Master Informatique - Spécialité Signal, Image, Synthèse

30 mars 2010
Procédure de Candidature en Ligne

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 –

Master 1

Master 2

Filière SIS
(Signal Image Synthèse)

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)

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.

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.

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

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

Synthèse d'images avancée (Venceslas Biri – UPEMLV)

Système dédié pour la réalité virtuelle (Mohammed Akil - ESIEE )

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.