Ce cours nous permet d’acquérir les bases essentielles de traitement et d’analyse des images numériques et de la reconnaissance des formes. Des exemples concrets seront mis en œuvre à travers des TP et de mini-projets.
Des applications divers sont mises en évidence à savoir : biométrie (reconnaissance et identification), documents, restauration de documents et des images etc..
Mots clés: Reconnaissance des formes, segmentation, restauration, classification, analyse, décision, détection du mouvement, compression.

CONTENU DU MODULE :
I. Traitement d’Images : 20 heures
1. Définition de l’image, objectif du traitement d’images…
2. Numérisation et binarisation de l’image,
3. Formats d’images (bit-map, vectorisée)
4. Techniques de base en traitement d’images: (histogrammes, opérations ponctuelles…)
5. Prétraitement et filtrage des images
6. Segmentation (études des différentes approches : région, frontières..).
7. Notion du mouvement dans une séquence d’images.
II. Reconnaissance des formes : 10 heures
1. Introduction à la reconnaissance des formes : (définition et schéma d’un système de reconnaissance et ses applications-acquisition-prétraitement- Post-traitement).
2. Extraction de caractéristiques.
3. Classification (théorie de la décision bayesienne, les hyperplans, réseaux de neurones..).
4. Reconnaissance et interprétation
III. Compression des images fixes :15 heures
1. Définition,
2. Méthodes de compression et décompression : avec et sans perte, compromis précision/espace/temps de calcul, normes.
3. Différents codages et quantifications.
4. JPEG standard et JPEG2000.
5. Transformations 2D et 3D -Rastérisations et Programmation GPU

Traitement d’image :(numérisation, affichage d’ histogrammes, binarisation ,détection de contours,
filtres médian, moyen, ..).
Restauration des images
Classification et reconnaissance : (-Reconnaissance de caractères isolés- Analyse de documents complexes- Reconnaissance de chiffres manuscrits isolés, etc...)
Compression des images :Compression des images en utilisant la DCT, ACP…

NB : pour cette partie on peut utiliser les logiciels suivants :PYTHON, Matlab et OpenCV.

-José M.Bernardo and Adrian F.M.Smith Bayesian Theory, John wiley, new york, NY, 1996
-Richard O.Duda, Peter E.Hart, David G.Stork Pattern classification first and second edition.
-G. Dreyfus, et al, réseaux de neurones : méthodologies et applications. Ed. Eyrolles.
-M. Crucianu, J.-P. Asselin de Beauville, R. Boné Méthodes factorielles pour l'analyse des données : méthodes linéaires et extensions non-linéaires. Ed. Hermès.
- G. Saporta Probabilités, analyse des données et statistique. Ed. TECHNIP.
-D.J. Hand, H. Mannila, P. Smyth Principles of Data Mining (Adaptive Computation and Machine Learning). Ed. Bradford Book.
- BELAID Abdel, BELAID Yolande, "Reconnaissance des formes : Méthodes et applications". InterEditions, 1992.
-DUBUISSON Bernard, "Diagnostic et reconnaissance des formes". Hermes, 1990.
-FU King-Sun, "Syntactic Methods in Pattern Recognition". Academic Press, 1974.
-GAILLAT Gérard, "Méthodes statistiques de reconnaissance des formes". Publication ENSTA, 1983.
-MICLET Laurent, "Méthodes structurelles pour la reconnaissance des formes". Eyrolles et CNET - ENST, 1984.
-PAVLIDIS T., "Structural Pattern Recognition". Springer Verlag, 1982.
-SIMON Jean-Claude, "La reconnaissance des formes par algorithmes". Masson, 1984.
-WATANABE Satosi, "Knowing and Guessing". John Wiley, 1969.
-DUDA Richard, HART Peter, "Pattern Classification and Scene Analysis". John Wiley & Sons, 1973.
-Computer Graphics: Principles and Practice (2nd Ed.), J.D.Foley, A. van Dam, S.K. Feiner, J.F. Hughes, Addison-Wesley 1990, ISBN 0-201-12110-7.
-Advanced Animation and Rendering Techniques, Alan Watt, Mark Watt, Addison-Wesley 1992, ISBN 0-201-54412-1.