Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Analiza i przetwarzanie obrazów
Tok studiów:
2016/2017
Kod:
MIS-1-704-s
Wydział:
Inżynierii Metali i Informatyki Przemysłowej
Poziom studiów:
Studia I stopnia
Specjalność:
-
Kierunek:
Informatyka Stosowana
Semestr:
7
Profil kształcenia:
Ogólnoakademicki (A)
Język wykładowy:
Polski
Forma i tryb studiów:
Stacjonarne
Osoba odpowiedzialna:
dr inż. Siwek Aleksander (Aleksander.Siwek@agh.edu.pl)
Osoby prowadzące:
dr inż. Siwek Aleksander (Aleksander.Siwek@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_W001 Student zna i potrafi wyjaśnić podstawowe pojęcia, definicje i twierdzenia stosowane w przetwarzaniu obrazów IS1A_W09 Kolokwium
M_W002 Student zna i potrafi wytłumaczyć działanie podstawowych algorytmów wykorzystywanych w analizie obrazów IS1A_W03 Kolokwium,
Wykonanie ćwiczeń
M_W003 Student potrafi zaimplementować podstawowe algorytmy stosowane w rozpoznawaniu obrazów IS1A_W04, IS1A_W09 Kolokwium,
Wykonanie projektu
Umiejętności
M_U001 Student zna i potrafi wybrać odpowiedni algorytm do konkretnego typu obrazu IS1A_U01, IS1A_U12 Wykonanie projektu
M_U002 Student potrafi napisać aplikację wykonującą proste przekształcenia na macierzach obrazu IS1A_U16 Sprawozdanie,
Wykonanie ćwiczeń
M_U003 Student potrafi weryfikować poprawność działania napisanych programów Wykonanie projektu
Kompetencje społeczne
M_K001 Student potrafi zinterpretować efekty działania napisanych programów, wybrać najistotniejsze informacje i wykorzystać do dalszego opracowania IS1A_K04 Wykonanie projektu,
Sprawozdanie,
Udział w dyskusji
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
Zaj. terenowe
Zaj. warsztatowe
Inne
E-learning
Wiedza
M_W001 Student zna i potrafi wyjaśnić podstawowe pojęcia, definicje i twierdzenia stosowane w przetwarzaniu obrazów + - + - - - - - - - -
M_W002 Student zna i potrafi wytłumaczyć działanie podstawowych algorytmów wykorzystywanych w analizie obrazów + - + - - - - - - - -
M_W003 Student potrafi zaimplementować podstawowe algorytmy stosowane w rozpoznawaniu obrazów + - + - - - - - - - -
Umiejętności
M_U001 Student zna i potrafi wybrać odpowiedni algorytm do konkretnego typu obrazu - - + - - - - - - - -
M_U002 Student potrafi napisać aplikację wykonującą proste przekształcenia na macierzach obrazu - - + - - - - - - - -
M_U003 Student potrafi weryfikować poprawność działania napisanych programów - - + - - - - - - - -
Kompetencje społeczne
M_K001 Student potrafi zinterpretować efekty działania napisanych programów, wybrać najistotniejsze informacje i wykorzystać do dalszego opracowania - - + - - - - - - - -
Treść modułu zajęć (program wykładów i pozostałych zajęć)
Wykład:

Podstawy rejestracji obrazów, sygnał i szum w rejestrowanym obrazie. Formaty plików graficznych.
Punktowe przekształcanie obrazów, operacje arytmetyczne, histogramy, przekształcenia typu LUT.
Filtrowanie obrazów, filtry dolno- i górnoprzepustowe. Wyostrzanie krawędzi. Filtry nieliniowe.
Dwuwymiarowa transformata Fouriera obrazów. Filtrowanie w dziedzinie częstotliwości.
Degradacja i odzyskiwanie obrazów.
Modele kolorów. Przetwarzanie obrazów kolorowych.
Przekształcenia morfologiczne obrazów binarnych: dylatacja, erozja, otwieranie i domykanie. Przekształcenie typu hit-or-miss. Podstawowe algorytmy morfologiczne: ekstrakcja granic, wypełnianie obszarów, ekstrakcja składowych spójnych, szkieletyzacja, przycinanie. Filtry morfologiczne.
Segmentacja obrazów. Detekcja nieciągłości na obrazach. Globalne i lokalne wykrywanie krawędzi. Segmentacja wododziałowa.
Reprezentacja i opis obrazu. Deskryptory granic: kody łańcuchowe, sygnatury, deskryptory Fouriera, momenty statystyczne. Deskryptory obszarów: topologiczne, relacyjne, statystyczne, strukturalne, momenty statystyczne.
Rozpoznawanie wzorców i ich klasyfikacja. Klasyfikatory najmniejszej odległości. Liniowe i nieliniowe funkcje dyskryminacyjne. Dopasowanie przez korelację. Klasyfikatory statystyczne. Metody strukturalne rozpoznawania wzorców. Syntaktyczne rozpoznawanie gramatykami ciągów.

