UINA327 Image Analysis and Recognition

Filozoficko-přírodovědecká fakulta v Opavě
zima 2024
Rozsah
2/2/0. 6 kr. Ukončení: zk.
Vyučující
Ing. Jiří Blahuta, Ph.D. (přednášející)
RNDr. Jiří Martinů, Ph.D. (cvičící)
Garance
Ing. Jiří Blahuta, Ph.D.
Ústav informatiky – Filozoficko-přírodovědecká fakulta v Opavě
Rozvrh
Po 11:25–13:00 LEI
  • Rozvrh seminárních/paralelních skupin:
UINA327/A: každý sudý pátek 13:05–16:20 LEI, J. Martinů
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
The course called Image Analysis and Recognition is focused on digital image processing, objects classification of the digital image and understanding of the digital images. The first part of the course is devoted to ways of digital image acquisition and its digital representation. Principal chapters are focused on all phases of image processing - from pre-processing, filtration to segmentation followed by understanding by means of classifiers with feature-based analysis of the segmented image data.
Výstupy z učení
After completing the course, the student will know how to preprocess an image, what a histogram is, why a filter is used, when to use segmentation, analyze an image over time, use a discrete Kalman filter. How to analyze and track movement with a camera or multiple cameras, use optical flow. Know what is roi area.
Osnova
  • 1. Matematický popis obrazu spojitý a diskrétní, fyziologické a psychické aspekty vidění
    2. Matematický model černobílého a barevného vidění, typy obrazů a zařízení pro jejich snímání.
    3. Lineární operátory, sčítání, konvoluce obrazu, cyklická konvoluce, hraniční podmínky h
    4. Fourierova transformace, Haarova, Hadamardova transformace, konvoluční teorém
    5. Vzorkování, aliasing, antialisingový filtr, rekonstrukce obrazu, příklady rekonstrukčních filtrů
    6. Číslicová filtrace šumu, ostření obrazu a vyjasnění hran, fuzzy filtrace, histogram a jeho vyrovnání.
    7. Segmentace obrazu prahováním, adaptivní prahování, sledování hranice, segmentace narůstáním a štěpením oblastí, přímým srovnáním se vzorem, segmentace fuzzy pravidlovým systmem.
    8. Matematická a fuzzy matematická morfologie, homotopický strom, skeletonizace, dilatace, uzavření a otevření.
    9. Houghova transformace, aproximace čar, kruhových úseků.
    10. Detekce příznaků, globální a lokální příznaky, příznaky vycházející z intensity pixelu, popisu hranic, eulerovo číslo, příznaky charakterizující textury, polygonální reprezentace.
    11. Popisu a indexace regionů, skalární popisy, momenty, evaluace příznaků, nezávislost vůči transformacím obrazu.
    12. Rozpoznávání vzorů, příznakové statistické metody, nastavení klasifikátoru, shluková analýza, rozpoznání pomocí
    13. etalonu, neuronové a fuzzy neuronové klasifikátory
Literatura
    povinná literatura
  • SOJKA, E. Zpracování digitálního obrazu. 2000. ISBN 80-7078-746-5. info
    doporučená literatura
  • SZELISKI, Richard. Computer Vision: Algorithms and Applications. Berlin, 2010. info
  • DOUGHERTY, G. Digital Image Processing for Medical Applications. Oxford, 2009. ISBN 978-0521860857. info
  • ŽÁRA, Jiří, SOCHOR, Jiří, FELKEL, Petr, BENEŠ, Bedřich. Moderní počítačová grafika. Brno, 2005. ISBN 978-80-2510-454-5. info
  • SCHLESINGER, M.I., HLAVÁČ, V. Deset přednášek z teorie statistického a strukturního rozpoznávání. Praha, 1999. info
  • ŠONKA, M., HLAVÁČ, V., BOYLE, R. Image Processing, Analysis and Machine Vision. Boston, 1998. info
  • HARALICK, R. M. , SHAPIRO, L. G. Computer and Robot Vision. New York, 1992. info
  • PRATT, W. K. Digital Image Processing, Second Edition. New York, 1991. info
Výukové metody
Přednáška s aktivizací
Přednáška s analýzou videozáznamu
Metody hodnocení
Zkouška
Vyučovací jazyk
Angličtina
Informace učitele
* 75% návštěvnost přednášek a cvičení
* test ve cvičení max 30 bodů
* implementace vybraných metod na konkretním robotu max 30 bodů, 10 bodů dokumentace
* 40 bodů zkouška
podmínka splnění 50% z každé části
Další komentáře
Studijní materiály
Předmět je dovoleno ukončit i mimo zkouškové období.
Předmět je zařazen také v obdobích zima 2017, zima 2018, zima 2019, zima 2020, zima 2021, zima 2022, zima 2023.
  • Statistika zápisu (nejnovější)
  • Permalink: https://is.slu.cz/predmet/fpf/zima2024/UINA327