Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Bases de l’imagerie<br />
Spécialité IMAgerie<br />
<strong>BIMA</strong> - <strong>Examen</strong> <strong>session</strong> 2<br />
30 Janvier 2012<br />
Le barème, sur 40, donné à titre indicatif, est susceptible d’être modifié. Aucun document ni machine électronique<br />
ne sont autorisés. Durée de l’examen : 2h.<br />
Exercice 1 — Questions de cours (8 points)<br />
1. Quel est le critère optimisé dans le SVM Est ce le même que dans la LDA (3 lignes max).<br />
2. Donner une méthode pour déterminer l’orientation du texte sur une image de document où le texte est<br />
supposé écrit selon une direction unique (3 lignes max).<br />
3. Le descripteur SIFT est-il invariant à la rotation Justifier (3 lignes max).<br />
4. Quel est l’intérêt de la représentation couleur dans l’espace HSV par rapport à l’espace RGB (2 lignes<br />
max).<br />
Exercice 2 — Traitement d’images (10 points)<br />
On considère l’image ci-dessous :<br />
1. Quel est le nombre P de pixels dans l’image I Quel est le niveau de gris minimal k min et le niveau de<br />
gris maximal k max Quelle est la dynamique L de l’image <br />
2. Calculer et tracer l’histogramme de cette image, pour les valeurs de k ∈ {k min ; k max }.<br />
3. Calculer et tracer l’histogramme cumulé H c (k).<br />
4. On considère le filtre dérivatif ⎡ de Sobel, ⎤de réponse⎡impulsionnelle définie ⎤ par les masques de convolution<br />
1 0 −1<br />
1 2 1<br />
discrets suivants : S x = ⎣ 2 0 −2 ⎦ et S y = ⎣ 0 0 0 ⎦. Donner le résultat du filtrage de<br />
1 0 −1<br />
−1 −2 −1<br />
l’image par ces masques.<br />
N.B. : on suppose ici qu’on effetue un padding ”miroir” avant l’application du filtre.<br />
5. Proposer une méthode pour isoler chacune des zones homogène dans l’image de départ.<br />
Université Pierre et Marie Curie 1 Master 1 Informatique
Exercice 3 — Filtrage spatial et fréquentiel (8 points)<br />
On considère les 4 filtres discrets f i,i∈{1;4} , suivants définis par leurs réponses impulsionnelles h i,i∈{1;4} :<br />
⎛<br />
⎝<br />
h 1 h 2<br />
⎞<br />
⎛<br />
0 1 0<br />
1 −4 1<br />
0 1 0<br />
⎠<br />
⎜<br />
⎝<br />
1.1 1 4.5 −15.1 −18 5.9 21.7<br />
10.4 4.6 −15.4 −18.6 6.2 23 5.9<br />
4.5 −15.4 −18.8 6.4 23.9 6.2 −18<br />
−15.1 −18.6 6.4 24.2 6.4 −18.6 −15.1<br />
−18 6.2 23.9 6.4 −18.8 −15.4 4.5<br />
5.9 23 6.2 −18.6 −15.4 4.6 10.74<br />
21.7 5.9 −18 −15.1 4.5 10.4 1.1<br />
⎞<br />
⎟<br />
⎠<br />
1<br />
9<br />
⎛<br />
⎜<br />
⎝<br />
h 3<br />
⎞<br />
h 4<br />
1 1 1 1 1<br />
1 1 1 1 1<br />
1 1 1 1 1<br />
1 1 1 1 1<br />
1 1 1 1 1<br />
⎟<br />
⎠<br />
⎛<br />
⎜<br />
⎝<br />
0.0020 0.0239 0.1072 0.1768 0.1072 0.0239 0.0020<br />
0.0239 0.2915 1.3064 2.1539 1.3064 0.2915 0.0239<br />
0.1072 1.3064 5.8550 9.6532 5.8550 1.3064 0.1072<br />
0.1768 2.1539 9.6532 15.9155 9.6532 2.1539 0.1768<br />
0.1072 1.3064 5.8550 9.6532 5.8550 1.3064 0.1072<br />
0.0239 0.2915 1.3064 2.1539 1.3064 0.2915 0.0239<br />
