Master Informatique - Spécialité Signal, Image, Synthèse
30
mars 2010
les demandes d'admission en Master Informatique à l'UPEMLV se font désormais en ligne via l'application de candidature |
ou plus directement : https://candidatures.univ-mlv.fr/ (suivre le lien <candidater> dans l'encart de gauche). Pour cette première étape aucun document papier n'est requis. Ces dossiers de candidature seront étudiés (dates à préciser) et les candidats retenus devront alors faire parvenir les documents papier officiels (relevés de note, diplôme ou attestation...)
structuration du master |
|
Master Informatique 1° et 2° année – toutes filières confondues – |
Responsable : S. Lombardy (lombardy@univ-mlv.fr) |
Master 1 |
Responsable : M. Zipstein (zipstein@univ-mlv.fr) Secrétariat : N. Pagnini (pagnini@univ-mlv.fr) |
Master 2 |
Responsable : S. Lombardy (lombardy@univ-mlv.fr) Secrétariat : N. Lepoittevin (lepoitte@univ-mlv.fr) |
Filière SIS (Signal Image Synthèse) |
Responsable : E. Incerti (incerti@univ-mlv.fr) Secrétariat : selon M1 ou M2 |
Objectifs
Axes
prioritaires de la formation :
- un parcours
centré sur l'imagerie numérique et
l'infographie, allant de l'acquisition/restitution jusqu'à
la reconstruction : traitement 2D/3D, synthèse 2D/3D,
animation, réalité virutelle.
- un parcours centré
sur le traitement du signal et des images, allant de la
tomographie en imagerie médicale aux techniques de codage de
la voix ou la compression vidéo.
Connaissances et compétences visées :
Parcours
Imagerie Numérique et Infographie :
–
architecture des dispositifs matériels,
–
acquisition/restitution
– analyse, traitement,
reconstruction.
– modélisation 3D
– rendu
–
simulation numérique
Parcours
Signal, Image & Son :
–
restauration d'images,
– codage de la voix,
–
transmission de l'information.
L'enseignement dispensé
veillera à établir un bon équilibre entre les
aspects recherche et ceux professionnels, en assurant une maîtrise
des aspects tant théoriques que logiciels.
Organisation
La spécialité débute au second semestre du master1 et se poursuit pendant les deux semestres du master2. Chaque UE compte pour 3ECTS et se structure en 6x2h de Cours et 6x2h de TD/TP (en salle et/ou sur machine)
M1 |
M2 |
||
Master 1 - Semestre 1 - Tronc Commun
Volume horaire global pour un étudiant : 30 ECTS et 228 heures
Modalités de choix des UE optionnelles : une option parmi celles proposées.
enseignements |
ECTS |
CM |
TD |
|
● UE obligatoires |
||||
|
Java avancé |
6 |
24 |
24 |
|
Théorie de l'information |
3 |
12 |
12 |
|
Anglais |
3 |
|
|
|
Python |
3 |
12 |
12 |
|
Design Pattern |
3 |
12 |
12 |
|
Base de donnée avancée |
3 |
12 |
12 |
|
Cryptographie |
3 |
12 |
12 |
|
Optimisation combinatoire |
3 |
12 |
12 |
|
Conférences professionnelles |
|
|
|
● UE optionnelles |
||||
|
Interface Graphique 1 |
3 |
12 |
12 |
|
Calculabilité |
3 |
12 |
12 |
|
Perl |
3 |
12 |
12 |
|
Option d'ouverture |
3 |
12 |
12 |
Master 1 - Semestre 2 - Spécialité Signal Image Synthèse
Volume horaire global pour un étudiant : 30 ECTS et 216-218 heures
Modalités de choix des UE optionnelles : L'étudiant choisit deux groupes d'UE d'un parcours qu'il suit intégralement, ce sont ses parcours majeurs, pour un total de 18 ECTS. Il choisit également un parcours comme mineur, dont il suit les deux enseignements marqués d'un astérisque, pour 6 ECTS. Il choisit enfin une option parmi le dernier groupe d'options.
