Méthodes stochastiques pour l’analyse d’images (Stochastic methods for image analysis)
A. DESOLNEUX, B. GALERNE, J. DELON
Image processingModelling

Prè-requis

Les bases d’un M1 de mathématiques appliquées en probabilités, statistiques et optimisation.

Objectif du cours

L’objectif de ce cours est de donner un large panorama des modèles probabilistes et des outils utilisés dans le domaine de la restauration ou de l’édition d’images numériques. Les principaux modèles considérés sont: les modèles bayésiens, les modèles gaussiens, les modèles de mélanges de gaussiennes (GMM), les modèles par patchs, les modèles d’entropie maximale. Les outils considérés sont: l’optimisation et les opérateurs proximaux, l’échantillonnage par MCMC ou Langevin, le transport optimal, les réseaux de neurones.

Organisation des séances

9 séances de 3h, où se mélangent cours magistral, TD et TP.

Mode de validation

Pour valider ce cours, il faudra effectuer un devoir maison intermédiaire (obligatoire) et un examen final écrit.

Les intervenants

Agnès Desolneux

(CNRS, CMLA, ENS Paris-Saclay)

Julie Delon

(Université de Paris Descartes)

Bruno Galerne

(MAPMO, Université d'Orléans)

voir les autres cours du 2nd semestre