Обработка изображений




Скачать 144.68 Kb.
НазваниеОбработка изображений
Дата публикации14.02.2014
Размер144.68 Kb.
ТипПрограмма
shkolnie.ru > Военное дело > Программа
Министерство науки и образования Российской Федерации

Федеральное государственное автономное образовательное учреждение

высшего профессионального образования

«Московский физико-технический институт (государственный университет)»

МФТИ (ГУ)
«Утверждаю»

Проректор по учебной работе

_______________ Д.А.Зубцов

«___»______________ 20___ г.

Рабочая УЧЕБНАЯ Программа
По дисциплине: Обработка изображений

По направлению: 010900 «Прикладные математика и физика»

магистерская программа: 010974 – Телекоммуникационные сети и системы

Факультет радиотехники и кибернетики

Кафедра проблем передачи и обработки информации

^ Курс: 1 (магистратура)

Семестр – весенний Дифференцированный зачет: 2 семестр
Трудоёмкость: вариативная часть – 2 зач.ед.,

в том числе:

лекции: вариативная часть – 32 часа

самостоятельная работа: вариативная часть – 32 часа

ВСЕГО АУДИТОРНЫХ часов 32
Программу составил к.ф.-м.н. Д.П. Николаев
Программа обсуждена на заседании кафедры 28 мая 2012 года

Заведующий кафедрой А.П. Кулешов

академик РАН
^

Объем учетной нагрузки и виды отчетности





Вариативная часть, в том числе:

2 зач.ед.


Лекции

32 часа


Самостоятельные занятия

32 часа


^ Промежуточная аттестация


нет

Итоговая аттестация

Дифференцированный зачет во 2-м семестре магистратуры

ВСЕГО

2 зач.ед. (64 часа )



  1. ^

    Цели и задачи дисциплины



Цель дисциплиныизучение современных алгоритмов интеллектуального анализа и обработки изображений.

Задачи:

– изучение моделей формирования, представления и искажения изображений;

– освоение математического аппарата обработки изображений;

– освоение основных алгоритмов цифровой обработки, восстановления, анализа, классификации и распознавания изображений.

  1. ^

    Место дисциплины в структуре ООП магистратуры



Дисциплина «Обработка изображений» включает в себя разделы, которые могут быть отнесены к вариативной части цикла М.2.

Дисциплина «Обработка изображений» базируется на материалах курсов бакалавриата: базовая и вариативная часть Б.2 и Б.3 УЦ ООП.

  1. ^

    Компетенции, формированию которых способствует освоение дисциплины



Освоение дисциплины «Обработка изображений» способствует формированию следующих общекультурных и общепрофессиональных интегральных компетенций магистра:

а) общекультурные (ОК):

  • способность использовать на практике углубленные фундаментальные знания, полученные в области естественных и гуманитарных наук, и обладать научным мировоззрением (ОК-1);

  • способность ставить, формализовать и решать задачи, уметь системно анализировать научные проблемы, генерировать новые идеи и создавать новое знание (ОК-2);

  • способность самостоятельно приобретать и использовать в практической деятельности знания и умения, в том числе в новых областях (ОК-3);

  • способность формулировать устно и письменно свою точку зрения, владеть навыками ведения научной и общекультурной дискуссий на русском и английском языках (ОК-4);

б) профессиональные (ПК):

  • способность применять в своей профессиональной деятельности углубленные знания, полученные в соответствии с профильной направленностью (ПК-1);

  • способность ставить задачи теоретических и (или) экспериментальных научных исследований и решать их с помощью соответствующего физико-математического аппарата, современной аппаратуры и информационных технологий (ПК-2);

  • способность самостоятельно осваивать новые дисциплины и методы исследований (ПК-3);

  • способность применять современные методы анализа, представления и передачи информации, использовать пакеты прикладных программ по профилю подготовки (ПК-4);

  • способность определять вместе с коллективом исполнителей направления собственной научной, технической или инновационной деятельности, выбирать подходы к решению конкретных исследовательских и (или) инновационных задач (ПК-7);

  • способность самостоятельно и (или) в составе исследовательской группы разрабатывать, исследовать и применять математические и физические модели для качественного и количественного описания явлений и процессов и (или) разработки новых технических средств (ПК-9).



  1. ^

    Знания, умения и навыки, формированию которых способствует освоение дисциплины



Освоение дисциплины «Обработка изображений» способствует формированию комплекса знаний и навыков, благодаря которым обучающийся должен

а) знать:

  • методологию и терминологию дисциплины;

  • механизмы формирования, представления и искажения изображений;

  • принципы построения алгоритмов обработки изображений;

  • стандартные методы синтеза, восстановления, анализа, классификации и распознавания изображений;

б) уметь:

  • применять на практике изученные подходы и алгоритмы;

  • разрабатывать и программировать специализированные алгоритмы обработки данных;

в) владеть:

  • навыком освоения большого объема информации;

  • навыками постановки научно-исследовательских задач и навыками самостоятельной работы.



  1. ^

    Структура и содержание дисциплины



Лекции

№ п.п.