enseignements |
ECTS |
CM |
TD |
|
● UE obligatoires |
||||
|
Stage professionnel ou de recherche |
3 |
|
|
● UE filère Signal, Image, Système |
||||
|
Introduction à l'infographie (Venceslas Biri - UPEMLV) |
3 |
12 |
12 |
|
Synthèses d'images 3D (Venceslas Biri - UPEMLV) |
3 |
12 |
12 |
|
Traitement d'Image (Serge Riazanoff - UPEMLV) |
3 |
12 |
12 |
● UE filière Algorithmique, bio-informatique et combinatoire |
||||
|
Algorithmique du texte |
3 |
12 |
12 |
|
Informatique génomique |
3 |
12 |
12 |
|
Combinatoire 1 |
3 |
12 |
12 |
● UE filière Linguistique |
||||
|
Ingénierie linguistique 1 |
3 |
12 |
12 |
|
Ressource linguistique |
3 |
12 |
12 |
|
Représentation des connaissances 1 |
3 |
12 |
12 |
● UE filière Logiciel et réseaux |
||||
|
Programmation d'applications réseaux |
3 |
12 |
12 |
|
Temps réel |
3 |
12 |
12 |
|
Réseaux locaux et réseaux d'accès |
3 |
8 |
18 |
● UE optionnelles autres |
||||
|
Système d'information et application web |
3 |
12 |
12 |
|
Multimédia et Globe Virtuel (Serge Riazanoff - UPEMLV) |
3 |
12 |
12 |
|
Web 2.0 |
3 |
12 |
12 |
|
Option d'ouverture |
3 |
12 |
12 |
Master 2 - Semestre 3 - Spécialité Signal Image Synthèse
Volume horaire global pour un étudiant : 30 ECTS et ~240 heures
Modalités de choix des UE optionnelles : 1 option parmi les 3 proposées
enseignements |
ECTS |
CM |
TD |
|
● UE obligatoires |
||||
|
Anglais |
3 |
|
24 |
|
C++ (Sylvain Lombardy - UPEMLV) |
3 |
12 |
12 |
|
Compression d'image (Eric Incerti - UPEMLV) |
3 |
12 |
12 |
|
Synthèse d'image et réalité virtuelle (Venceslas Biri - UPEMLV) |
5 |
20 |
20 |
|
Géométrie discrète (Michel Couprie - ESIEE) |
5 |
20 |
20 |
|
Représentation et filtrage numérique 1D/2D (J.C.Pesquet – UPEMLV) |
5 |
20 |
20 |
parcours signal, image et son |
||||
● UE obligatoire |
||||
|
Restauration d'images, application à l'imagerie médicale (J.C.Pesquet - UPEMLV) |
3 |
16 |
6 |
● UE optionnelles : (choix de 1 sur les 3 proposées) |
||||
|
Moteur Physique pour l'animation et la simulation (Eric Incerti - UPEMLV) |
3 |
12 |
12 |
|
Java middleware / GPGPU |
3 |
12 |
12 |
|
Option d'ouverture |
|
|
|
parcours imagerie numérique et infographie |
||||
● UE obligatoire |
||||
|
Moteur Physique pour l'animation et la simulation (Eric Incerti - UPEMLV) |
3 |
12 |
12 |
● UE optionnelles : (choix de 1 sur les 3 proposées) |
||||
|
Restauration d'images, application à l'imagerie médicale (J.C.Pesquet - UPEMLV) |
3 |
16 |
6 |
|
Java middleware / GPGPU |
3 |
12 |
12 |
|
Option d'ouverture |
|
|
|
Master 2 - Semestre 4 - Spécialité Signal Image Synthèse
Volume horaire global pour un étudiant : 30 ECTS et ~100 heures + stage
Modalités de choix des UE optionnelles : 3 option parmi les 4 ou 5 proposées
enseignements |
ECTS |
CM |
TD |
|
● UE obligatoires |
||||
|
Stage |
18 |
|
|
|
Apprentissage (Jean-Yves Audibert, ENPC) |
3 |
16 |
6 |
● UE obligatoires parcours signal, image et son |
||||
|
Traitement multi-capteur et application audio (J.F.Brecher - UPEMLV) |
3 |
16 |
6 |
|
|
3 |
16 |
6 |
|
Théorie de l'information et codage de la parole (JJ. Boutros - ESIEE) |
3 |
18 |
|
|
Morphologie mathématique (Jean Serra – ESIEE) |
3 |
16 |
6 |
● UE obligatoires parcours imagerie numérique et infographie |
||||
|
Synthèse d'images avancée (Venceslas Biri – UPEMLV) |
3 |
12 |
12 |
|
Système dédié pour la réalité virtuelle (Mohammed Akil - ESIEE ) |
3 |
12 |
12 |
|
Vision par ordinateur et réalité virtuelle (Renaud Keriven - ENPC) |
3 |
12 |
12 |
|
Morphologie mathématique (Jean Serra – ESIEE) |
3 |
16 |
6 |
|
Topologie et géométrie discrète (Michel Couprie – ESIEE) |
3 |
16 |
6 |
DESCRIPTIFS
DES COURS
seuls
les enseignements propres à la spécialité sont
présentés ici
Introduction à l'Infographie
Rappels
mathématiques et bases de géométrie 2D/3D,
modélisation d'objets et de scènes complexes,
transformations/projections, couleurs/textures, pipeline
graphique.
Mise en application et introduction à OpenGl.
Synthèse d'image 3D
Cette seconde partie s'attache à faire découvrir le pipeline graphique, permettant, en temps réel, d'obtenir des images de synthèse en utilisant les cartes graphiques. Un apprentissage approfondi d'OpenGL (via jogl) est ainsi assuré, tant d'un point de vue cours magistral que travaux dirigés.
Traitement d'image
Ce
cours introduit les techniques de représentation, d'analyse
et de traitement d'images. L'analyse statistique des images nous
permettra de mettre en oeuvre des transformations radiométriques
globales. On détaillera le filtrage convolutif et présentera
d'autre types de filtrages (adaptatifs, médian). Enfin,
différentes techniques de ré-échantillonnage
seront présentées qui permettront de transformer la
géométrie des images.
Les travaux dirigés
mettent en oeuvre ces techniques appliquées à
différents types d'image et donneront lieu à un
contrôle continu.
Les quelques notions de mathématique
et de physique sous-jacentes seront données dans un langage
simple.
Multimédia et Globe Virtuel
Ce cours présente quelques principes de la production multimédia appliquée au cas de la représentation numérique de la Terre. Le globe virtuel GoogleEarth servira de support à la production de vues, d'objets 3D et de séquences vidéo. Après avoir brièvement introduit les bases de la géodésie et du traitement d'image, on présentera les techniques de manipulation de GoogleEarth puis la programmation de scripts KML. Un projet final consistera à produire une séquence vidéo mettant en oeuvre les techniques enseignées.
Synthèse d'image et réalité virtuelle
Ce
cours présente divers aspects tant fondamentaux
qu'applicatifs de l'informatique graphique. Pour cela, ce cours
tente de brosser un panorama des techniques mais aussi des
différents challenges actuels de la synthèse d'image.
Plus précisément, nous nous efforçons d'étudier
l'articulation entre le modèle topologique, le modèle
géométrique et le modèle de rendu permettant la
simulation d'un phénomène complexe.
Les exemples
concernent aussi bien les descriptions CSG et lancer de rayons, les
facettes et la radiosité ou encore les systèmes de
particules et la simulation du mouvement.
Des applications sont
apportées dans le cadre de la modélisation de
phénomènes naturels et l'accent sera une fois de plus
mis sur lesliens profonds existant entre les propriétés
du modèle choisi et l'algorithmique qu'il induit pour rendre
les scènes modélisées
Géométrie discrète
La
géométrie discrète traite des problèmes
de nature géométrique que l'on peut rencontrer dans
les espaces discrets (par exemple les grilles régulières
à deux ou trois dimensions).
La géométrie
algorithmique a pour but de proposer des méthodes efficaces
pour résoudre des problèmes géométriques
qui s'expriment dans le continu, mais s'implémentent
naturellement sur des ordinateurs ne disposant que d'une précision
finie.
Ce cours constitue une introduction à ces deux
disciplines, qui sont au coeur des représentations et des
logiciels permettant de manipuler et visualiser des objets spatiaux
virtuels.
Compression d'image
Ce
cours est une présentation des principaux algorithmes,
méthodes et standards utilisés en compression d'image.
