Generuj PDF tej strony

Nazwa modułu:
Analiza i przetwarzanie obrazów
Rok akademicki:
Wydział:
Kierunek:
2014/2015
Kod: MIS-1-704-s
Punkty ECTS:
5
Inżynierii Metali i Informatyki Przemysłowej
Informatyka Stosowana
Poziom studiów:
Specjalność:
Studia I stopnia
Język wykładowy: Polski
Profil kształcenia:
-
Forma i tryb studiów:
Ogólnoakademicki (A)
Semestr: 7
Strona www: http://home.agh.edu.pl/~asiwek
Osoba odpowiedzialna:
dr inż. Siwek Aleksander ([email protected])
Osoby prowadzące: dr inż. Siwek Aleksander ([email protected])
Opis efektów kształcenia dla modułu zajęć
Kod EKM
Student, który zaliczył moduł zajęć wie/umie/potrafi
Powiązania z
EKK
Sposób weryfikacji
efektów kształcenia
(forma zaliczeń)
M_W001
Student zna i potrafi wyjaśnić podstawowe pojęcia,
definicje i twierdzenia stosowane w przetwarzaniu
obrazów
IS1A_W09
Kolokwium
M_W002
Student zna i potrafi wytłumaczyć działanie
podstawowych algorytmów wykorzystywanych w
analizie obrazów
IS1A_W03
Kolokwium, Wykonanie
ćwiczeń
M_W003
Student potrafi zaimplementować podstawowe
algorytmy stosowane w rozpoznawaniu obrazów
IS1A_W04,
IS1A_W09
Kolokwium, Wykonanie
projektu
M_U001
Student zna i potrafi wybrać odpowiedni algorytm
do konkretnego typu obrazu
IS1A_U01,
IS1A_U12
Wykonanie projektu
M_U002
Student potrafi napisać aplikację wykonującą proste
przekształcenia na macierzach obrazu
IS1A_U16
Sprawozdanie,
Wykonanie ćwiczeń
M_U003
Student potrafi weryfikować poprawność działania
napisanych programów
IS2A_U09
Wykonanie projektu
Wiedza
Umiejętności
Kompetencje społeczne
1/4
Karta modułu - Analiza i przetwarzanie obrazów
M_K001
Student potrafi zinterpretować efekty działania
napisanych programów, wybrać najistotniejsze
informacje i wykorzystać do dalszego opracowania
IS1A_K04
Wykonanie projektu,
Sprawozdanie, Udział w
dyskusji
Matryca efektów kształcenia w odniesieniu do form zajęć
Konwersatori
um
Zajęcia
seminaryjne
Zajęcia
praktyczne
Zajęcia
terenowe
Zajęcia
warsztatowe
Student zna i potrafi wyjaśnić
podstawowe pojęcia, definicje
i twierdzenia stosowane w
przetwarzaniu obrazów
+
-
+
-
-
-
-
-
-
-
-
M_W002
Student zna i potrafi
wytłumaczyć działanie
podstawowych algorytmów
wykorzystywanych w analizie
obrazów
+
-
+
-
-
-
-
-
-
-
-
M_W003
Student potrafi
zaimplementować
podstawowe algorytmy
stosowane w rozpoznawaniu
obrazów
+
-
+
-
-
-
-
-
-
-
-
M_U001
Student zna i potrafi wybrać
odpowiedni algorytm do
konkretnego typu obrazu
-
-
+
-
-
-
-
-
-
-
-
M_U002
Student potrafi napisać
aplikację wykonującą proste
przekształcenia na
macierzach obrazu
-
-
+
-
-
-
-
-
-
-
-
M_U003
Student potrafi weryfikować
poprawność działania
napisanych programów
-
-
+
-
-
-
-
-
-
-
-
-
-
+
-
-
-
-
-
-
-
-
E-learning
Ćwiczenia
projektowe
M_W001
Inne
Ćwiczenia
laboratoryjne
Forma zajęć
Ćwiczenia
audytoryjne
Student, który zaliczył moduł
zajęć wie/umie/potrafi
Wykład
Kod EKM
Wiedza
Umiejętności
Kompetencje społeczne
M_K001
Student potrafi
zinterpretować efekty
działania napisanych
programów, wybrać
najistotniejsze informacje i
wykorzystać do dalszego
opracowania
Treść modułu zajęć (program wykładów i pozostałych zajęć)
2/4
Karta modułu - Analiza i przetwarzanie obrazów
Wykład
Podstawy rejestracji obrazów, sygnał i szum w rejestrowanym obrazie. Formaty plików
graficznych.
