Przetwarzanie i rozpoznawanie obrazów
Informacje ogólne
Kod przedmiotu: | 0800-PROZOB |
Kod Erasmus / ISCED: |
(brak danych)
/
(0613) Tworzenie i analiza oprogramowania i aplikacji
|
Nazwa przedmiotu: | Przetwarzanie i rozpoznawanie obrazów |
Jednostka: | Wydział Fizyki, Astronomii i Informatyki Stosowanej |
Grupy: |
Informatyka Stosowana s2. Przedmioty do wyboru specjalistyczne (wszystkie) Przedmiot uzupełniający-IBI |
Punkty ECTS i inne: |
5.00
|
Język prowadzenia: | polski |
Wymagania wstępne: | Podstawowa znajomość elementarnych zagadnień matematyki z obszarów rachunku macierzowego, rachunku prawdopodobieństwa, teoria mnogości, przekształceń całkowych (przekształcenie Fouriera), fizyki (fale elektromagnetyczne). |
Całkowity nakład pracy studenta: | Godziny realizowane z udziałem nauczycieli (70 godz.) : - udział w wykładach – 30 godz. - udział w laboratoriach – 30 godz. - konsultacje z nauczycielem akademickim- 10 godz. Czas poświęcony na pracę indywidualną studenta (65 godz.) : - przygotowanie do laboratoriów – 5 godz. - pisanie prac, projektów- 5 godz. - czytanie literatury- 15 godz. - przygotowanie do egzaminu- 20 godz. - przygotowanie do kolokwium - 20 godz. Łącznie: 135 godz. (5 ECTS) |
Efekty uczenia się - wiedza: | W01: ma wiedzę w obszarze matematyki, fizyki oraz metod numerycznych z zakresu metod przetwarzania i analizy obrazów - FT (Fizyka Techniczna): K_W01; IS (Informatyka Stosowana): K_W01,K_W03 W02: ma wiedzę z zakresu metod, technik, narzędzi wykorzystywanych do przetwarzania i rozpoznawania obrazów - FT: K_W04, K_W05; IS: K_W02, K_W04 W03: ma pogłębioną i uporządkowaną wiedzę w zakresie zasad modelowania, konstruowania i analiz koniecznych w pracy inżynierskiej w zakresie przetwarzania i rozpoznawania obrazów - FT: K_W03, K_W06; IS: K_W05 |
Efekty uczenia się - umiejętności: | U01: potrafi innowacyjnie wykorzystywać i dokonywać syntezy metod przetwarzania i analizy obrazów– FT: K_U01; IS: K_U01, K_U04 U02: umie wykorzystywać, tworzyć i testować algorytmy wizyjne w wybranych środowiskach programistycznych – FT: K_U02; IS: K_U06, K_U09, K_U11 U03: umie krytycznie ocenić wyniki działania algorytmów wizyjnych oraz je zaprezentować – FT: K_U04, K_U07; IS: K_U08 U04: potrafi współdziałać z innymi osobami w ramach prac zespołowych i podejmować wiodącą rolę w zespołach, kierować pracą zespołu w obszarze przetwarzania i rozpoznawania obrazów - FT: K_U10, IS: K_U07 |
Efekty uczenia się - kompetencje społeczne: | K1:odpowiedzialnie realizuje zadania w ramach zespołu projektowego – FT:IS:K_K02 K2: potrafi kreatywnie pracować w ramach zespołów projektowych, rzetelnie wykonując ustalone w ramach zespołu zadania: FT: K_K02, IS:K_K04 |
Metody dydaktyczne: | wykład, zajęcia laboratoryjne na podstawie dostarczonej instrukcji oraz realizacja zadania projektowego w zespołach |
Metody dydaktyczne eksponujące: | - pokaz |
Metody dydaktyczne podające: | - opis |
Metody dydaktyczne poszukujące: | - ćwiczeniowa |
Skrócony opis: |
Celem przedmiotu jest zapoznanie studentów z podstawowymi przetwarzania i rozpoznawania obrazów cyfrowych. Materiał zostanie podzielony na następujące bloki tematyczne: A. Wprowadzenie B. Metody przetwarzanie obrazów: metody punktowe, kontekstowe, geometryczne i transformat C. Opis obrazów: wyznaczanie cech obrazów binarnych, w skali szarości i kolorowych, metody punktów charakterystycznych D. Metody rozpoznawania wzorców dla obrazów cyfrowych: uczenie nadzorowane – klasyfikacji i regresji oraz nienadzorowane – grupowanie, selekcja cech |
Pełny opis: |
