Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Rocznik:
2013/2014
Kod:
JFM-2-106-TO-s
Nazwa:
Analiza i przetwarzanie obrazów
Wydział:
Fizyki i Informatyki Stosowanej
Poziom studiów:
Studia II stopnia
Specjalność:
Techniki obrazowania i biometria
Kierunek:
Fizyka Medyczna
Semestr:
1
Profil kształcenia:
Ogólnoakademicki (A)
Język wykładowy:
Polski
Forma i tryb studiów:
Stacjonarne
Osoba odpowiedzialna:
prof. dr hab. inż. Saeed Khalid (saeed@agh.edu.pl)
Osoby prowadzące:
prof. dr hab. inż. Saeed Khalid (saeed@agh.edu.pl)
Krótka charakterystyka modułu

Opis efektów kształcenia dla modułu zajęć
Kod EKM Student, który zaliczył moduł zajęć wie/umie/potrafi Powiązania z EKK Sposób weryfikacji efektów kształcenia (forma zaliczeń)
Wiedza
M_W004 Student zna i rozumie podstawowe pojęcia związane z analizą i przetwarzaniem obrazów. FM2A_W01, FM2A_W06 Projekt,
Sprawozdanie
M_W005 Student zna i rozumie podstawowe algorytmy związane z analizą i przetwarzaniem obrazów. FM2A_W01, FM2A_W05 Projekt,
Sprawozdanie
M_W006 Student zna mechanizm działania algorytmów rozpoznawania kształtów. FM2A_W01, FM2A_W05 Projekt,
Sprawozdanie
Umiejętności
M_U003 Student potrafi posługiwać się wybranym środowiskiem obliczeniowym w celu analizy obrazów. FM2A_U03, FM2A_U06 Projekt,
Sprawozdanie
M_U004 Student potrafi zaimplementować podstawowe algorytmy przetwarzania i analizy obrazów. FM2A_U03, FM2A_U06 Projekt,
Sprawozdanie
Kompetencje społeczne
M_K003 Student potrafi opracować materiały dotyczące określonych zagadnień w formie referatu i prezentacji. FM2A_K06, FM2A_K11 Projekt
M_K004 Student potrafi sporządzić poprawną dokumentację projektową. FM2A_K06 Sprawozdanie
Matryca efektów kształcenia w odniesieniu do form zajęć
Kod EKM Student, który zaliczył moduł zajęć wie/umie/potrafi Forma zajęć
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Inne
Zaj. terenowe
Zaj. warsztatowe
E-learning
Wiedza
M_W004 Student zna i rozumie podstawowe pojęcia związane z analizą i przetwarzaniem obrazów. + - + + - - - - - - -
M_W005 Student zna i rozumie podstawowe algorytmy związane z analizą i przetwarzaniem obrazów. + - + + - - - - - - -
M_W006 Student zna mechanizm działania algorytmów rozpoznawania kształtów. + - + - - - - - - - -
Umiejętności
M_U003 Student potrafi posługiwać się wybranym środowiskiem obliczeniowym w celu analizy obrazów. - - + - - - - - - - -
M_U004 Student potrafi zaimplementować podstawowe algorytmy przetwarzania i analizy obrazów. - - + - - - - - - - -
Kompetencje społeczne
M_K003 Student potrafi opracować materiały dotyczące określonych zagadnień w formie referatu i prezentacji. - - - + - - - - - - -
M_K004 Student potrafi sporządzić poprawną dokumentację projektową. - - + - - - - - - - -
Treść modułu zajęć (program wykładów i pozostałych zajęć)
Wykład:

Zagadnienia poruszane na wykładzie :

  • Ogólny wstęp do tematyki analizy obrazu: obecny stan wiedzy i podstawowe zastosowania.
  • Metody wstępnego przetwarzania obrazów – poprawa jakości obrazu, przygotowanie obrazu do dalszej obróbki.
  • Metody szkieletyzacji (ścieniania) obrazów – konwersja obrazu na reprezentację szkieletową.
  • Metody segmentacji obrazów: segmentacja w rozpoznawaniu tekstu, problem odszukania obiektu na obrazie.
  • Metody ekstrakcji cech – jako forma redukcji wymiarowości oraz wydobycia danych najbardziej znaczących dla późniejszej klasyfikacji.
  • Sposoby opisu obrazu oraz jego reprezentacji w celu późniejszej klasyfikacji.
  • Klasyfikacja obrazów – podstawowe algorytmy.
  • Interpretacja obrazu.
  • Przykładowe praktyczne zastosowania metod analizy obrazów w systemach wizji komputerowej.
  • Metody rozpoznawania pisma.
  • Metody analizy niektórych obrazów medycznych.
  • Metody analizy obrazów a biometria – rozpoznawanie człowieka na podstawie obrazu.
  • Systemy rozpoznawania obrazów w zastosowaniach przemysłowych.
  • Systemy rozpoznawania obrazu wideo – rozpoznawania obiektów w ruchu.
  • Przyszłość systemów wizji komputerowej. Wyzwania, zagrożenia, oczekiwania, kierunki rozwoju.

