1. SylabUZ
2. Wydział Informatyki, Elektrotechniki i Automatyki
3. semestr zimowy 2021/2022
4. Informatyka - drugiego stopnia z tyt. magistra inżyniera
5. Rozpoznawanie obrazów

Wygeneruj PDF dla tej strony

Rozpoznawanie obrazów - opis przedmiotu

Cel przedmiotu

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

 

 

Wymagania wstępne

Zapisz zmiany

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

Zakres tematyczny

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

Metody kształcenia

Wykład konwencjonalny, ćwiczenia laboratoryjne, projekt

Efekty uczenia się i metody weryfikacji osiągania efektów uczenia się

Opis efektu	Symbole efektów	Metody weryfikacji	Forma zajęć

Warunki zaliczenia

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

 

Literatura podstawowa

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

Literatura uzupełniająca

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.

Uwagi

Zmodyfikowane przez dr hab. inż. Marek Kowal, prof. UZ (ostatnia modyfikacja: 27-04-2021 12:45)