justification)
- BC5.1 – Modéliser mathématiquement une situation, des données, des phénomènes physiques dans le contexte du numérique; Justification : Compréhension et modélisation des données SAR (bruit multiplicatif) et hyperspectrales (mélange)
- BC5.2 – Concevoir un système de traitement de données, d’intelligence artificielle, d’apprentissage machine dans un objectif d’aide à la décision ou de recherche automatique d’information; Justification : Savoir coder des algorithmes classiques de traitement de données en SAR et en hyperspectral
- BC5.4 – Tester, gérer un système de traitement de données, d’intelligence artificielle, d’apprentissage machine dans un objectif d’aide à la décision ou de recherche automatique d’information; Justification : Etre capable de comprendre les résultats des algorithmes classiques de traitement de données en SAR et en hyperspectral, ainsi que de corriger de potentielles erreurs dans les codes
Diplôme(s) concerné(s)
UE de rattachement
- CSC_4IMS2_TP : Filière Image (créneau B) - Semestre 2
Format des notes
Numérique sur 20Pour les étudiants du diplôme Diplôme d'ingénieur
Vos modalités d'acquisition :
L'évaluation finale se fait à l'aide d'un examen final écrit (CC) pour évaluer la partie théorique du cours. Les TP sont notés tout du long de la séquence pour évaluer la partie pratique (TP).
Note = 8/20*TP + 12/20*CC
- le rattrapage est obligatoire si :
- Note initiale < 10
Le coefficient de l'UE est : 1
L'UE est évaluée par les étudiants.
Pour les étudiants du diplôme Echange international non diplomant
Vos modalités d'acquisition :
L'évaluation finale se fait à l'aide d'un examen final écrit (CC) pour évaluer la partie théorique du cours. Les TP sont notés tout du long de la séquence pour évaluer la partie pratique (TP).
Note = 8/20*TP + 12/20*CC
- le rattrapage est obligatoire si :
- Note initiale < 10
Le coefficient de l'UE est : 1
Programme détaillé
- Introduction to SAR imaging (course + Practical work PW)
- Coherent imaging and statistical modeling (course + PW)
- Introduction to optical imaging and pan-sharpening (course + PW)
- Source separation and hyperspectral imaging (course + PW)
- Non-negative matrix factorization (course + PW)
- 4 or 5 industrial seminars