Ćwiczenia laboratoryjne:
  1. Ogólny opis zajęć

    Laboratorium realizuje tematykę wykładów poprzez zapoznanie z dostępnym oprogramowaniem analitycznym (środowisko obliczeniowe MATLAB, SCILAB lub inne dostępne, język programowania JAVA lub inny) oraz demonstrację jego zastosowania do analizy obrazu z uwzględnieniem problemów, jakie spotyka się podczas analizy. Opracowane podczas laboratorium samodzielne zadania mają na celu zaznajomienie studentów ze sposobami implementacji przykładowych algorytmów, a także zaproponowanie własnych rozwiązań lub modyfikacji istniejących.

  2. Implementacja podstawowych operacji na obrazach (3 zajęcia)

    Studenci uczą się jak zaimplementować i poprawnie parametryzować podstawowe algorytmy obróbki obrazu, takie jak:

    • negatyw obrazu
    • konwersja do odcieni szarości
    • normalizacja histogramu
    • skalowanie
    • progowanie (binaryzacja)
    • filtry splotowe
    • obrót
    • zmiana jasności
    • detekcja krawędzi

  3. Podstawowe operacje na obrazach w środowisku obliczeniowym (1 zajęcia)

    Studenci uczą się jak zrealizować algorytmy zaimplementowane na poprzednich zajęciach w wybranym środowisku obliczeniowym.

  4. Metody odszumiania obrazu (1 zajęcia)

    Studenci zdobywają wiedzę o podstawowych rodzajach szumów oraz jak zasymulować różne rodzaje szumu na obrazie. Implementują również kilka wybranych algorytmów odszumiania.

  5. Metody szkieletyzacji w zastosowaniu do liter (1 zajęcia)

    Studenci implementują wybrane algorytmy szkieletyzacji zbinaryzowanych obrazów.

  6. Segmentacja tekstów (1 zajęcia)

    Studenci implementują wybrane algorytmy odnajdywania i ekstrakcji liter lub słów ze skanów tekstów pisanych lub drukowanych. Zapoznają się również z typowymi problemami wynikłymi z różnej jakości zeskanowanych tekstów oraz metodami rozwiązywania tychże.

  7. Ekstrakcja cech z obrazu (1 zajęcia)

    Studenci wydobywają wektory cech charakterystycznych z liter lub słów wyciętych z tekstów na poprzednich zajęciach.

  8. Klasyfikacja danych (1 zajęcia)

    Studenci implementują proste klasyfikatory (na przykład kNN) wydobytych na poprzednich zajęciach danych oraz zapoznają się z działaniem klasyfikatorów złożonych (na przykład sieci neuronowe). Poznają również metody poprawiania jakości klasyfikacji.

  9. Implementacja algorytmu OCR (4 zajęcia)

    Na bazie zdobytej dotychczas wiedzy studenci projektują i realizują własny kompletny program typu OCR (optical character recognition), czyli algorytm rozpoznający tekst.

  10. Prezentacja gotowego algorytmu (1 zajęcia)

    Studenci wstępnie prezentują wykonany algorytm oraz otrzymują uwagi od prowadzącego zajęcia oraz kolegów na temat ewentualnych ostatecznych korekt w projekcie.

  11. Końcowa obrona projektu (1 zajęcia)

    Student oddaje skończony finalny projekt oraz prezentuje uzyskane wyniki. Prowadzący weryfikuje samodzielność pracy studenta oraz wystawia ocenę końcową.

Ćwiczenia projektowe:

Tematy wykładów są rozszerzane przez studentów w formie projektów. Każda grupa studentów (1-3) opracowuje temat, który prezentuje na zajęciach projektowych.

Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 120 godz
Punkty ECTS za moduł 4 ECTS
Udział w wykładach 20 godz
Samodzielne studiowanie tematyki zajęć 15 godz
Udział w ćwiczeniach laboratoryjnych 30 godz
Przygotowanie do zajęć 30 godz
Dodatkowe godziny kontaktowe z nauczycielem 10 godz
Wykonanie projektu 15 godz
Pozostałe informacje
Sposób obliczania oceny końcowej:

Ocena końcowa będzie wystawiana na podstawie sprawozdań z zajęciach laboratoryjnych, na podstawie wykonanego projektu oraz aktywności na wykładzie.

Wymagania wstępne i dodatkowe:

Podstawowa umiejętność programowana w języku JAVA lub posługiwania się środowiskiem obliczeniowym MATLAB lub SCILAB.

Zalecana literatura i pomoce naukowe:
  • Gonzalez R. C., Woods R. E.: Digital Image Processing. Prentice Hall, 2008.
  • Choraś R. S.: Komputerowa wizja: Metody interpretacji i identyfikacji obiektów. Problemy współczesnej nauki, teoria i zastosowania, informatyka, Akademicka Oficyna Wydawnicza EXIT, 2005.
  • Tadeusiewicz R.: Komputerowa analiza i przetwarzanie obrazów. Społeczeństwo globalnej informacji, Wydawnictwo fundacji postępu Telekomunikacji, Kraków, 1997.
  • Malina W., Ablemeyko S., Pawlak W.: Podstawy Cyfrowego Przetwarzania Obrazów. Akademicka Oficyna Wydawnicza EXIT, Warsaw, 2002.
  • Kasprzyk W.: Rozpoznawanie obrazów i sygnałów mowy. Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2009.
  • Saeed K., Image Analysis for Object Recognition. Bialystok University of Technology, Bialystok, 2004.
Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

Nie podano dodatkowych publikacji

Informacje dodatkowe:

Brak