Les formats classiques (GIF,PNG,TIFF,JPEG...) sont étudiés
et comparés au travers des algorithmes qui les composent. La
structure du cours suit l'évolution de ces techniques : aller
vers des taux de compression de plus en plus élevés
tout en conservant la meilleure qualité d'image
possible.
Compression sans perte
1°) Méthodes
généralistes : éléments de théorie
de l'information, méthodes entropiques (Huffman, codage
arithmétique), méthodes à base de dictionnaire
(la classe LZ*)
2°) Compression d'image : décomposition
binaire (plans de bits, codes de gray), RLE, QM-Coder (Fax), codage
prédictif sans perte.
Compression avec pertes
3°)
Dégradation de l'information : quantification scalaire et
vectorielle, codage prédictif avec perte.
4°) Codage
par transformation : transformations 2D séparables
unitaires, Fourier (DFT, FFT), la DCT et la norme JPEG,
introduction à la compression par ondelettes et JPEG2000
5°)
Introduction à la compression vidéo : compensation de
mouvements, codage du son.
Représentation et filtrage numérique 1D/2D
Ce
cours vise à fournir un éventail de techniques
numériques de filtrage pouvant être appliquées à
des données mono-dimensionnelles ou bidimensionnelles.
Après
quelques rappels sur la numérisation des signaux (conversions
analogique-numérique et numérique-analogique), les
notions de transformées de Fourier et transformées en
z seront vues dans le contexte de l'étude des filtres
numériques 1D.
On s'intéressera ensuite aux
opérations de sous-échantillonnage (décimation)
et interpolation. Les structures de bancs de filtres bâties à
l'aide de ces opérateurs seront introduites et les conditions
de reconstruction parfaite seront énoncées.
L'intégration
de ces bancs de filtres dans des algorithmes d'analyse
multirésolution (transformées en ondelettes discrètes)
sera étudiée.
L'extension de ces analyses aux
images sera effectuée dans le cadre d'opérateurs de
traitement séparables.
Le cours sera accompagné de
TD réalisés à l'aide du logiciel libre scilab
où les notions vues en cours seront illustrées sur des
signaux audio et des images.
Topologie et géométrie discrète
Les
différents modèles d'objets discrets (graphes,
complexes simpliciaux, complexes cellulaires, cartes
combinatoires).
- Pavage de l'espace, régions de Voronoï,
triangulation de Delaunay.
- Notion de déformation
continue.
- Transformations homotopiques (application à la
segmentation).
- Surfaces discrètes.
- Homotopie de
fonctions discrètes.
- Distances discrètes.
Restauration d'images, applications en imagerie médicale
Les
techniques de restauration ont pour objectif de "retrouver";
un objet à partir d'une (ou plusieurs) observation(s)
dégradée(s). Ces problèmes prennent la forme
d'une déconvolution en microscopie biologique et celle d'une
reconstruction en imagerie médicale (IRM, TEP,...).
Beaucoup
d'autres domaines sont concernés par ces méthodes
(imagerie satellitaire, contrôle non destructif, récupération
d'enregistrements anciens,...) mais ces deux applications serviront
de supports privilégiés aux méthodes qui seront
exposées dans ce cours.
Après une présentation
des principaux modèles de dégradation linéaires
et des bruits usuels, on se placera le cadre d'une approche
variationnelle de ces problèmes, conduisant à la
résolution de problèmes d'optimisation. On se limitera
à l'étude du cas convexe pour lequel des solutions
algorithmiques seront proposées, en mettant l'accent sur les
méthodes numériques susceptibles de gérer des
problèmes de grande dimension. Des interprétations
statistiques (bayésiennes) des fonctions de coûts
seront également considérées permettant une
interprétation des hyperparamètres apparaissant dans
ces problèmes et pour lesquels il est essentiel de disposer
de méthodes d'estimation efficaces. Dans les problèmes
de déconvolution, les liens existant avec le filtrage de
Wiener seront mis en évidence.
Moteur Physique pour l'animation et la simulation
Le
terme 'animation' est généralement employé pour
des applications ludiques et culturelles (jeux, cinéma,
effets spéciaux) alors que le terme 'simulation' indique des
applications scientifiques plus rigoureuses et
exigeantes.