0.0020 0.0239 0.1072 0.1768 0.1072 0.0239 0.0020<br />
⎞<br />
⎟<br />
⎠<br />
Les fonctions de transfert H j,j∈{1;4} , i.e. les transformées de Fourier de la réponse impulsionnelle de chacun<br />
des filtres, sont données (dans le désordre) ci-dessous :<br />
H 1 H 2 H 3 H 4<br />
Pour chacun des quatre filtres :<br />
1. Associer, en le justifiant, h i à H j et donner le nom de filtre.<br />
2. Préciser le type de filtrage fréquentiel effectué (e.g. passe-bas). Le filtrage est-il idéal Justifier.<br />
2
Exercice 4 — Convolution et Matrices de Toeplitz (8 points)<br />
On considère un signal 1d discret de taille n : x(k) k∈{0;n} . On veut convoluer ce signal par un filtre dont le<br />
symétrique de la réponse impulsionnelle est h, de taille d = 2t + 1 impaire. On rappelle que la formule de la<br />
convolution qui produit y à partir d’un signal x et d’un masque h, est la suivante :<br />
y(k) =<br />
t∑<br />
x(k + l)h(l) (1)<br />
1. Expliciter y(0).<br />
N.B. : on supposera qu’on effectue ici du zero-padding, i.e. x(l) = 0 pour l < 0.<br />
l=−t<br />
2. Montrer que y(0) peut être calculé comme y(0) = x p × c, avec :<br />
– x p est un vecteur ligne de taille 1 × n + 2t, dans lesquelles les valeurs du vecteur x sont bordés de t 0<br />
(à gauche et à droite).<br />
– c est un vecteur colonne de taille n + 2t × 1, à expliciter.<br />
3. Généralisation : montrer que le kème élément y(k) peut s’écrire y(k) = x p × c k , où c k est un vecteur<br />
colonne de taillee n + 2t × 1, à expliciter.<br />
4. Montrer que le vecteur global résultant de la convolution du signal x par le filtre de réponse impulsionnelle<br />
h peut s’écrire : y = x p × T , où T est une matrice de taille n + 2t, n. Expliciter T .<br />
– La matrice T est appelée matrice de Toeplitz. Elle permet d’effectuer le calcul de produit de convolution<br />
par un produit matriciel. Expliquer l’intéret de cette formulation.<br />
Exercice 5 — Pyramides multi-résolution et Aliasing (6 points)<br />
On considère la fonction 2D suivante (sinus cardinal 2D) :<br />
sinc 2d (x, y) = sin(2πf ox)<br />
2πf o x<br />
· sin(2πf oy)<br />
2πf o y<br />
( ) (<br />
La transformée de Fourier de sinc 2d (x, y) s’écrit : T F [sinc 2d (x, y)] = S(u, v) = 1<br />
u<br />
Rect<br />
f0 2 2f o<br />
Rect<br />
Rappel : la fonction Rect(t) est la fonction ”Porte” :<br />
v<br />
2f o<br />
).<br />
(2)<br />
Rect(t) =<br />
1. sinc 2d (x, y) est-il un signal à bande limitée <br />
(a) Quelle est sa fréquence de coupure <br />
(b) Représenter graphiquement S(u, v).<br />
2. On échantillonne sinc 2d avec f e = f o .<br />
{<br />
1 si |t| ≤<br />
1<br />
2<br />
0 sinon<br />
(a) Le signal est-il échantillonné de sorte à ne pas perdre d’information lors de la discrétisation (théorème<br />
de Shannon) <br />
(b) Quelle est la fréquence de coupure limite f l e <br />
(c) Représenter graphiquement le spectre du signal échantillonné pour f e = 4f o .<br />
(3)<br />
3