Punktowe przekształcanie obrazów, operacje arytmetyczne, histogramy,
przekształcenia typu LUT.
Filtrowanie obrazów, filtry dolno- i górnoprzepustowe. Wyostrzanie krawędzi. Filtry
nieliniowe.
Dwuwymiarowa transformata Fouriera obrazów. Filtrowanie w dziedzinie
częstotliwości.
Degradacja i odzyskiwanie obrazów.
Modele kolorów. Przetwarzanie obrazów kolorowych.
Przekształcenia morfologiczne obrazów binarnych: dylatacja, erozja, otwieranie i
domykanie. Przekształcenie typu hit-or-miss. Podstawowe algorytmy morfologiczne:
ekstrakcja granic, wypełnianie obszarów, ekstrakcja składowych spójnych,
szkieletyzacja, przycinanie. Filtry morfologiczne.
Segmentacja obrazów. Detekcja nieciągłości na obrazach. Globalne i lokalne
wykrywanie krawędzi. Segmentacja wododziałowa.
Reprezentacja i opis obrazu. Deskryptory granic: kody łańcuchowe, sygnatury,
deskryptory Fouriera, momenty statystyczne. Deskryptory obszarów: topologiczne,
relacyjne, statystyczne, strukturalne, momenty statystyczne.
Rozpoznawanie wzorców i ich klasyfikacja. Klasyfikatory najmniejszej odległości.
Liniowe i nieliniowe funkcje dyskryminacyjne. Dopasowanie przez korelację.
Klasyfikatory statystyczne. Metody strukturalne rozpoznawania wzorców. Syntaktyczne
rozpoznawanie gramatykami ciągów.
Ćwiczenia laboratoryjne
Identyfikacja i korekcja defektów obrazów cyfrowych.
Przekształcenia obrazów. Identyfikacja histogramów. Filtrowanie obrazów.
Przetwarzanie obrazów w dziedzinie częstotliwości.
Reprezentacja obrazów w różnych modelach kolorów. Przekształcenia modeli kolorów.
Filtrowanie obrazów kolorowych.
Modelowanie szumów. Usuwanie szumów w dziedzinie obrazu i częstotliwości.
Redukcja szumów okresowych. Rekonstrukcja obrazów przez filtrowanie liniowe i
nieliniowe. Przekształcenia geometryczne obrazów.
Operacje logiczne na obrazach binarnych. Ekstrakcja obiektów algorytmami
morfologicznymi.
Segmentacja obrazów filtrami liniowymi. Transformata Hougha. Segmentacja
wododziałowa.
Identyfikacja i opis cech obrazów. Deskryptory granic i obszarów.
Identyfikacja wzorców za pomocą funkcji decyzyjnych. Klasyfikacja wielowymiarowa.