Néanmoins, de plus en plus, l'animation à
recours aux méthodes de la simulation pour 'synthétiser'
des phénomènes dynamiques trop complexes à
décrire : solide articulés, objets déformables,
cassables, liquides, explosions....
Pour synthétiser ces
phénomènes, il faut d'une part disposer d'un bon
système de modélisation décrivant, sous la
forme de systèmes différentiels, des lois physiques
élémentaires (dynamique des solides articulés,
des corps déformables, des fluides....) et d'autre part d'un
moteur de simulation dont le rôle est de produire une
résolution numérique de ces systèmes.
Ce
cours se déteille pas les aspects 'physiques' des modèles
(on se limite quelques lois trés simples) mais explore à
travers elles les différentes techniques de
modélisation/simulation (animatique, éléments
finis, différences finies, masses-ressorts,systèmes de
particules) en pointant quelques particularités, contraintes
et limites propres à l'univers numérique (discret).
C'est sûr ces aspects que se fait la distinction entre
'animation' et 'simulation'.
Synthèse d'image avancée
Ce
cours est une découverte des techniques les plus avancées
de synthèse d'images.
Nous abordons dans un premier temps
les problématiques d'ombrage temps réel autant en
ombrage discontinu que continu. On aborde ensuite tous les
algorithmes d'illumination globale, qui visent à calculer en
profondeur les échanges lumineux entre toutes les surfaces de
la scène : lancer de rayons, suivi de rayons, techniques bi
directionnelles avec comparaisons de ces différents
algorithmes. Une attention plus particulière est portée
sur un algorithme phare d'illumination globale : le photon mapping,
décrit en détails et dont on analyse les résultats.
Enfin nous abordons la radiosité, méthode de
détermination des échanges lumineux diffus dont nous
voyons les principes, les équations ainsi que les techniques
de résolutions. Une dernière partie concerne les
échanges lumineux non plus sur des surfaces mais dans des
volumes, appelé milieux participants.
Systèmes dédiés pour la réalité virtuelle
Un
certain nombre d'algorithmes sont mis en oeuvre dans les systèmes
pour la réalité virtuelle et notamment des algorithmes
pour la perception, la reconstruction d'objets et d'environnements
3D ainsi que l'acquisition temps réel de mouvements. Ces
algorithmes complexes doivent souvent être exécutés
rapidement pour permettre des interactions homme machine réalistes.
Il faut donc une forte puissance de calcul pour implanter ces
algorithmes.
L'objectif de ce cours est d'appréhender la
conception d'architectures dédiées permettant
l'implantation matérielle de tels algorithmes (acquisition,
traitement et visualisation). Cela passe par l'études des
méthodes d'accélération des calculs et des
principaux composants matériels disponibles aujourd'hui pour
améliorer les performances de ces systèmes.
Ce
cours s'appuiera sur une mise en oeuvre de techniques d'optimisation
de l'implantation d'algorithmes sur des architectures aussi bien à
base de processeur RISC, VLIW (par exemple le DSP TMS 320c6711) que
de circuits reconfigurables (FPGA).
Morphologie mathématique
Ce cours présente les notions majeures de la morphologie mathématique: présentation de la méthode, (relations de type ensembliste), filtrage morphologique (opérations croissantes et idempotentes,analyse multiéchelle), connexion ensembliste (extraction d'objets,maxima, dynamique, etc.), squelettes, ligne de partage des eaux.
Vision par ordinateur et réalité virtuelle
Initialement motivée par les applications à la robotique, la vision par ordinateur voulait doter les machines d'une vision semblable à celle de l'homme. En particulier, il semblait indispensable de disposer d'une information tridimensionnelle sur les objets qui entourent le robot, que ce soit pour éviter les obstacles comme pour les reconnaître ou les saisir. Les sonars ou plans lasers étant trop lents ou trop peu précis, seul la méthode utilisée par l'homme parut adaptée: la stéréo-vision, qui permet de voir en relief avec plusieurs yeux. C'était le seul moyen pour rendre un robot autonome. Aujourd'hui, les applications principales de la vision par ordinateur ne sont plus robotiques : reconnaissance des formes, télédétection, contrôle industriel, imagerie médicale, imagerie satellite, etc. De manière plus surprenante, de nombreuses applications voient le jour en réalité virtuelle et en trucage vidéo: mélanger images de synthèses et images réelles nécessite l'extraction d'informations 3D à partir du réel.
