Wizja Komputerowa

Załącznik
Data:
16.04.2008r.
Wydanie: I
Symbol:
Z-5.4-1-1
Strona:
Status:
obowiązujący
1/1
KARTA PRZEDMIOTU
KARTA PRZEDMIOTU
Wydział Automatyki, Elektroniki i Informatyki, Rok akademicki: …………
Nazwa przedmiotu:
WIZJA KOMPUTEROWA Kod/nr
Kierunek:
Specjalność:
Tryb studiów
DZIENNE
Rodzaj przedmiotu:
Instytut/ Katedra:
Semestr:
Prowadzący przedmiot:
Prowadzący zajęcia:
kierunkowy
Liczba pkt ECTS 6
Informatyki
8/9
prof. dr hab. inŜ. Katarzyna Stąpor
Liczba godzin
Wykład:
prof. dr hab. inŜ. Katarzyna Stąpor
30
Projekt:
prof. dr hab. inŜ. Katarzyna Stąpor
45
dr inŜ. Marcin Skowronek
dr inŜ. Ewa Starzewska
10
dr inŜ. Adam Świtoński
85
dr inŜ. Dariusz Augustyn
10
Laboratorium:
dr inŜ. Marcin Skowronek
30
dr inŜ. Ewa Starzewska
45
dr inŜ. Adam Świtoński
90
Powiązanie ze standardami i cel kształcenia
Treści:
Moduły systemu automatycznego widzenia: dyskretyzacja obrazu, polepszanie jakości –
wyrównywanie histogramu, filtracje, segmentacja, ekstrakcja cech, uczenie nadzorowane klasyfikacja. Morfologia matematyczna. Dziedzina przestrzenna i częstotliwościowa
obrazu, transfomaty. Praktyczna konstrukcja klasyfikatorów. Grupowanie danych:
algorytmy podziałowe i hierarchiczne. Widzenie w 3D: stereowizja, kalibracja kamery,
wybrane algorytmy odtwarzania kształtu
Efekty:
Nauczenie zasad konstrukcji systemów automatycznego widzenia, a w tym metod
przetwarzania obrazów cyfrowych 2D, podstaw widzenia w 3D oraz projektowania
klasyfikatorów
Załącznik
Data:
16.04.2008r.
Wydanie: I
Status:
obowiązujący
Symbol:
Z-5.4-1-1
Strona:
2/1
KARTA PRZEDMIOTU
Przedmioty wprowadzające oraz wymagania wstępne
Analiza matematyczna i algebra liniowa, metody statystyczne, fizyka, grafika
komputerowa, język programowania
Treść wykładów:
Elementy składowe systemu automatycznego rozpoznawania: 1) moduł akwizycji
(kamera, skaner, dyskretyzacaja obrazu), dziedzina przestrzenna i częstotliwościowa
(transformata Fouriera).
2) moduł przetwarzania wstępnego obrazu (polepszanie
kontrastu, odszumianie, filtracje liniowe i nieliniowe, wyrównywanie histogramu,
przekształcenia morfologiczne), 3) moduł segmentacji obrazu (detekcja krawędzi,
progowanie), 4) moduł ekstrakcji cech (detekcja punktów krytycznych, szkieletyzacja,
wektoryzacja, przykłady deskryptorów kształtu, tworzenie wektora cech), 5) moduł
selekcji i ekstrakcji cech, 6) moduł klasyfikacji: metody oparte na rozkładach
prawdopodobieństwa (optymalny klasyfikator Bayesa, klasyfikator empiryczny oparty na
parametrycznej i nieparametrycznej estymacji rozkładu, metoda najbliŜszych sąsiadów),
metody bezpośrednie: liniowe (dyskryminacja Fishera, metoda konstrukcji optymalnej
hiperpłaszczyzny rozdzielającej przez maksymalizację marginesu) i nieliniowe (maszyna
wektorów podpierających), drzewa klasyfikacyjne. Zadanie grupowania danych: pojęcie
podziału i dendrogramu, algorytmy hierarchiczne i podziałowe (algorytm k-średnich
twardy i rozmyty, algorytm gęstościowy). Widzenie w 3D: model kamery, parametry
wewnętrzne i zewnętrzne, kalibracja kamery, stereowidzenie, znajdowanie
odpowiedniości punktów w parze obrazów dla wyznaczenia 3-go wymiaru, wybrane
algorytmy odtwarzania kształtu 3D.
Treść/Tematy:
Lab.
1. Moduł przetwarzania wstępnego obrazu: algorytmy dla przekształceń punktowych,
filtracji liniowej i nieliniowej, operacji na histogramie obrazu, przekształceń
morfologicznych
2. Moduł segmentacji obrazu: algorytmy dla detekcji konturu, progowania globalnego i
adaptacyjnego, segmentacji regionalnej
3. Moduł ekstrakcji i obliczania cech obrazu: algorytmy znajdowania punktów
krytycznych, szkieletu, obliczanie deskryptorów kształtu, tekstury, cech
niezmienniczych
4. Moduł rozpoznawania: uczenie, walidacja i testowanie klasyfikatorów: empirycznego
Bayesa parametrycznego i nieparametrycznych, maszyny wektorów podpierających
5. Grupowanie danych: algorytmy podziałowe twarde i rozmyte oraz hierarchiczne,
konstrukcja dendrogramu
6. Widzenie w 3D: algorytmy znajdowania odpowiedniości punktów w stereoparze
Proj.
Tworzenie wielomodularnych systemów automatycznego widzenia dla róŜnych zagadnień
praktycznych
Data:
16.04.2008r.
Wydanie: I
Załącznik
Status:
obowiązujący
Symbol:
Z-5.4-1-1
Strona:
3/1
KARTA PRZEDMIOTU
Metody dydaktyczne
Prezentacja multimedialna
Forma egzaminu/zaliczenia przedmiotu
1. Wykład — Egzamin pisemny (testowy), kolokwium pisemne.
2. Lab./proj. – zaliczenie ćwiczeń i projektu
Minimalne wymagania do egzaminu /zaliczenia
Moduły systemu automatycznego widzenia, dyskretyzacja obrazu, polepszanie jakości,
detekcja krawędzi, segmentacja obrazu, ekstrakcja cech, klasyfikacja, widzenie w 3D:
stereowizja, kalibracja kamery, wybrane algorytmy odtwarzania kształtu
Literatura (podstawowa i specjalistyczna)
1.
2.
3.
4.
K.Stąpor: Automatyczna klasyfikacja obiektów, Wyd. Exit, Warszawa, 2005
R. Tadeusiewicz, M. Flasiński: Rozpoznawanie obrazów, PWN, Warszawa, 1991
R.C. Gonzalez, R.E. Woods: Digital image processing, Prentice-Hall, N.Y., 2002
E. Trucco, A. Verri: Introductory techniques for 3D computer vision, Prentice Hall,
N.J., 1998
Zatwierdzono:
…………………………….
…………………………………………………
(data i podpis prowadzącego)
(data i podpis Dyrektora Instytutu/Kierownika Katedry)