1. SylabUZ
2. Faculty of Engineering and Technical Sciences
3. winter term 2021/2022
4. Computer Science - Second-cycle studies leading to MSc degree
5. Rozpoznawanie obrazów

Generate PDF for this page

Rozpoznawanie obrazów - course description

Aim of the course

Zapoznanie studentów i  ukształtowanie umiejętności z zakresu przetwarzania i rozpoznawania obrazów: obróbki obrazu, filtracji, segmentacji, ekstrakcji cech, klasyfikacji obrazów.

 

 

Prerequisites

Save changes

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

Scope

1. Formatowanie obrazów:  programy i pakiety do rozpoznawania obrazów, wczytywanie i zapis obrazu, typy obrazów, przestrzenie barw i histogram
2. Przetwarzanie obrazów: kadrowanie i operacje afiniczne, operatory punktowe,  transformacja intensywności obrazu, podstawy filtracji obrazu, operacje morfologiczne
3. Segmentacja obrazów: detekcja linii i krawędzi, metody progowania, metoda wododziałów,  metoda centroidów i metoda aktywnych konturów, sieci neuronowe  
4. Ekstrakcja cech: deskryptory konturów i regionów, wykrywanie narożników i środków, deskryptory SIFT, sieci neuronowe do generacji deskryptorów
5. Rozpoznawanie obiektów i klasyfikacja: metody klasyfikacji obrazów, klasyfikacja wzorców poprzez dopasowanie prototypów, zastosowanie sztucznych sieci neuronowych do detekcji i klasyfikacji obiektów na obrazach

Teaching methods

Wykład konwencjonalny, ćwiczenia 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 

laboratorium - uzyskanie pozytywnych ocen ze sprawdzianów oraz oddanie sprawozdań z ćwiczeń laboratoryjnych

projekt - uzyskanie pozytywnej oceny z wykonanego projektu

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

 

Recommended reading

1. Digital Image Processing /Rafael C. Gonzalez, Richard E. Woods/ Pearson, 2018.
2. Systemy wizyjne / Marian Wysocki, Tomasz Kapuściński. - Rzeszów : Uniwersytet Rzeszowski. Katedra Mechatroniki i Automatyki, 2013.
3. Rozpoznawanie obrazów i sygnałów mowy / Włodzimierz Kasprzak. - Warszawa : Oficyna Wydawnicza Politechniki Warszawskiej, 2009.
4. Rozpoznawanie obrazów / Witold Malina, Maciej Smiatacz. - Wyd. 2 popr. - Warszawa : Akademicka Oficyna Wydawnicza EXIT, 2011.
5. Komputerowa wizja : metody interpretacji i identyfikacji obiektów / Ryszard S. Choraś. - Warszawa : Akademicka Oficyna Wydawnicza EXIT, 2005.
6. Komputerowa analiza i przetwarzanie obrazów / Ryszard Tadeusiewicz, Przemysław Korohoda. - Kraków : Wydaw. Fundacji Postępu Telekomunikacji, 1997.
7. Computer Vision: Algorithms and Applications / Richard Szeliski / Springer, 2010.
8. Deep Learning. Praca z językiem Python i biblioteką Keras /Francois Chollet/ Helion, 2019.
9. Deep Learning /Bengio Yoshua, Courville Aaron, Goodfellow Ian/ PWN, 2018
10. Computer Vision Projects with OpenCV and Python 3 /Matthew Rever/ Packt Publishing, 2018
11. Hands-On Image Processing with Python / Sandipan Dey/ Packt Publishing, 2018
12. Metody klasyfikacji obiektów w wizji komputerowej /Stąpor Katarzyna/ PWN, 2011

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 dr hab. inż. Marek Kowal, prof. UZ (last modification: 27-04-2021 12:45)