Traitement multi-capteurs et applications en audio
Les traitements multi-capteurs interviennent dans de nombreux dispositifs d'informatique embarquée, et dans de nombreuses applications parmi lesquelles le radar, le sonar, la radio astronomie, les radio-communications (en émission et en réception), la géophysique, le biomédical, etc.. Dans ce module, on s'intéressera d'abord aux techniques qui permettent de réaliser l'imagerie, ou la cartographie d'un milieu continu. Dans un second temps, on abordera les problèmes complémentaires de localisation de sources, où il s'agit de positionner un ensemble de sources d'émission à partir des données recueillies sur un réseau de capteurs. Les principes de traitement et les algorithmes associés seront illustrés lors d'une séance de travaux pratiques où l'on étudiera la localisation de sources caractérisées par un modèle de propagation circulaire. Un autre aspect du traitement multi-capteurs est la possibilité d'opérer une "séparation de sources". Sur ce thème, on décrira le problème général de séparation (aveugle) de sources, les techniques fondées sur les statistiques d'ordre supèrieur, sur l'utilisation de fonctions de contraste, et les principes de l'analyse en composantes indépendantes. Ces techniques seront illustrées sur un exemple de séparation de sources audio.
Transmission de l'information
Le
premier chapitre du cours sera consacré aux modulations
linéaires, où sera mis l'accent sur les filtres de
mise en forme (critères de Nyquist) d'une part et, d'autre
part, où seront présentées les techniques de
réception optimales sur le canal gaussien. Quelques calculs
de probabilités d'erreurs sont présentés a
cette occasion.
Le deuxième chapitre sera une
introduction trés rapide au codage correcteur d'erreur et au
théorème de capacité de Shannon. En
particulier, on calculera la capacité d'un canal gaussien.
Le troisième chapitre concernera la réception des
modulations linéaires dans les canaux de Rayleigh, en
commençant par les canaux non sélectifs en fréquence,
et en terminant par les canaux à trajets multiples.
L'importance des techniques de diversité sera
particulièrement soulignée.
Le quatrième
chapitre abordera plus brièvement les modulations
multiporteuses; les raisons qui prèsident à leur
introduction seront mises en évidence.
Au cours du
cinquième et dernier chapitre, on présentera les
systèmes multi-antennes en commençant par mettre en
évidence leurs apports potentiels en terme de capacité.
Nous présenterons les codes spatio-temporels les plus
simples.
Théorie de l'information et codage de la parole
Après un rappel de la théorie classique de Shannon, nous présenterons les extensions à un paramètre de l'entropie de Shannon (entropies de Rényi et Tsallis) et leurs liens avec la physique statistique (physique nonextensive, multifractales). Certaines connections entre la théorie de l'information et les statistiques seront ensuite abordées : on présentera le calcul de bornes sur des problèmes de détection, les problèmes d'estimation et l'information de Fisher. On s'intéressera ensuite au principe du maximum d'entropie : justifications, distributions à maximum d'entropie, utilisation en inférence et applications, par exemple en reconstruction de données. La théorie de l'information permet d'établir, et utilise, un certain nombre d'inégalités, qui seront ensuite décrites et illustrées. Enfin, on s'intéressera au problème d'estimation des quantités d'information (méthodes plug-in et calcul sur des graphes notamment). Différents concepts de théorie de l'information sont illustrés sur le problème de la modélisation et du codage de la parole.
Apprentissage
L'apprentissage
("machine learning" en anglais) est une discipline
scientifique récente, à l'intersection de plusieurs
disciplines scientifiques : mathématiques appliquées,
statistiques et informatique. Les objectifs de l'apprentissage sont
l'optimisation, le contrôle et la modélisation de
systèmes complexes à partir d'exemples.
Ces
objectifs généraux englobent les applications à
de nombreux types de données différentes.
La
finalité de la discipline de l'apprentissage étant de
dégager des théories et techniques génériques
permettant des avancées dans chacun des domaines
d'applications, comme la classification et l'analyse d'images, de
vidéos et de sons, l'analyse de données économiques
et financières, ou l'analyse de séquences, textes et
documents. Dans ce cours, l'accent sera mis sur les applications en
imagerie.