Restauration (image)La restauration d'image est une technique d' qui permet, à l'aide d'un logiciel de retouche d'image, de rendre à une image numérisée l'apparence de son état d'origine. Pour ce faire, l'image est dans un premier temps importée dans l'ordinateur, généralement à l'aide d'un scanner, dans une , qui permet de travailler les détails. Ensuite, à l'aide d'un logiciel de comme Photoshop ou GIMP, l'infographiste dessine littéralement sur l'image, afin d'en supprimer les défauts.
Masque flouLa photographie numérique a popularisé l'utilisation du masque flou pour accentuer les images, c'est-à-dire précisément pour améliorer leur piqué. Le principe de cette méthode avait néanmoins été imaginé dans le cadre de la photographie argentique. À la différence de la méthode de déconvolution qui implique des connaissances précises de la chaîne d'acquisition de l'image, cette méthode ne peut prétendre restituer, même partiellement, une information définitivement perdue.
Retouche numériqueImage editing encompasses the processes of altering s, whether they are digital photographs, traditional photo-chemical photographs, or illustrations. Traditional analog image editing is known as photo retouching, using tools such as an airbrush to modify photographs or editing illustrations with any traditional art medium. Graphic software programs, which can be broadly grouped into vector graphics editors, raster graphics editors, and 3D modelers, are the primary tools with which a user may manipulate, enhance, and transform images.
Digital image processingDigital image processing is the use of a digital computer to process s through an algorithm. As a subcategory or field of digital signal processing, digital image processing has many advantages over . It allows a much wider range of algorithms to be applied to the input data and can avoid problems such as the build-up of noise and distortion during processing. Since images are defined over two dimensions (perhaps more) digital image processing may be modeled in the form of multidimensional systems.
Filtre de WienerLe filtre de Wiener est un filtre utilisé pour estimer la valeur désirée d'un signal bruité. Le filtre de Wiener minimise l'erreur quadratique moyenne entre le processus aléatoire estimé et le processus souhaité. Norbert Wiener a d'abord proposé le filtre dans les années 1940, puis publié en 1949. Vers la même époque Andreï Kolmogorov travaillait sur des filtres similaires. Le filtre de Wiener a une variété d'applications de traitement du signal, traitement d'image, des systèmes de contrôle et de la communication numérique.
Segmentation d'imageLa segmentation d'image est une opération de s consistant à détecter et rassembler les pixels suivant des critères, notamment d'intensité ou spatiaux, l'image apparaissant ainsi formée de régions uniformes. La segmentation peut par exemple montrer les objets en les distinguant du fond avec netteté. Dans les cas où les critères divisent les pixels en deux ensembles, le traitement est une binarisation. Des algorithmes sont écrits comme substitut aux connaissances de haut niveau que l'homme mobilise dans son identification des objets et structures.
Filtre de Kalmanvignette| Concept de base du filtre de Kalman. En statistique et en théorie du contrôle, le filtre de Kalman est un filtre à réponse impulsionnelle infinie qui estime les états d'un système dynamique à partir d'une série de mesures incomplètes ou bruitées. Le filtre a été nommé d'après le mathématicien et informaticien américain d'origine hongroise Rudolf Kálmán. Le filtre de Kalman est utilisé dans une large gamme de domaines technologiques (radar, vision électronique, communication...).
Filtre de Kalman d'ensembleLe filtre de Kalman d'ensemble (EnKF) est une variante du filtre de Kalman plus adaptée aux problèmes de très grande dimension comme les modèles géophysiques. Il a fait son apparition en 1994 dans un article de Geir Evensen. L'idée du filtre de Kalman d'ensemble est de représenter la loi recherchée par un échantillon de la variable d'état, et par suite la matrice de covariance du filtre de Kalman devient une matrice de covariance échantillonnée.
Méthode itérativeEn analyse numérique, une méthode itérative est un procédé algorithmique utilisé pour résoudre un problème, par exemple la recherche d’une solution d’un système d'équations ou d’un problème d’optimisation. En débutant par le choix d’un point initial considéré comme une première ébauche de solution, la méthode procède par itérations au cours desquelles elle détermine une succession de solutions approximatives raffinées qui se rapprochent graduellement de la solution cherchée. Les points générés sont appelés des itérés.
Méthode de JacobiLa méthode de Jacobi, due au mathématicien allemand Karl Jacobi, est une méthode itérative de résolution d'un système matriciel de la forme Ax = b. Pour cela, on utilise une suite x qui converge vers un point fixe x, solution du système d'équations linéaires. On cherche à construire, pour x donné, la suite x = F(x) avec . où est une matrice inversible. où F est une fonction affine. La matrice B = MN est alors appelée matrice de Jacobi.