Sposób obliczania oceny końcowej
Ocena końcowa obliczana jest jako udział procentowy oceny z egzaminu (50%) i ćwiczeń (50%)
Wymagania wstępne i dodatkowe
Umiejętność programowania w języku C++ i wykorzystania bibliotek graficznych
Znajomość środowiska Matlab, umiejętność wykonywania obliczeń na macierzach i znajomość
podstawowych funkcji
Znajomość podstawowych operacji matematycznych na macierzach i wektorach
Podstawowa wiedza z zakresu statystyki
3/4
Karta modułu - Analiza i przetwarzanie obrazów
Zalecana literatura i pomoce naukowe
Shih F.Y., Image processing and pattern recognition: fundamentals and techniques, Wyd. IEEE Press,
Hoboken: John Wiley & Sons, 2010
Russ J. C., The image processing Handbook – 3th edition, Wyd. CRC Press & Springer & IEEE Press
Materials Science and Engineering Department North State University, 1999
Tadeusiewicz R., Lasiński M., Rozpoznawanie obrazów, Wyd. Współczesna Nauka i Technika,
Informatyka, PWN, W-wa 2000
Paulus D., Hornegger J., Applied Pattern Recognition, A Practical Introduction to Image and Speech
Processing in C++, 2nd edition, Wyd. Viewweg, 1998
Raleigh, North Carolina 1999
Sing – Tze Bow, Pattern Recognition and Image Processing – 2nd edition, Wyd. Mar-cel Dekker, New York
2002
Marques de Sa J.P., Pattern Recognition – Concepts, Methods and Applications, Wyd. Springer, 2002
Theodoridis S., Koutroumbas K., Pattern Recognition, 2nd edition, Wyd. Elsevier Academic Press, 2003
Wróbel Z., Koprowski R., Praktyka przetwarzania obrazów z zadaniami w programie Matlab, Wyd.
Akademicka Oficyna Wydawnicza EXIT, 2008
Pratap R., MATLAB 7: dla naukowców i inżynierów, Wyd. Wydawnictwo Naukowe PWN, 2010
Thyagarajan K.S., Still image and video compression with MATLAB, Wyd. John Wiley & Sons, Inc., 2011
Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu
1. Image recognition, identification and classification algorithms in cast alloys microstructure analysis,
Anna ROMANOWSKA-PAWLICZEK, Aleksander SIWEK, Mirosław GŁOWACKI, Małgorzata Warmuzek. IMETI
2011 : the 4th International Multi-conference on Engineering and Technological Innovation : July
19th–July 22nd, 2011, Orlando, Florida, USA : proceedings, Vol. 2 eds. Nagib Callaos [et al.] :
International Institute of Informatics and Systemics, cop. 2011. ISBN: 978-1-936338-37-5, s.50–55
2. A novel 3D histogram equalization algorithm for stacks of confocal microscope images, Anna
ROMANOWSKA-PAWLICZEK, Mirosław GŁOWACKI, Piotr PAWLICZEK, Zbigniew Sołtys. IMETI 2011 : the
4th International Multi-conference on Engineering and Technological Innovation : July 19th –July 22nd,
2011, Orlando, Florida, USA : proceedings, Vol. 2 eds. Nagib Callaos [et al.]. — [USA] : International
Institute of Informatics and Systemics, cop. 2011. ISBN 978-1-936338-35-1, s. 1-6
3. Parallel deconvolution of large 3D images obtained by confocal laser scanning microscopy, Piotr
PAWLICZEK, Anna ROMANOWSKA-PAWLICZEK, Zbigniew Sołtys, Microscopy Research and Technique ;
ISSN 1059-910X. — 2010 vol. 73 iss. 3, s. 187–194
Informacje dodatkowe
Brak
Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta
Obciążenie
studenta
Udział w wykładach
28 godz
Samodzielne studiowanie tematyki zajęć
40 godz
Udział w ćwiczeniach laboratoryjnych
28 godz
Przygotowanie do zajęć
20 godz
Egzamin lub kolokwium zaliczeniowe
2 godz
Przygotowanie sprawozdania, pracy pisemnej, prezentacji, itp.
3 godz
Dodatkowe godziny kontaktowe z nauczycielem
10 godz
Sumaryczne obciążenie pracą studenta
131 godz
Punkty ECTS za moduł
5 ECTS
4/4