Тема

Число аудиторных часов

Число часов самостоятельной работы

1

^ Введение в обработку изображений.

1. Примеры изображений. Постановки задач обработки изображений. Прикладные области. Математический аппарат: элементы линейной алгебры, дискретной математики, математической статистики, численных методов, теории сложности вычислений, интегральных преобразований, дифференциальных уравнений в частных производных.

2. Среда численного моделирования MatLab/Octave. Пакет обработки изображений Image Processing Toolbox.

2

2

2

Формирование и представление изображений.

1. Принципы цветного зрения. Спектральное и цветовые пространства. Системы цветовых координат XYZ, CIE Lab. Регистрация изображений. Цветовые системы RGB, HSI.

2. Растровое представление. Признаковое представление. Объектное («векторное») представление. Однобитные (чёрно-белые) изображения. Скалярные (серые) изображения. Векторные (цветные) изображения. Муаровый эффект.

3. Плоские изображения. Основы цветосмешения. Цветовая система CMY(K). Закон Бугера-Ламберта-Бера. Изображения трёхмерных объектов. Линейная модель формирования.

2

2

3

^ Обработка изображений.

1. Сдвиг и поворот изображения. Масштабирование. Аффинное и проективное преобразования. Проблема повторной дискретизации.

2. Свёртки. Вычисление свёрток через БПФ. Быстрые свёртки с полиномами. Алгоритм Дерише. Дифференцирование изображения. Псевдоградиент Ди Зензо.

3. Морфологические операции. Размыкание (opening) и замыкание (closing). Алгоритм Ван Херка.

4. Задача цветоредукции. Метод К-средних. Метод медианного сечения. Метод восьмеричного дерева (quad-tree). Кластеризация в цветовом пространстве. Формовка шума.

5. Задача цветоклассификации. Бинаризация изображений. Методы глобальной, локальной и адаптивной бинаризации. Метод двух средних. Метод Отсу. Метод Ниблэка. Нечёткая бинаризация. Бинаризация однобитных изображений.

10

10

4

Восстановление изображений.

1. Задача обращения аппаратной функции. Рефокусировка. Томография.

2. Задача шумоподавления. Нормальный, импульсный и периодический (муар) шум.

3. Алгебраический метод. Винеровская фильтрация. Байесовский подход. Морфологический подход.

4. Сглаживание с сохранением границ. Медианная фильтрация. Взвешенная медиана. Быстрая медианная фильтрация. Адаптивные алгоритмы. Анизотропная диффузия. Билатеральная фильтрация.

5. Реконструкция по псевдолапласиану. Визуализация мультиспектральных изображений. Маскирование границ.

10

10

5

Анализ изображений.

1. Частотный анализ и фильтрация сигнала. Фурье-анализ. Преобразование Фурье с окном. Всплеск (wavelet) -анализ. Частотно-временное окно. Преобразование Хаара.

2. Классификация изображений. Анализ цветовых распределений. Инвариантные описания изображения.

3. Локализация объектов. Корреляционный анализ. Ориентация объектов. Быстрое преобразование Хафа. Обобщённое преобразование Хафа. Идентификация объектов. Алгоритм динамической трансформации временной шкалы. Поиск особых точек. Особые точки, инвариантные к масштабированию. Сопоставление изображений. Максимальное взвешенное паросочетание.

4. Объектная сегментация изображений. Цветовая сегментация. Текстурная сегментация. Структурный тензор. Фильтры Габора. Выделение границ. Метод Канни. Граничный тензор. Замыкание границ. Алгоритмы поиска кратчайшего пути. Метод водоразделов. Методики слияния областей, разрезания областей, соревнования областей.

5. Сжатие изображений. Сжатие без потерь: RLE (PCX, TIFF), Хаффмана (TIFF), LZW (TIFF, GIF, PNG), арифметическое кодирование. Сжатие с потерями: косинусное преобразование (JPEG), вcплеск-преобразование (DjVu). Специализированные алгоритмы: CCITT Fax 4, DjVu.

8

8

ВСЕГО

32 часа

32 часа

ИТОГО

64 часов



^ Виды самостоятельной работы

№ п.п.

Темы

Количество часов

1

Изучение теоретического курса – выполняется самостоятельно каждым студентом по итогам каждой из лекций, результаты контролируются преподавателем на лекционных занятиях, используются конспект (электронный) лекций, учебники, рекомендуемые данной программой.

Подготовка к дифференцированному зачету.

16

2

Решение задач по заданию (индивидуальному где требуется) преподавателя – решаются задачи, выданные преподавателем по итогам лекционных занятий и сдаются в конце семестра, используются конспект (электронный) лекций, учебники, рекомендуемые данной программой, а также сборники задач, включая электронные.

