Przetwarzanie i rozpoznawanie obrazów 0800-PROZOB
W efekcie intensywnego rozwoju technik komputerowych, urządzenia rejestrujące obraz stały się powszechne zarówno w obszarach profesjonalnych (przemysł, medycyna, monitoring, nadania środowiska naturalnego i wiele innych) jak też w życiu codziennym (w aparat cyfrowy wyposażony jest obecnie praktycznie każdy telefon). Równocześnie nastąpił intensywny rozwój technik przetwarzania (procesory), składowania (pamięci) oraz transmisji (sieci) danych. Dzięki wszystkim tym czynnikom przetwarzanie informacji wizualnej stało się jednym z podstawowych zadań współczesnych systemów informatycznych. Zajęcia są poświęcone podstawowym metodom i technikom stosowanym w tym obszarze wiedzy i jej zastosowaniach praktycznych. I ich ramach studenci będą mieli okazję poznać zagadnienia przetwarzania obrazów oraz identyfikacji treści na nich się znajdujących. Materiał jest podzielony na cztery bloki tematyczne:
A. Wprowadzenie: czym jest obraz cyfrowy, rodzaje obrazów, obszary zastosowań ze szczegółowym omówieniem: biomedycyna, przemysł, monitoring, teledetekcja, biometria, i inne
A. Metody przetwarzanie obrazów: punktowe metody przetwarzania obrazów, kontekstowe metody przetwarzania obrazów, geometryczne przekształcenia obrazów, metody transformat, wyznaczanie opisu obrazu
C. Opis obrazów: wyznaczanie cech obrazów binarnych (cechy kształtu: powierzchnia/obwód, liczba Eulera, szkieletowe, momentowe, i in), w skali szarości i kolorowych (teksturowe), metody punktów charakterystycznych (Harris, SIFT, i inne)
D. Metody rozpoznawania wzorców dla obrazów cyfrowych: uczenie nadzorowane – klasyfikacji (najbliższych sąsiadów, statystyczna, drzewa decyzyjne, sieci neuronowe) i regresji (liniowej) oraz nienadzorowane – grupowanie (k-średnich, hierarchiczne), selekcja cech, sposoby stosowania metod uczenia w identyfikacji treści obrazów (rozpoznawaniu obrazów)
Zajęcia składają się z wykładu oraz laboratorium. Laboratorium jest podzielone na część polegającą na realizacji zadań zgodnie z udostępnioną instrukcją oraz na projekcie w ramach którego studenci mają możliwość wykorzystania uzyskanej wiedzy i umiejętności do samodzielnego (w zespołach dwuosobowych) rozwiązania problemu postawionego przez prowadzącego. Ćwiczenia i projekt będą wykonywane z wykorzystaniem środowiska MATLAB.
Całkowity nakład pracy studenta
Efekty uczenia się - wiedza
Efekty uczenia się - umiejętności
Efekty uczenia się - kompetencje społeczne
Metody dydaktyczne
Metody dydaktyczne eksponujące
Metody dydaktyczne podające
- wykład informacyjny (konwencjonalny)
- opowiadanie
Metody dydaktyczne poszukujące
- doświadczeń
- ćwiczeniowa
Wymagania wstępne
Koordynatorzy przedmiotu
Kryteria oceniania
Metody oceniania:
egzamin - W01, W02, W03
kolokwium- U01, U02, U03, U04
projekt - U01, U02, U03, U04, K01, K02
Kryteria oceniania:
Wykład: egzamin pisemny w formie testu (pytania zamknięte)
ndst - <20 pkt (<50%)
dst- 21-24 pkt (51-60%)
dst plus- 25-28 pkt (61-70%)
db- 29-32 pkt (71-80%)
db plus- 33-36 pkt (81-90%)
bdb- 36-40 pkt (91-100%)
Ćwiczenia i projekt: zaliczenie na ocenę na podstawie sumarycznej liczby punktów z części laboratoryjnej i projektowej
ndst - <50 pkt (<50%)
dst- 51-60 pkt (51-60%)
dst plus- 61-70 pkt (61-70%)
db- 71-80 pkt (71-80%)
db plus- 81-90 pkt (81-90%)
bdb- 91-100 pkt (91-100%)
Praktyki zawodowe
brak
Literatura
1. R. Tadeusiewicz, P. Korohoda, Komputerowa analiza i przetwarzanie obrazów, Wydawnictwo Fundacji Postępu Telekomunikacji, Kraków 1997.
2. Z. Wróbel, R. Koprowski, Praktyka przetwarzania obrazów z zadaniami w programie Matlab, Exit, Warszawa 2008.
3. Z. Wróbel, R. Koprowski, Praktyka przetwarzania obrazów w programie Matlab, Exit, Warszawa 2004.
4. R. C. Gonzales, R. E. Woods. Digital Image Processing, Prentice Hall Inc., 2007.
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: