Předmět: Analýza a porozumění obrazu scény

» Seznam fakult » FAV » KIV
Název předmětu Analýza a porozumění obrazu scény
Kód předmětu KIV/AOS
Organizační forma výuky Přednáška + Cvičení
Úroveň předmětu Magisterský
Rok studia nespecifikován
Semestr Zimní
Počet ECTS kreditů 6
Vyučovací jazyk Čeština
Statut předmětu nespecifikováno
Způsob výuky Kontaktní
Studijní praxe Nejedná se o pracovní stáž
Doporučené volitelné součásti programu Není
Vyučující
  • Kožmín Aleš, doc. Ing. Ph.D.
  • Jeřábek Jaroslav, Ing. Ph.D.
  • Pavelka Matěj, Ing. Ph.D.
Obsah předmětu
1. Metody automatického prahování a segmentace, metoda optimálního prahu, modifikace pro více prahů. 2. Principy počítačové tomografie (CT). 3. Fourierova transformace, diskrétní signály a diskrétní Fourierova transformace-DFT, vlastnosti DFT, použití DFT pro zpracování snímků ve frekvenční oblasti, amplitudové, fázové a výkonové spektrum. 4. Popisy ploch, uzavřené křivky, souřadnicové křivky, vyjádření Fourierovou řadou, rekonstrukce křivky, invarianty typu Fourier Descriptors, klasifikace objektů pomocí Fourierovského popisu. 5. Detekce hran, aktivní kontury, Houghova transformace. 6. Segmentace shlukováním, superpixely. 7. Počítačová tomografie, metoda snímání a generování projekcí, Radonova transformace, úloha rekonstrukce 2D řezu. 8. Počítačová tomografie, Fourier Slice Theorem, sumační metody, ART, MART, filtrace při zpětné projekci. Vývoj přístrojové techniky CT a medicínské aplikace. 9. Metody pro detekci klíčových bodů a tvorbu příznaků (SIFT, SURF, neuronové sítě). 10. Optické rozpoznávání znaků (OCR) a rozpoznávání ručně psaných textů (HTR). 11. Konvoluční sítě, plně konvoluční sítě, neuronové sítě pro detekci objektů. 12. Hluboké učení pro segmentaci snímků a detekci objektů. 13. Unsupervised přístupy, velké vizuálně jazykové modely.

Studijní aktivity a metody výuky
Přednáška s aktivizací, Individuální konzultace, Seminární výuka
  • Kontaktní výuka - 65 hodin za semestr
  • Vypracování seminární práce v magisterském studijním programu [5-100] - 50 hodin za semestr
  • Příprava na zkoušku [10-60] - 45 hodin za semestr
Předpoklady
Odborné znalosti
používat metody číslicového zpracování signálů a obrazů v rozsahu předmětů KIV/AZS a KIV/ZVI
využívat získané vědomosti z teorie informace, např v rozsahu předmětu KIV/TI
ovládat programovací techniky, viz KIV/PT, a programovací jazyk Java nebo C/C++, C#
řešit úlohy z numerické matematiky a počtu pravděpodobnosti a statistiky, viz předměty KMA/NM, KMA/PSA
Odborné dovednosti
porozumět principům strojového vidění, popisu, topologii a geometrii obrazové scény
orientovat se v principech a metodách filtrace snímků v prostorové a frekvenční oblasti
využívat vlastností histogramu pro segmentaci prahováním a jasové transformace
aplikovat morfologické transformace a provádět skeletizaci a ztenčování objektů ve snímku
Obecné způsobilosti
mgr. studium: srozumitelně a přesvědčivě sdělují odborníkům i laikům informace o povaze odborných problémů a vlastním názoru na jejich řešení,
mgr. studium: používají své odborné znalosti, odborné dovednosti a obecné způsobilosti alespoň v jednom cizím jazyce,
mgr. studium: samostatně získávají další odborné znalosti, dovednosti a způsobilosti na základě především praktické zkušenosti a jejího vyhodnocení, ale také samostatným studiem teoretických poznatků oboru.,
Výsledky učení
Odborné znalosti
orientovat se v rozšiřujících metodách v oblasti segmentace a filtrace snímků
používat metody Fourier Descriptors pro popis ploch, jejich rekonstrukci a rozpoznávání a klasifikaci
porozumět principům počítačové tomografie
aplikovat metody úběžníkového a rovnoběžného promítání
seznámit se s principem termovizní techniky
Odborné dovednosti
algoritmizovat úlohy automatického prahování
provádět výpočet DFT a Fourier Descriptors, rekonstruovat hranice objektů a testovat metody klasifikace
vytvářet algoritmy pro rekonstrukci řezů metodami CT
řešit úlohu odhadu parametrů 3D objektu metodami úběžníkového a rovnoběžného promítání a referenčního tělesa
testovat metody odhadu počtu objektů ve snímku, praktická úloha dozimetrie
Obecné způsobilosti
mgr. studium: plánují, podporují a řídí s využitím teoretických poznatků oboru získávání dalších odborných znalostí, dovedností a způsobilostí ostatních členů týmu,
mgr. studium: používají své odborné znalosti, odborné dovednosti a obecné způsobilosti alespoň v jednom cizím jazyce,
bc. studium: samostatně získávají další odborné znalosti, dovednosti a způsobilosti na základě především praktické zkušenosti a jejího vyhodnocení, ale také samostatným studiem teoretických poznatků oboru,
Vyučovací metody
Odborné znalosti
Přednáška s aktivizací studentů,
Individuální konzultace,
Seminární výuka (badatelské metody),
Samostudium,
Odborné dovednosti
Přednáška s aktivizací studentů,
Seminární výuka (badatelské metody),
Samostatná práce studentů,
Individuální konzultace,
Obecné způsobilosti
Přednáška s aktivizací studentů,
Individuální konzultace,
Samostatná práce studentů,
Seminární výuka (badatelské metody),
Hodnotící metody
Odborné znalosti
Seminární práce,
Individuální prezentace,
Kombinovaná zkouška,
Odborné dovednosti
Kombinovaná zkouška,
Seminární práce,
Individuální prezentace,
Obecné způsobilosti
Kombinovaná zkouška,
Individuální prezentace,
Seminární práce,
Doporučená literatura
  • Dobeš, Michal. Zpracování obrazu a algoritmy v C#. 1. vyd. Praha: BEN - technická literatura, 2008. ISBN 978-80-7300-233-6.
  • Hlaváč, Václav; Sedláček, Miloš. Zpracování signálů a obrazů. 1. vyd, dotisk. Praha: Vydavatelství ČVUT, 2001. ISBN 80-01-02114-9.
  • Jain, K.A. Fundamentals of Digital Image Processing. Prentice-Hall: Inc, 1989.
  • Low, A. Introductory Computer Vision and Image Processing. London: McGraw-Hill Book Company, 1991.
  • Opeenheim, V.A.; Schafer, R.W. Digital Signal Processing. Prentice-Hall: Inc, 1975.
  • Rosenfeld, A.; Kak, A.C. Digital Picture Processing. New York: Academic Press, 1982.
  • Serra, J. Image Analysis and Mathematical Morphology. New York: Academic Press, 1982.
  • Sonka, Milan; Boyle, Roger; Hlavac, Vaclav. Image processing, analysis, and machine vision. 2nd ed. Pacific Grove: PWS Publishing, 1999. ISBN 0-534-95393-X.
  • Umbaugh, Scott E. Computer imaging : digital image analysis and processing. Boca Raton: Taylor & Francis, 2005. ISBN 0-8493-2919-1.
  • Umbaugh, Scott E. Digital Image Processing and Analysis: Applications with MATLAB and CVIPtools. Boca Raton: Taylor & Francis, 2018. ISBN 978-1-4987-6602-9.


Studijní plány, ve kterých se předmět nachází
Fakulta Studijní plán (Verze) Kategorie studijního oboru/specializace Doporučený ročník Doporučený semestr