Ćwiczenia laboratoryjne:

Identyfikacja i korekcja defektów obrazów cyfrowych.
Przekształcenia obrazów. Identyfikacja histogramów. Filtrowanie obrazów.
Przetwarzanie obrazów w dziedzinie częstotliwości.
Reprezentacja obrazów w różnych modelach kolorów. Przekształcenia modeli kolorów. Filtrowanie obrazów kolorowych.
Modelowanie szumów. Usuwanie szumów w dziedzinie obrazu i częstotliwości. Redukcja szumów okresowych. Rekonstrukcja obrazów przez filtrowanie liniowe i nieliniowe. Przekształcenia geometryczne obrazów.
Operacje logiczne na obrazach binarnych. Ekstrakcja obiektów algorytmami morfologicznymi.
Segmentacja obrazów filtrami liniowymi. Transformata Hougha. Segmentacja wododziałowa.
Identyfikacja i opis cech obrazów. Deskryptory granic i obszarów.
Identyfikacja wzorców za pomocą funkcji decyzyjnych. Klasyfikacja wielowymiarowa.

Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 131 godz
Punkty ECTS za moduł 5 ECTS
Udział w wykładach 28 godz
Samodzielne studiowanie tematyki zajęć 40 godz
Udział w ćwiczeniach laboratoryjnych 28 godz
Przygotowanie do zajęć 20 godz
Egzamin lub kolokwium zaliczeniowe 2 godz
Przygotowanie sprawozdania, pracy pisemnej, prezentacji, itp. 3 godz
Dodatkowe godziny kontaktowe z nauczycielem 10 godz
Pozostałe informacje
Sposób obliczania oceny końcowej:

Ocena końcowa obliczana jest jako udział procentowy oceny z egzaminu (50%) i ćwiczeń (50%)

Wymagania wstępne i dodatkowe:

Zgodnie z Regulaminem Studiów AGH podstawowym terminem uzyskania zaliczenia jest ostatni dzień zajęć w danym semestrze. Termin zaliczenia poprawkowego (tryb i warunki ustala prowadzący moduł na zajęciach początkowych) nie może być późniejszy niż ostatni termin egzaminu w sesji poprawkowej (dla przedmiotów kończących się egzaminem) lub ostatni dzień trwania semestru (dla przedmiotów niekończących się egzaminem).

Zalecana literatura i pomoce naukowe:

Shih F.Y., Image processing and pattern recognition: fundamentals and techniques, Wyd. IEEE Press, Hoboken: John Wiley & Sons, 2010
Russ J. C., The image processing Handbook – 3th edition, Wyd. CRC Press & Springer & IEEE Press Materials Science and Engineering Department North State University, 1999
Tadeusiewicz R., Lasiński M., Rozpoznawanie obrazów, Wyd. Współczesna Nauka i Technika, Informatyka, PWN, W-wa 2000
Paulus D., Hornegger J., Applied Pattern Recognition, A Practical Introduction to Image and Speech Processing in C++, 2nd edition, Wyd. Viewweg, 1998
Raleigh, North Carolina 1999
Sing – Tze Bow, Pattern Recognition and Image Processing – 2nd edition, Wyd. Mar-cel Dekker, New York 2002
Marques de Sa J.P., Pattern Recognition – Concepts, Methods and Applications, Wyd. Springer, 2002
Theodoridis S., Koutroumbas K., Pattern Recognition, 2nd edition, Wyd. Elsevier Academic Press, 2003
Wróbel Z., Koprowski R., Praktyka przetwarzania obrazów z zadaniami w programie Matlab, Wyd. Akademicka Oficyna Wydawnicza EXIT, 2008
Pratap R., MATLAB 7: dla naukowców i inżynierów, Wyd. Wydawnictwo Naukowe PWN, 2010
Thyagarajan K.S., Still image and video compression with MATLAB, Wyd. John Wiley & Sons, Inc., 2011

Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

1. Image recognition, identification and classification algorithms in cast alloys microstructure analysis, Anna ROMANOWSKA-PAWLICZEK, Aleksander SIWEK, Mirosław GŁOWACKI, Małgorzata Warmuzek. IMETI 2011 : the 4th International Multi-conference on Engineering and Technological Innovation : July 19th–July 22nd, 2011, Orlando, Florida, USA : proceedings, Vol. 2 eds. Nagib Callaos [et al.] : International Institute of Informatics and Systemics, cop. 2011. ISBN: 978-1-936338-37-5, s.50–55

2. A novel 3D histogram equalization algorithm for stacks of confocal microscope images, Anna ROMANOWSKA-PAWLICZEK, Mirosław GŁOWACKI, Piotr PAWLICZEK, Zbigniew Sołtys. IMETI 2011 : the 4th International Multi-conference on Engineering and Technological Innovation : July 19th –July 22nd, 2011, Orlando, Florida, USA : proceedings, Vol. 2 eds. Nagib Callaos [et al.]. — [USA] : International Institute of Informatics and Systemics, cop. 2011. ISBN 978-1-936338-35-1, s. 1-6

3. Parallel deconvolution of large 3D images obtained by confocal laser scanning microscopy, Piotr PAWLICZEK, Anna ROMANOWSKA-PAWLICZEK, Zbigniew Sołtys, Microscopy Research and Technique ; ISSN 1059-910X. — 2010 vol. 73 iss. 3, s. 187–194

Informacje dodatkowe:

Brak