Topic outline

  • General

    Collapse all Expand all

  • Fiche de contact et information

    Faculté : Technologie

    Département : Électronique

    Cycle : 2eme année Master

    Option : Électroniques des Systèmes Embarqués (ESEM)

    Semestre : 1

    Matière : Vision Artificielle

    Crédits : 4

    Coefficients : 2

    VHS: 45h00 (Cours: 1h30, TD: 1h30)

    Enseignant : BRIK Youcef

    Email : Youcef.Brik@univ-msila.dz.


  • Objectif du cours

    L'objectif principal de la vision artificielle consiste à reproduire le plus fidèlement possible la perception visuelle humaine d'une scène au moyen d'une ou plusieurs caméras associées à un système automatique de traitement de données. L’objectif de cette matière est d’amener l’étudiant à comprendre les concepts d’un système d’imagerie numérique et de vision.

  • Connaissances préalables

    Traitement de signal,

    Traitement d'images,

    Programmation Matlab et Python.

  • Chapitre 01 : Introduction au traitement d'images numériques

    Ce chapitre aborde les points suivants:

    • Principe de formation de l’image.
    • Principe du traitement d’images.
    • Schéma général d'un système de vision artificielle.
    • Les outils de la vision 3D.
    • Calibrage de caméras.

  • Chapitre 02 : Traitements de bases sur l’image

    Ce chapitre aborde les points suivants:

    • Notion d’histogramme et de contraste  
    • Correction de la  dynamique de l’image 
    • Égalisation d’histogramme et correction gamma
    • Opérations logiques  et arithmétiques sur les images



  • Chapitre 03: Filtrage des images

    Ce chapitre aborde les points suivants:

    • Convolution 2D.
    • Filtrage Spatial.
    • Transformée de Fourier 2D.
    • Filtrage Fréquentiel.


  • Chap04: Détection de contours

    Ce chapitre aborde des définitions et notions de base sur les contours et les régions dans les images, puis les différentes techniques pour la détection et l'amélioration des contours.

  • Segmentation d'images


  • Classification, Machine Learning et Deep learning


  • Exercices Vision artificielle


  • Références

    1. R. Horaud et O. Monga, Vision par ordinateurs : Outils fondamentaux, Editions Hermes, Paris, 1995.
    2. C. M. Bishop, Neural Networks for Pattern Recognition, Springer 1995.
    3. I. Goodfellow, Y. Bengio and A. Courville, Deep Learning, MIT Press 2016.
    4. Forsyth D. et Ponce J., Computer Vision: A Modern Approach, Prentice-Hall, 2003.
    5. Alan Pugh, Robots vision, Edition Springer-Verlag
    6. Danah Ballard, Computer vision, Edition Prentice-Hall.
    7. Gerard Mezin, La vision par ordinateur dans l'industrie, Edition Hermes.
    8. Hartley, R., Zisserman, A., Multiple View Geometry in Computer Vision, Second edition, Cambridge Univ. 2004
    9. Shapiro, L. G., Stockman, G. C., Computer Vision, Prentice Hall, 2001.
    10. Rafael C. Gonzalez and Richard E. Woods, Digital Image Processing, Edition Prentice Hall Inc., New Jersey, 2002.
    11. Pratt William K., Digital image processing, Edition John Wiley.
    12. Kunt M., Editeur, Reconnaissance des formes et analyse de scènes, Collection Electricité, PPUR, 2000.
    13. Belaid Y., Reconnaissance des formes : méthodes et applications. Ed. Inter Editions.
    14. A. R. Weeks, Jr., Fundamentals of Electronic Image Processing, Prentice-Hall of India, 2005.
    15. J, G, Postaire, De l'image à la décision, Edition Dunod.
    16. Ernest L, Computer image processing and recognition, Edition Hall Academic Press.
    17. Alain Trémeau, Christine Fernandez-Maloigne & Pierre Bonton. Image Numérique Couleur. Editions Dunod,
    18. 2004.Diane Lingrand, Introduction au Traitement d’Images, Vuibert, Paris, 2004.