Académique Documents
Professionnel Documents
Culture Documents
BIMA Exam Session1 2013
BIMA Exam Session1 2013
Le barème, sur 40, donné à titre indicatif, est susceptible d’être modifié. Aucun document ni
machine électronique ne sont autorisés. Durée de l’examen : 2h.
Les vecteurs propres de H avec leurs valeurs propres associées définissent les directions de
variations principales de la fonction I(x, y) (i.e. courbures principales de I en (x, y))
Rappels :
a c
— Pour une matrice 2×2 symétrique M = , le déterminant s’écrit det(M ) = ab−c2 .
c b
— Le déterminant est invariant par changement de base orthonormée. Il en suit immédiatement
que le déterminant de M est le produit de ses valeurs propres.
1. Détecteur Hessien
(a) Quelle est la valeur attendue pour les valeurs propres de H dans le cas d’un coin ?
D’une région homogène ? D’un contour ?
(b) Le détecteur Hessien propose comme critère de détection Ch (x, y) = |det(M )|. Expli-
quer comment utiliser Ch (x, y) pour détecter les coins.
— Ch (x, y) permet-il de séparer coins, contours et régions homogènes comme le détecteur
de Harris ? Justifier.
(c) Algorithme de détection. Donner le code matlab :
— D’une fonction Ch = calculeH(I) qui calcule le critère de détection Hessien Ch (x, y)
en chaque pixel (x, y) d’une image I. N.B. : on dispose d’une fonction de If =
convolution(I,M) qui effectue la convolution de l’image I avec le masque M .
— D’un script detectionHessien effectue la détection globale de points d’interêts à
partir du critère de détection Hessien. En particulier, préciser les étapes de post-
traitement mises en place.
2. Invariance du détecteur Hessien
(a) Le détecteur Hessien est-il invariant à la rotation ? Justifier.
(b) On considère une transformation affine d’illumination : I 0 (x, y) = a · I(x, y) + b.
i. Soit H 0 (x, y) la matrice Hessienne de I 0 (x, y). Exprimer H 0 (x, y) en fonction de
H(x, y).
ii. Le critère de détection Hessien Ch (x, y) est-il invariant aux transformations affines
d’illumination ? Justifier.
iii. Les maxima locaux de Ch (x, y) sont-ils invariants aux transformations affines d’illu-
mination ? Si oui, proposer comment adapter le seuil de détection entre I et I 0 .
Sinon, justifier.
2
Exercice 4 Transformée de Fourier Rapide (10 points)
Rappel : en 1d, la Transformée de Fourier Discrète (TFD) X(h) d’un signal numérique x(n) de
N échantillons s’écrit :
N −1
2iπhk
X
h ∈ {0; N − 1} X(h) = xk e− N (1)
k=0
M
X −1 M
X −1
hk h hk
X(h) = x2k WM + W2M x2k+1 WM (2)
k=0 k=0
2hk hk
Indication : on utilisera le fait que W2M = WM .
M
X −1
hk
h ∈ {0; M − 1} Eh = x2k WM (3)
k=0
Montrer alors que la TFD du signal de départ (à N échantillons) peut s’écrire :
h
(a) h ∈ {0; M − 1}, on a X(h) = Eh + W2M · Oh en utilisant directement l’équation 2.
h
(b) h ∈ {M ; 2M − 1} : X(h) = Eh − W2M · Oh .
Indication : on utilisera les propriétés suivantes pour h ∈ {0; M − 1} :
(h+M )k hk h+M h
WM = WM , et W2M = −W2M .
4. La décomposition précédente du calcul de la TFD, connue sous le nom d’algorithme de
Cooley-Tukey, permet de calculer la TFD d’un signal de taille N en calculant
2 TFD sur des sigaux de taille M = N 2 (+ une addition/soustraction et une multi-
plication). Dans le cas où le signal de départ est une puissance de 2, i.e. N = 2M , il est
possible d’appliquer la décomposition précédente de manière récursive.
— Montrer que le schéma de récursion pour le nombre d’opérations élémentaires T (N ) à
effectuer pour calculer la TFD sur un signal de dimension N s’écrit :
T (1) = b
(5)
T (N ) = 2 · T ( N2 ) + a · N
— Donnez les valeurs de a et b dans notre cas. En déduire que T (N ) = N (b + a · log2 (N )).
— Quelle est alors la complexité du calcul de la TFD ?