SylabUZ
Course name | Digitization Problems |
Course ID | 11.3-WI-INFD-PC |
Faculty | Faculty of Computer Science, Electrical Engineering and Automatics |
Field of study | Computer Science |
Education profile | academic |
Level of studies | Second-cycle studies leading to MSc degree |
Beginning semester | winter term 2019/2020 |
Semester | 2 |
ECTS credits to win | 5 |
Course type | obligatory |
Teaching language | polish |
Author of syllabus |
|
The class form | Hours per semester (full-time) | Hours per week (full-time) | Hours per semester (part-time) | Hours per week (part-time) | Form of assignment |
Lecture | 15 | 1 | 9 | 0,6 | Credit with grade |
Laboratory | 30 | 2 | 18 | 1,2 | Credit with grade |
Project | 15 | 1 | 9 | 0,6 | Credit with grade |
Zapoznanie studentów z podstawowymi problemami cyfryzacji. Ukształtowanie zrozumienia przemian sygnału w systemie cyfrowym. Ukształtowanie umiejętności modelowania elementów systemu cyfrowego przetwarzania danych. Nabycie umiejętności w zakresie stosowania technik przetwarzania i kompresji obrazów i sekwencji wizyjnych zapisanych w postaci cyfrowej.
-
Pozyskiwanie i przechowywanie danych cyfrowych. Próbkowanie, konwersja analogowo-cyfrowa. Elementarne typy sygnałów cyfrowych, niejednoznaczność sygnału cyfrowego, pojęcie filtru. Analiza w dziedzinie czasu. Reprezentacja obrazu, modele odwzorowania barw.
Pozyskanie danych cyfrowych. Przetworniki, cyfrowa reprezentacja sygnału. Formaty danych.
Modelowanie systemów cyfrowych. Komponenty systemu przetwarzania danych cyfrowych, matematyczne modelowanie systemów cyfrowego przetwarzania danych.
Reprezentacja sygnału w systemie cyfrowym. Dekorelacja, kwantyzacja. Pojęcie splotu dyskretnego. Dyskretne szeregi Fouriera i transformata Fouriera. Analiza w dziedzinie częstotliwości. Transformata DCT i DWT.
Realizacja algorytmów przetwarzania danych cyfrowych.
Kompresja danych: założenia, klasyfikacja metod i algorytmów, przykłady.
Przykłady kodeków falkowych i hybrydowych sekwencji wizyjnych.
Subiektywne i obiektywne miary jakości kompresji obrazów i sekwencji wizyjnych.
Rozwiązywanie problemów cyfryzacji danych. Rozwiązywanie zadanego problemu cyfryzacji danych.
Wykład - warunkiem zaliczenia jest uzyskanie pozytywnych ocen z prezentacji ustnej oraz z egzaminu przeprowadzonego w formie pisemnej.
Laboratorium - warunkiem zaliczenia jest uzyskanie pozytywnych ocen ze wszystkich ćwiczeń laboratoryjnych, przewidzianych do realizacji w ramach programu laboratorium.
Projekt - warunkiem zaliczenia jest uzyskanie pozytywnej oceny ze sprawozdania z realizacji projektu.
Outcome description | Outcome symbols | Methods of verification | The class form |
Wykład - warunkiem zaliczenia jest uzyskanie pozytywnej oceny z egzaminu przeprowadzonego w formie pisemnej.
Laboratorium - warunkiem zaliczenia jest uzyskanie pozytywnej ocen z kolokwium zaliczeniowego na końcu semestru.
Projekt - warunkiem zaliczenia jest zyskanie pozytywnej oceny ze sprawozdania ze zrealizowanego projektu.
Składowe oceny końcowej = wykład 40% + laboratorium 30% + projekt 30%
-
Modified by dr inż. Andrzej Popławski (last modification: 06-05-2019 15:38)