Traitement du signal et de l'image (CORO SIP)

Responsables du Master : Guy Lebret (M1), Said Moussaoui (M2) et Olivier-Henri Roux

Le programme SIP (Signal and Image Processing) fournit les compétences nécessaires en modélisation du signal, en traitement d'images et en apprentissage automatique, pertinentes pour la théorie et la pratique de l'analyse de données et de la recherche d'information pour le développement de méthodes numériques modernes. Les cours de SIP abordent la théorie et la pratique des techniques avancées d'analyse de données, de la statistique computationnelle, mathématiques appliquées, calcul scientifique et imagerie numérique, à leur application pratique dans plusieurs domaines tels que le génie biomédical, l'imagerie, le traitement audio et les technologies de l'information. . La principale caractéristique du programme est la conception de solutions mathématiques pour le traitement des signaux et des images, la prise en compte des spécificités physiques de ces données et l'adaptation numérique de ces solutions au contexte applicatif, à la quantité de données et aux ressources de calcul disponibles. Le programme d'études dure deux années académiques - notées M1 et M2. Le traitement du signal et de l'image est l'une des quatre spécialités disponibles dans le flux Control and Robotics. Certains des cours M1 sont enseignés dans les quatre spécialités tandis que les cours M2 sont spécifiques à une spécialité. Voir le contenu du cours pour plus de détails. La langue d'enseignement est l'anglais pendant les deux années.

• Établir un modèle statistique pertinent pour la représentation et l'analyse des données
• Proposer une solution méthodologique et sa mise en œuvre numérique adaptée au contexte applicatif
• Acquérir une solide expérience sur les applications réelles du traitement du signal et de l'image dans la recherche et l'innovation

Les élèves développeront également des compétences plus générales :

• Identifier des modèles, effectuer des simulations et analyser des résultats
• Entreprendre une étude bibliographique d'ouvrages existants sur un problème scientifique Communiquer des résultats complets de manière significative
• Gérer et superviser des projets de recherche et d'innovation

30 ECTS crédits par semestre

Autumn Semester Courses	ECTS	Spring Semester Courses	ECTS
Signal Processing	5	Group Project	6
Classical Linear Control	5	Optimization Techniques	4
Artificial Intelligence	4	Mobile Robots	4
Embedded Electronics	4	Programming Real Time Systems	4
Systems Identification and Signal Filtering	4	Computer Vision	4
Embedded Computing	4	Spectral and Time Frequency Analysis	4
Modern Languages *	4	Modern Languages *	4

* 'Français langue étrangère' à l'exception des francophones qui suivent le cours 'Cultural and Communicational English'

NB : les cours peuvent être soumis à des changements mineurs

 
30 ECTS crédits par semestre

Autumn Semester Courses	ECTS
Statistical signal processing and estimation theory	4
Digital signal and image representations	4
Machine learning, data analysis and information retrieval	4
Signal and image restoration, inversion methods	4
Mathematical tools for signal and image processing	4
Biomedical signals, images and methods	4
Modern Languages *	4
Project	2
Conferences	-

* 'Français langue étrangère' à l'exception des francophones qui suivent le cours 'Cultural and Communicational English'

Spring Semester	ECTS
Master Thesis/Internship	30

Exemples de stages en médecine :

•  Analyse des signaux électromyographiques pour la caractérisation des maladies neuromusculaires
• Reconstruction d'images de tomographie par émission de positrons dans le contexte de statistiques faibles
• Amélioration de la résolution en imagerie par résonance magnétique pour le diagnostic cardiovasculaire

Exemples de stages précédents dans l'industrie :

• Optimisation d'un système de surveillance de la pression des pneus dans un véhicule automobile
• Algorithme d'imagerie rapide pour la microscopie à illumination structurée

 

Exemples de stages dans des laboratoires de recherche :

• Optimisation numérique pour la récupération du signal échographique clairsemé
• Analyse et classification des sons environnementaux à l'aide de méthodes d'apprentissage en profondeur
   

NB : les cours peuvent être soumis à des changements mineurs

• Secteurs : santé, communication, technologie, transport
• Domaines : génie biomédical, imagerie industrielle, ingénierie audio, informatique, mathématiques appliquées, recherche et innovation
• Postes : analyste de données, chercheur, ingénieur en procédés, ingénieur concepteur, ingénieur en recherche et innovation (post-doctorat)