Représentation, Edition et Perception des images (REP)

Description (FR)

L'objectif de ce module est d'une part d'appréhender les différents outils couramment utilisés pour la représentation, le traitement et l'édition d'images. Ces outils, à la frontière des mathématiques et de l'informatique, seront étudiés sous la perspective de problèmes classiques en traitement d'images comme par exemple l'inpainting ou le débruitage. Le second objectif de ce module concerne l'étude de la perception humaine des images en utilisant des techniques d'apprentissage profond (e.g. modèle d'attention visuelle). A la fin de ce module, les étudiants auront vu la manière dont les images sont manipulées sur l'ensemble de la chaîne de traitement: depuis la représentation jusqu'à la manière dont elles sont perçues par l'humain.

Description (EN)

The objective of this lecture is twofold. On the one hand, we will study the different tools classically used for representing, processing and editing images. At the crossroad of mathematics and informatics, these tools will be studied under the perspective of classical problems in image processing as for example image inpainting or denoising. On the second hand, we will study the human perception of images (visual attention model). To summarize, during these courses, the students will study how images are handled along the whole processing chain: from the way they are represented until the way they are perceived.

Mots-clés

Traitement d'images, filtrage, transformation, inpainting

Prérequis

Notions de base en analyse, probabilité et apprentissage

Prerequisites

Basics of Analysis, probability and machine learning

Contenu

  • Les bases du traitement d'images (10h)
    • Différentes modalités en imagerie numérique et modèles de projection (HDR, light fields, caméras 360, multi-vues, multi-capteurs)
    • Représentation d'images et de vidéos (Espace colorimétrique, transformées, dictionnaires)
    • Traitement des images et de vidéos (filtrage convolutionnel, filtrage bi-latéral, filtrage guidé, diffusion)
  • Outils avancés pour le traitement et l'édition d'images et de vidéos (6h)
    • Algorithmes basés exemple pour la reconstruction d'images (application à l'inpainting et Patchmatch)
    • Algorithmes basés dictionnaires (applications à l'inpainting, la super-résolution et le débruitage)
    • Morphologie mathématique (applications à la segmentation)
  • Perception (4h)
    • Rappel fondamentaux de l'apprentissage profond (deep learning) pour le traitement des images
    • Exemples des modèles d'attention visuelle basés sur l'apprentissage profond

Content

  • The fundamentals of image processing (10h)
    • Different modalities for representing digital images and their projection models (HDR, ligh-fields, 360 cam, multi-view, mutli-devices)
    • Representation of images and video sequence (color space, transform, dictionaries)
    • Image and video processing (convolutional filtering, bi-lateral filter, guided filter and diffusion)
  • Advanced methods for image and video processing (6h)
    • Examplar-based methods for restoring image qualité (inpainting and patchMatch)
    • Dictionary-based methods (inpainting, super-resolution and denoising)
  • Visual perception (4h)
    • Basic of deep learning for image processing
    • Example of Computational models of visual attention based on deep learning

Compétences acquises

  • Maîtrise des outils de base pour le traitement d'images
  • Capacité à appréhender des solutions complexes de traitement d'images (édition, post-production…)

Learning outcomes

  • Be able to use complex image processing tools
  • Be able to understand and interact with complex problems in image processing (editing and post-production)

Références

  • Rafael Gonzalez and Richard Woods, Digital Image Processing, 2008
  • Maria Petrou et Costas Petrou, Image Processing: The fundamentals, Willey, 2010

Teachers / Enseignants

Thomas Maugey (responsable)