W efekcie intensywnego rozwoju technik komputerowych, urządzenia rejestrujące obraz stały się powszechne zarówno w obszarach profesjonalnych (przemysł, medycyna, monitoring, nadania środowiska naturalnego i wiele innych) jak też w życiu codziennym (w aparat cyfrowy wyposażony jest obecnie praktycznie każdy telefon). Równocześnie nastąpił intensywny rozwój technik przetwarzania (procesory), składowania (pamięci) oraz transmisji (sieci) danych. Dzięki wszystkim tym czynnikom przetwarzanie informacji wizualnej stało się jednym z podstawowych zadań współczesnych systemów informatycznych. Zajęcia są poświęcone podstawowym metodom i technikom stosowanym w tym obszarze wiedzy i jej zastosowaniach praktycznych. I ich ramach studenci będą mieli okazję poznać zagadnienia przetwarzania obrazów oraz identyfikacji treści na nich się znajdujących. Materiał jest podzielony na cztery bloki tematyczne: A. Wprowadzenie: czym jest obraz cyfrowy, rodzaje obrazów, obszary zastosowań ze szczegółowym omówieniem: biomedycyna, przemysł, monitoring, teledetekcja, biometria, i inne A. Metody przetwarzanie obrazów: punktowe metody przetwarzania obrazów, kontekstowe metody przetwarzania obrazów, geometryczne przekształcenia obrazów, metody transformat, wyznaczanie opisu obrazu C. Opis obrazów: wyznaczanie cech obrazów binarnych (cechy kształtu: powierzchnia/obwód, liczba Eulera, szkieletowe, momentowe, i in), w skali szarości i kolorowych (teksturowe), metody punktów charakterystycznych (Harris, SIFT, i inne) D. Metody rozpoznawania wzorców dla obrazów cyfrowych: uczenie nadzorowane – klasyfikacji (najbliższych sąsiadów, statystyczna, drzewa decyzyjne, sieci neuronowe) i regresji (liniowej) oraz nienadzorowane – grupowanie (k-średnich, hierarchiczne), selekcja cech, sposoby stosowania metod uczenia w identyfikacji treści obrazów (rozpoznawaniu obrazów) Zajęcia składają się z wykładu oraz laboratorium. Laboratorium jest podzielone na część polegającą na realizacji zadań zgodnie z udostępnioną instrukcją oraz na projekcie w ramach którego studenci mają możliwość wykorzystania uzyskanej wiedzy i umiejętności do samodzielnego (w zespołach dwuosobowych) rozwiązania problemu postawionego przez prowadzącego. Ćwiczenia i projekt będą wykonywane z wykorzystaniem środowiska MATLAB. |
Literatura: |
1. R. Tadeusiewicz, P. Korohoda, Komputerowa analiza i przetwarzanie obrazów, Wydawnictwo Fundacji Postępu Telekomunikacji, Kraków 1997. 2. Z. Wróbel, R. Koprowski, Praktyka przetwarzania obrazów z zadaniami w programie Matlab, Exit, Warszawa 2008. 3. Z. Wróbel, R. Koprowski, Praktyka przetwarzania obrazów w programie Matlab, Exit, Warszawa 2004. 4. R. C. Gonzales, R. E. Woods. Digital Image Processing, Prentice Hall Inc., 2007. |
Metody i kryteria oceniania: |
Metody oceniania: egzamin - W01, W02, W03 kolokwium- U01, U02, U03, U04 projekt - U01, U02, U03, U04, K01, K02 Kryteria oceniania: Wykład: egzamin pisemny w formie testu (pytania zamknięte) ndst - <20 pkt (<50%) dst- 21-24 pkt (51-60%) dst plus- 25-28 pkt (61-70%) db- 29-32 pkt (71-80%) db plus- 33-36 pkt (81-90%) bdb- 36-40 pkt (91-100%) Ćwiczenia i projekt: zaliczenie na ocenę na podstawie sumarycznej liczby punktów z części laboratoryjnej i projektowej ndst - <50 pkt (<50%) dst- 51-60 pkt (51-60%) dst plus- 61-70 pkt (61-70%) db- 71-80 pkt (71-80%) db plus- 81-90 pkt (81-90%) bdb- 91-100 pkt (91-100%) |
Praktyki zawodowe: |
brak |
Zajęcia w cyklu "Semestr letni 2022/23" (w trakcie)
Okres: | 2023-02-20 - 2023-09-30 |
![]() |
Typ zajęć: |
Laboratorium, 30 godzin
Wykład, 30 godzin
|
|
Koordynatorzy: | Marcin Iwanowski | |
Prowadzący grup: | Marcin Iwanowski | |
Lista studentów: | (nie masz dostępu) | |
Zaliczenie: |
Przedmiot -
Zaliczenie
Laboratorium - Zaliczenie na ocenę Wykład - Egzamin |
Zajęcia w cyklu "Semestr letni 2023/24" (jeszcze nie rozpoczęty)
Okres: | 2024-02-20 - 2024-09-30 |
![]() |
Typ zajęć: |
Laboratorium, 30 godzin
Wykład, 30 godzin
|
|
Koordynatorzy: | Marcin Iwanowski | |
Prowadzący grup: | Marcin Iwanowski | |
Lista studentów: | (nie masz dostępu) | |
Zaliczenie: |
Przedmiot -
Zaliczenie
Laboratorium - Zaliczenie na ocenę Wykład - Egzamin |
Właścicielem praw autorskich jest Uniwersytet Mikołaja Kopernika w Toruniu.