Generuj PDF tej strony
Transkrypt
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