16

ВСЕГО

32 часа



  1. ^

    Образовательные технологии




п/п

Вид занятия

Форма проведения занятий

Цель

1

Лекция

Изложение теоретического материала

Получение теоретических знаний по дисциплине

2

Самостоятельная работа студента

Самостоятельная работа

Получение дополнительных знаний и подготовка к дифференцированному зачету



  1. Оценочные средства для текущего контроля успеваемости, промежуточной аттестации по итогам освоения дисциплины и учебно-методическое обеспечение самостоятельной работы студентов



^ Перечень контрольных вопросов для сдачи дифференцированного зачета во 2-ом семестре магистратуры

п.п.

Тема

1

Дисциплина обработки изображений. Примеры, постановки, приложения. Математический аппарат, среды разработки.

2

Формирование изображений. Принципы зрения человека и регистрации изображений техническими средствами. Изображения плоских и трёхмерных объектов. Основы цветосмешения и линейная модель формирования.

3

Представление изображений. Растровое, признаковое и объектное представление. Однобитные, скалярные и векторные изображения. Спектральное и цветовые пространства, системы цветовых координат.

4

Обработка изображений. Поворот и масштабирование изображения. Свёртки, в т. ч. быстрые. Сглаживание с сохранением границ. Морфологические операции, в т. ч. быстрые.

5

Преобразование изображений. Дифференцирование скалярных и векторных изображений. Задача цветоредукции: методы, их свойства. Методы глобальной, локальной и адаптивной бинаризации изображений.

6

Восстановление изображений. Задача обращения аппаратной функции. Томография. Задача шумоподавления. Основные методы восстановления изображений.

7

Анализ изображений. Частотный анализ и фильтрация сигнала. Всплеск-анализ. Классификация изображений. Анализ цветовых распределений. Кластеризация в цветовом пространстве. Инвариантные описания изображения.

8

Идентификация объектов на изображении. Корреляционный анализ. Обобщённое преобразование Хафа. Объектная, цветовая и текстурная сегментация изображений. Основные методы, в т.ч. анализирующие края.

9

Сжатие изображений. Сжатие без потерь. Сжатие с потерями. Специализированные документ-ориентированные алгоритмы.



  1. ^

    Материально-техническое обеспечение дисциплины




Необходимое оборудование для лекций и практических занятий: доска, ноутбук и мультимедийное оборудование (проектор или плазменная панель).
^ Обеспечение самостоятельной работы: конспекты, литература, компьютер.

  1. Учебно-методическое и информационное обеспечение дисциплины



Основная литература



1. Гонзалес Р., Вудс Р. Цифровая обработка изображений. М.: Техносфера, 2006.

2. Гонсалес Р., Вудс Р., Эддинс С. Цифровая обработка изображений в среде MATLAB. М.: Техносфера, 2006.

3. Яне Б. Цифровая обработка изображений. М.: Техносфера, 2007.

4. Прэтт У. Цифровая обработка изображений. В 2-х т. М.: Мир, 1982.

5. Пытьев Ю.П., Чуличков А.И. ЭВМ анализирует форму изображения. М.: Знание, 1988.

Похожие:

Обработка изображений iconПояснительная записка Программа курса «Обработка цифровых фото- и...
Вание и развитие знаний и умений в использовании растровой графики при создании презентаций, сайтов и других цифровых образовательных...
Обработка изображений iconТхе Чуен разработка методов и технологии обработки трехмерных изображений...
Специальность 05. 13. 01 – Системный анализ, управление и обработка информации (промышленность)
Обработка изображений iconКомпьютерный дизайн. Профессиональная компьютерная обработка растровых...
Курс предназначен для подготовки учащихся по специальности «Дизайн на компьютере»
Обработка изображений iconВыпускная работа по «Основам информационных технологий»
Высокоуровневая обработка включает в себя “осмысление” набора распознанных объектов, как это делается в анализе изображений, и, в...
Обработка изображений iconЗанятие 3 “Библиотечная обработка фонда. Техническая обработка документов
Техническая обработка – это ряд операций, которым подвергаются документы, для того чтобы их можно было отличить от документов других...
Обработка изображений iconТаблицы оригиналов и изображений
Таблица оригиналов и изображений дискретных функций для модифицированного дискретного преобразования Лапласа
Обработка изображений iconМетоды оценивания цвето-текстурных параметров биомедицинских диагностических изображений
Целью работы является разработка признаков для классификации изображений лейкоцитов. Рассматриваются классы: эозинофилы, базофилы,...
Обработка изображений iconАвтоматическая классификация изображений по текстурным признакам 1 Сидорова В. С. 2
Осуществляется автоматический выбор окна по расчету текстурных признаков. Для изображений леса на аэроснимках экспериментально показано,...
Обработка изображений iconАнализ и синтез гистограмм как инструмент обработки серий изображений....
Институт физики взрыва Российского нии экспериментальной физики Российского Федерального ядерного центра. 607190, Нижегородская обл.,...
Обработка изображений iconОценивания межкадровых геометрических деформаций изображений 1
В работе рассмотрено решение задачи оптимизации объема локальной выборки по критерию минимума вычислительных затрат при оценивании...
Вы можете разместить ссылку на наш сайт:
Школьные материалы


При копировании материала укажите ссылку © 2014
shkolnie.ru
Главная страница