DÉTECTION DE DÉFAUTS DANS DES HOLOGRAMMES DE PHASE

Slides:



Advertisements
Présentations similaires
MAP-6014 Concepts avancés en mathématiques et informatique appliquées
Advertisements

Détection de contours automatique et application aux images réelles
TRAITEMENT D’IMAGE SIF-1033 Segmentation des images par détection de contours et d’arêtes u Détection des contours et arêtes u Dérivée première (gradient)
INF-1019 Programmation en temps réel
PIF-6003 Sujets spéciaux en informatique I
Filtrage des images.
Modélisation Géométrique Cours 4 : Acquisition de la géométrie.
Modélisation Géométrique Les surfaces paramétriques.
Courbes d'Interpolation Interpolation de Lagrange, et Interpolation B-spline.
Du chapitre 1 au chapitre 2 1. Les graphiques : introduction (p.15)  Pour prendre possession des données o des chiffres dans un tableau, c’est bien o.
Marlène Côté et Christèle Charbonneau Thème: Mathématiques et univers social Les élèves seront amenés à effectuer des additions et des soustractions, de.
TP 7 : UNE PROPRIÉTÉ DES ONDES, LA DIFFRACTION BUSQUET Stéphane LENNE Karl-Eric TS Physique-Chimie.
Développement de la technique d'holographie acoustique de champ proche temps réel pour l'analyse de sources de bruit fluctuantes Doctorant : Directeurs.
Comparing color edge detection and segmentation methods Projet TIM.
MODÉLISATION chapitre 4
Système d’aide à la décision Business Intelligence
Tableau à double entrée
Les tables de multiplication au ce1 « Une construction réfléchie des tables favorise-t-elle leur mémorisation et leurs transferts ? » DOUARCHE Vaéa.
Analyse, Classification,Indexation des Données ACID
La symétrie et l’aire de la surface
Activités mentales rapides Bilan sur le cours
Optique ondulatoire : interférences et diffraction
Réalisé par : Ghilani Idriss Butadjine Oussama Rahmani Khaled
Détermination des propriétés texturales d’un solide poreux par traçage
Les lignes de tendances
MACD (Moving Average Convergence Divergence)
Loi Normale (Laplace-Gauss)
Préparer par : Intissare et kaoutare
Programmation avec Scratch
Analyse des résultats de simulation MoldFlow ZIMMER.
Master Réseaux et Systèmes Distribués (RSD)
Précision d'une mesure et chiffres significatifs
Grandeurs et mesures 2.
Soit la fonction f (x) = x2 + 1
1 Cotation fonctionnelle des pièces 1 Exigences fonctionnelles 2 Cotation des jonctions entre pièces 3 Méthode de cotation d’une pièce.
Cyber-Sphinx Séance 2.
Les plans de mélange Les plans d’expérience : Présentée par :
Physique – Chimie Chapitre 1
Plans d’expériences: Plans de mélanges
Difficultés de programmation
Introduction aux Statistiques Variables aléatoires
SIF-1033 Traitement d’image
La méthode du simplexe. 1) Algorithme du simplexe  Cet algorithme permet de déterminer la solution optimale, si elle existe, d’un problème de programmation.
Concepts avancés en mathématiques et informatique appliquées
Mise en situation 1.Mise en situation 2.Problématique 3.Objectif de la séance 4.Etude des schémas existant 5.Présentation du matériel 6.Résolution de la.
Free Powerpoint Templates Page 1 Free Powerpoint Templates L’indicateur technique: Relative Strength Index (RSI)
Présenté par : M. TEMZINE Omar M. Zellat Salah eddine. Promotion 2016/2017 République Algérienne Démocratique et Populaire Ministre de l’enseignement supérieur.
Amélioration de la résolution spatiale des sondeurs multifaisceau
Résolution d’un problème de diffusion 3D
OPTIMISATION 1ère année ingénieurs
Les méthodes non paramétriques
Conférence sur les ponts à haubans
Evaluation par compétences
2.4 La loi de vitesse d’une réaction chimique
Plan Introduction Problématique et Objectif Solution Proposé Conception et Modélisation Réalisation Conclusion et perspective
Titre de la présentation
Film (Intermédiaire)   Pour reproduire les effets de cette diapositive, procédez comme suit : Sous l’onglet Accueil, dans le groupe Diapositives, cliquez.
Travailler une luminance en FITS sur photoshop
Regrouper les couches ( RGB )
Développement d’une application Android sur le suivi oculaire
BUFFER CIRCULAIRE Meryem EL BAKRI. PLAN Introduction Buffer circulaire Fonctionnement.
Conception cartographique
Projet Logimage ESP Dakar Janvier 2019 Alain Faye
Passage primaire-secondaire
Mathématiques.
Tableau de bord d’un système de recommandation
PLAN Introduction générale Problématique & Objectifs.
Système de Numération : Décimal, Binaire, Octal et Hexadécimal
Texte du premier sujet Texte du deuxième sujet
Chapitre P4 : Mouvement d’un solide indéformable I) Quelques rappels de seconde : 1)Nécessité d’un référentielNécessité d’un référentiel 2)TrajectoireTrajectoire.
Transcription de la présentation:

