- Implémenter des algorithmes de classification automatique en utilisant des formalismes mathématiques et des formalismes de traitement de signal.- Appliquer ces techniques à la reconnaissance des formes, particulièrement la reconnaissance des objets 3D, la reconnaissance faciale ainsi que la classification des objets en mouvement. - Optimiser le code dans le but d’accélérer le temps d’exécution sur des bases de données de grande dimension.- Participer au développement des systèmes de reconnaissance d'objets 3D de forme libre.

Cours donné : traitement d’image et initiation au Matlab.• Présentation des notions de base pour traiter des images et des séquences d'images (amélioration, détection de contour, analyse du mouvement, segmentation couleur).• Faire comprendre aux étudiants les principes de la compression d'image ainsi que connaître les standards et codec vidéo (JPEG, MPEG). • Manipulation d’histogramme: seuillage, amélioration d'image, rehaussement de contraste.• Filtrage linéaire (lissage, dérivation): dé-bruitage, détection de contours.• Morphologie mathématique (érosion, dilatation, ouverture, fermeture).

Cours donné : Complexité algorithmique.• présenter les outils mathématiques nécessaires à l'analyse des performances d'un algorithme.• Montrer comment améliorer les performances des algorithmes faciles.• Expliquer comment aborder les problèmes difficiles.

Cours donné : Initiation aux ateliers de conception logicielle.• Donner un aperçu théorique du cycle de vie du logiciel et en particulier de la conception. • Montrer l'importance des normes en génie logiciel et leur faire connaître les principales références dans le domaine concernant la conception.• Familiariser les étudiants avec les activités antérieures à la conception.