UIN3027 Rozpoznávání obrazu

Filozoficko-přírodovědecká fakulta v Opavě
zima 2020
Rozsah
2/2/0. 6 kr. Ukončení: zk.
Vyučující
doc. Ing. Petr Čermák, Ph.D. (přednášející)
Ing. Jiří Blahuta, Ph.D. (cvičící)
doc. Ing. Petr Čermák, Ph.D. (cvičící)
RNDr. Jiří Martinů, Ph.D. (cvičící)
Garance
doc. Ing. Petr Čermák, Ph.D.
Ústav informatiky – Filozoficko-přírodovědecká fakulta v Opavě
Rozvrh
Po 10:35–12:10 LEI
  • Rozvrh seminárních/paralelních skupin:
UIN3027/A: St 15:35–17:10 LEI, J. Martinů
Předpoklady
TYP_STUDIA(N)
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
Předmět seznamuje posluchače s metodami analýzy a rozpoznáváním obrazu, klasifikace objektů v obraze a porozumění obrazu. Hlavní kapitoly sledují všechny fáze zpracování a rozpoznání obrazu.
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
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 1993, zima 1994, zima 1995, zima 1996, zima 1997, zima 1998, zima 1999, zima 2000, zima 2001, zima 2002, zima 2003, zima 2004, zima 2005, zima 2006, zima 2007, zima 2008, zima 2009, zima 2010, zima 2011, zima 2012, zima 2013, zima 2014, zima 2015, zima 2016, zima 2017, zima 2018, zima 2019, zima 2021, zima 2022, zima 2023, zima 2024, zima 2025.