DÉTECTION DE DÉFAUTS DANS DES HOLOGRAMMES DE PHASE Travail de fin d’étude d’Alan Duffala Promoteurs : Justus Piater et Sébastien Ryhon 2ème Licence en informatique Année académique 2003-2004 DÉTECTION DE DÉFAUTS DANS DES HOLOGRAMMES DE PHASE 07/11/2018 TFE - Détection de défauts dans des hologrammes de phase

TFE - Détection de défauts dans des hologrammes de phase INTRODUCTION (1/3) Les hologrammes de phase sont des images créées par interférométrie (basé sur les interférences) avec une caméra holographique réalisée par OPTRION S.A.. Cette caméra est destinée à mesurer les changements apparaissant sur la surface d’un objet après avoir été soumis à une exposition quelconque (variation de température, changement de pression, …). Les images obtenues sont en niveau de gris. Les images sont affichées avec des valeurs circulaires pour les points. 07/11/2018 TFE - Détection de défauts dans des hologrammes de phase

TFE - Détection de défauts dans des hologrammes de phase INTRODUCTION (2/3) Par exemple : Le passage d’un point blanc ( valeur = 255 ) à un point noir ( valeur = 0 ) indique une augmentation dans la surface. En effet, on passe de 255 à 0 ( 256 modulo 256 ) et non pas de 0 à 255. 07/11/2018 TFE - Détection de défauts dans des hologrammes de phase

TFE - Détection de défauts dans des hologrammes de phase INTRODUCTION (3/3) Objectifs : Détecter les défauts de ces images, c’est-à-dire les augmentations rapides de changement d’intensité dans ces images. Elles représentent une déformation de la surface calculée par la caméra. Problèmes : Beaucoup de bruit dans les images à traiter → difficulté de reconstruction de l’image. Solution possible : Filtrage spécifique avec un traitement local des valeurs circulaires → bons résultats. Autre solution : Champs de Markov aléatoires. 07/11/2018 TFE - Détection de défauts dans des hologrammes de phase

TFE - Détection de défauts dans des hologrammes de phase EXEMPLE D’HOLOGRAMME Hologramme de phase Représentation en 3D 07/11/2018 TFE - Détection de défauts dans des hologrammes de phase

TFE - Détection de défauts dans des hologrammes de phase RÉSULTATS ATTENDUS Hologramme de phase Résultat obtenu par une société 07/11/2018 TFE - Détection de défauts dans des hologrammes de phase

RECONSTITUTION DES IMAGES On parcourt l’image horizontalement en remettant les valeurs continues. Les bornes du point recherché sont comprises entre V-(256/255) et V+(256/255) où V est la valeur du point situé juste à gauche du point courant. À chaque changement de ligne, on teste la continuité avec le point juste au dessus. 07/11/2018 TFE - Détection de défauts dans des hologrammes de phase

TFE - Détection de défauts dans des hologrammes de phase PROBLÈMES La reconstitution de l’image est problématique. Les imperfections aux bords de l’image provoquent des erreurs sur toute la ligne. Les images ne donnent pas de bons résultats après une dérivée gaussienne. 07/11/2018 TFE - Détection de défauts dans des hologrammes de phase

TFE - Détection de défauts dans des hologrammes de phase DÉRIVÉES GAUSSIENNES POUR CONVOLUER UNE IMAGE AVEC UN FILTRE SÉPARABLE, ON PEUT EFFECTUER DEUX CONVOLUTIONS À UNE DIMENSION Convolution circulaire : On convolue horizontalement (verticalement) l’image avec une dérivée gaussienne (première ou seconde) en traitant les valeurs circulaires et on convolue ensuite le résultat par une gaussienne verticalement (horizontalement). Traitement des bords : On a choisit de faire une extension des valeurs des bords. Utilisation des filtres suivants : la dérivée première le gradient la dérivée seconde 07/11/2018 TFE - Détection de défauts dans des hologrammes de phase