Objectif grand angleUn objectif grand angle est un objectif à courte focale. L'effet de cette courte focale est de permettre un cadrage large d'objets rapprochés dont on ne peut pas s'éloigner. Par exemple, il peut servir à photographier un paysage dans son ensemble sous la forme d'un panorama. On peut choisir aussi d'utiliser ces objectifs pour accentuer les perspectives. L'effet de perspective d'un grand angle tend à faire paraître divers plans d'une même image plus éloignés les uns des autres qu'en réalité, à l'opposé des téléobjectifs qui tendent plutôt à les sujets dans un seul et même plan.
Théorie du contrôleEn mathématiques et en sciences de l'ingénieur, la théorie du contrôle a comme objet l'étude du comportement de systèmes dynamiques paramétrés en fonction des trajectoires de leurs paramètres. On se place dans un ensemble, l'espace d'état sur lequel on définit une dynamique, c'est-à-dire une loi mathématiques caractérisant l'évolution de variables (dites variables d'état) au sein de cet ensemble. Le déroulement du temps est modélisé par un entier .
Angle de champEn photographie, l'angle de champ (en anglais, angle of view ou AOV) est l'angle que peut capter un dispositif optique. L'angle de champ est lié à la valeur de la distance focale utilisée et à la taille de la surface sensible. Une courte focale (objectif grand angle) fournira un grand angle de champ, alors qu'une longue focale (téléobjectif) donnera au contraire un angle de champ faible.
Méthode de Newtonvignette|Une itération de la méthode de Newton. En analyse numérique, la méthode de Newton ou méthode de Newton-Raphson est, dans son application la plus simple, un algorithme efficace pour trouver numériquement une approximation précise d'un zéro (ou racine) d'une fonction réelle d'une variable réelle. Cette méthode doit son nom aux mathématiciens anglais Isaac Newton (1643-1727) et Joseph Raphson (peut-être 1648-1715), qui furent les premiers à la décrire pour la recherche des solutions d'une équation polynomiale.
Régulateur PIDLe régulateur PID, appelé aussi correcteur PID (proportionnel, intégral, dérivé) est un système de contrôle permettant d’améliorer les performances d'un asservissement, c'est-à-dire un système ou procédé en boucle fermée. C’est le régulateur le plus utilisé dans l’industrie où ses qualités de correction s'appliquent à de multiples grandeurs physiques. Le premier régulateur proportionnel à avoir été utilisé est probablement le régulateur à boules qui utilise des masses tournantes pour réguler une vitesse de rotation.
DéconvolutionEn mathématiques, la déconvolution est un procédé algorithmique destiné à inverser les effets de la convolution. Le concept de déconvolution est largement utilisé en traitement du signal et , notamment en microscopie et astronomie. Le problème est de déterminer la solution f d'une équation de la forme : On note ici par h un signal tel qu'il est acquis et f le signal que l'on désire estimer ou restaurer, mais qui a été convolué par une réponse impulsionnelle g lors de l'acquisition.
Nitrate de potassiumLe nitrate de potassium est un corps chimique, ionique, anhydre, composé d'anions nitrate et de cations potassium, de formule brute . Ce composé minéral salin de densité entre 2,1 et 2,2 suivant sa pureté, soluble dans l'eau, est le nitre des minéralogistes, caractéristique des zones désertiques, ou le salpêtre, bien connu probablement avant le Moyen Âge, des anciens chimistes ou collecteurs-fabricants de poudre noire. Il était aussi nommé dans l'ancienne nomenclature chimique française « nitrate de potasse », voire nitre de potasse.
Optimisation (mathématiques)L'optimisation est une branche des mathématiques cherchant à modéliser, à analyser et à résoudre analytiquement ou numériquement les problèmes qui consistent à minimiser ou maximiser une fonction sur un ensemble. L’optimisation joue un rôle important en recherche opérationnelle (domaine à la frontière entre l'informatique, les mathématiques et l'économie), dans les mathématiques appliquées (fondamentales pour l'industrie et l'ingénierie), en analyse et en analyse numérique, en statistique pour l’estimation du maximum de vraisemblance d’une distribution, pour la recherche de stratégies dans le cadre de la théorie des jeux, ou encore en théorie du contrôle et de la commande.
Nitrate de sodiumLe nitrate de sodium est un corps chimique composé ionique incolore et anhydre, contenant l'anion nitrate et le cation sodium, caractérisé par la formule . Il correspond au minéral naturel de maille rhomboédrique et trigonale, la nitronatrite. Il s'agit du principal composant du salpêtre du Chili, qui a été au et au début du une matière première fondamentale pour l'industrie chimique européenne, que ce soit pour la synthèse de l'acide nitrique et ses dérivés techniques, par exemple les engrais nitratés ou les composés de base de l'industrie d'armements et des explosifs.
Modèle statistiqueUn modèle statistique est une description mathématique approximative du mécanisme qui a généré les observations, que l'on suppose être un processus stochastique et non un processus déterministe. Il s’exprime généralement à l’aide d’une famille de distributions (ensemble de distributions) et d’hypothèses sur les variables aléatoires X1, . . ., Xn. Chaque membre de la famille est une approximation possible de F : l’inférence consiste donc à déterminer le membre qui s’accorde le mieux avec les données.
