Wizja Komputerowa
Transkrypt
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)