TFE - Détection de défauts dans des hologrammes de phase RÉSULTATS (1/3) Hologramme de phase Gradient 07/11/2018 TFE - Détection de défauts dans des hologrammes de phase

TFE - Détection de défauts dans des hologrammes de phase RÉSULTATS (2/3) Dérivée première en X Dérivée première en Y 07/11/2018 TFE - Détection de défauts dans des hologrammes de phase

TFE - Détection de défauts dans des hologrammes de phase RÉSULTATS (3/3) Dérivée seconde en X Dérivée seconde en Y 07/11/2018 TFE - Détection de défauts dans des hologrammes de phase

TFE - Détection de défauts dans des hologrammes de phase PROBLÈME Des courbes apparaissent alors que les pentes ne sont pas censées avoir de discontinuités. Comme on peut le voir sur l’image suivante, le problème n’apparaît pas lors du traitement des valeurs circulaires. Ce sont les changements de teinte qui posent problème. 2 solutions possibles : Égalisation d’histogramme. Chercher le problème lors de la création de l’hologramme de phase. 07/11/2018 TFE - Détection de défauts dans des hologrammes de phase

HISTOGRAMME – RÉSULTATS (1/3) Hologramme de phase Gradient 07/11/2018 TFE - Détection de défauts dans des hologrammes de phase

HISTOGRAMME – RÉSULTATS (2/3) Dérivée première en X Dérivée première en Y 07/11/2018 TFE - Détection de défauts dans des hologrammes de phase

HISTOGRAMME – RÉSULTATS (3/3) Dérivée seconde en X Dérivée seconde en Y 07/11/2018 TFE - Détection de défauts dans des hologrammes de phase

TFE - Détection de défauts dans des hologrammes de phase 5ème INTERFÉROGRAMME Les hologrammes sont formés sur base de la formule suivante : Pour résoudre l’équation, on calcule 4 interférogrammes en faisant varier l’angle de π/2. → On peut calculer un cinquième interférogramme et le comparer au premier. → Le voltage pour faire bouger l’angle de π/2 est de 2,2V. 07/11/2018 TFE - Détection de défauts dans des hologrammes de phase

TFE - Détection de défauts dans des hologrammes de phase RÉSULTATS (1/3) Hologramme de phase Gradient 07/11/2018 TFE - Détection de défauts dans des hologrammes de phase

TFE - Détection de défauts dans des hologrammes de phase RÉSULTATS (2/3) Dérivée première en X Dérivée première en Y 07/11/2018 TFE - Détection de défauts dans des hologrammes de phase

TFE - Détection de défauts dans des hologrammes de phase RÉSULTATS (3/3) Dérivée seconde en X Dérivée seconde en Y 07/11/2018 TFE - Détection de défauts dans des hologrammes de phase

LES CHAMPS DE MARKOV ALÉATOIRES Principe : L’idée des champs des Markov aléatoires est de considérer l’hologramme de phase comme une texture. Il faut ensuite trouver le modèle mathématique correspondant à cette texture. Une fois ce modèle trouvé, il suffit de regarder la probabilité de chaque point en fonction de ses voisins. Si le point a une probabilité faible, alors c’est soit un bruit, soit un défaut. Résultat : Cette technique semble ne pas fonctionner pour modéliser des hologrammes de phase. Par manque de temps, il n’a pas été possible d’approfondir le sujet. 07/11/2018 TFE - Détection de défauts dans des hologrammes de phase

TFE - Détection de défauts dans des hologrammes de phase CONCLUSIONS Reconstruction des hologrammes de phase : Ne fonctionne pas souvent et les résultats sont assez aléatoires. Dérivées gaussiennes avec traitement des valeurs circulaires : Pour des résultats optimaux : Utiliser la caméra avec un voltage de 2,2V. Faire une égalisation d’histogramme dans l’hologramme obtenu. Les défauts ressortent alors clairement. Champs de Markov aléatoires : Principe intéressant mais ne fonctionne visiblement pas avec les hologrammes de phase. 07/11/2018 TFE - Détection de défauts dans des hologrammes de phase