SylabUZ

Generate PDF for this page

Rozpoznawanie obrazów - course description

General information
Course name Rozpoznawanie obrazów
Course ID 11.3-WE-INFD-RozObr
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
Course information
Semester 2
ECTS credits to win 5
Course type obligatory
Teaching language polish
Author of syllabus
  • prof. dr hab. inż. Andrzej Obuchowicz
Classes forms
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

Aim of the course

Zapoznanie studentów z technikami przetwarzania i rozpoznawania obrazów: filtracji, segmentacji, wyznaczania parametrów morfometrycznych, klasyfikacji i klasteryzacji.

Nauczenie studentów podstawowych technik obróbki obrazów, segmentacji obiektów, wyznaczania krawędzi i parametrów morfometrycznych, wyodrębnianie i dyskryminacja cech cech oraz  klasyfikacja.

 

Prerequisites

Wiedza z zakresu metod numerycznych, grafiki komputerowej, analizy danych, badań operacyjnych i uczenia maszynowego

Scope

  1. Formatowanie obrazów: elementy obrazu i transformacje, obrazy cyfrowe, kolor, kompresja
  2. Przetwarzanie obrazów: operatory punktowe, filtracja linii, operacje sąsiedztwa, transformata Fouriera i falkowa.
  3. Detekcja cech: cechy punktowe, detekcja krawędzi i linii.
  4. Segmentacja: aktywne kontury, metoda wododziałów i pokrewne, metody K-średnich.
  5. Rozpoznawanie obiektów i klasyfikacja obrazów

Teaching methods

Wykład konwecjonalny, ćwicenia laboratoryjne, projekt

Learning outcomes and methods of theirs verification

Outcome description Outcome symbols Methods of verification The class form

Assignment conditions

wykład - uzyskanie pozytywnej oceny z kolokwium pisemnego

laboratorium - uzyskanie pozytywnych ocen ze sprawozdań z ćwiczeń laboratoryjnych

projekt - uzyskanie pozytywnej oceny z wykonanego projektu

ocena końcowa = 30% wykład + 40% laboratorium + 30 % projekt

 

Recommended reading

1. Systemy wizyjne / Marian Wysocki, Tomasz Kapuściński. - Rzeszów : Uniwersytet Rzeszowski. Katedra Mechatroniki i Automatyki, 2013.
2.Rozpoznawanie obrazów i sygnałów mowy / Włodzimierz Kasprzak. - Warszawa : Oficyna Wydawnicza Politechniki Warszawskiej, 2009.
3. Rozpoznawanie obrazów / Witold Malina, Maciej Smiatacz. - Wyd. 2 popr. - Warszawa : Akademicka Oficyna Wydawnicza EXIT, 2011.
4. Komputerowa wizja : metody interpretacji i identyfikacji obiektów / Ryszard S. Choraś. - Warszawa : Akademicka Oficyna Wydawnicza EXIT, 2005.
5. Komputerowa analiza i przetwarzanie obrazów / Ryszard Tadeusiewicz, Przemysław Korohoda. - Kraków : Wydaw. Fundacji Postępu Telekomunikacji, 1997.

6. Computer Vision: Algorithms and Applications / Richard Szeliski / Springer 2010


 

Further reading

1. Przetwarzanie i analiza obrazów w systemach przemysłowych : wybrane zastosowania / Dominik Sankowski, Volodymyr Mosorov, Krzysztof Strzecha. - Warszawa : Wydawnictwo Naukowe PWN, 2011.
2. Sieci neuronowe / red. tomu Włodzisław Duch [et al.] ; Polska Akademia Nauk. - Warszawa : "EXIT", 2000.
3. Komputerowa analiza i przetwarzanie obrazów / Ryszard Tadeusiewicz, Przemysław Korohoda. - Kraków : Wydaw. Fundacji Postępu Telekomunikacji, 1997.
4. Wizja komputerowa / Marian Wysocki, Joanna Marnik, Tomasz Kapuściński., Rzeszów : Oficyna Wydawnicza Politechniki Rzeszowskiej, 2004.

Notes


Modified by prof. dr hab. inż. Andrzej Obuchowicz (last modification: 04-05-2019 15:07)