Start » Teaching » Offered Courses »
Cyfrowe przetwarzanie obrazów
Charakterystyka przedmiotu
| Wykład | Laboratorium | |
|---|---|---|
| Dr Andrzej Kordecki | Dr Andrzej Kordecki | |
| Numer i typ przedmiotu | Poziom i semestr studiów | Rodzaj zajęć i punkty ECTS |
| 1130-AR000-MSP-1016 Przedmiot kierunkowy (RiA) |
Studia magisterskie, sem. I | W – 1, L – 1 ECTS - 3 |
Materiały do pobrania
Wymagania wstępne
- Znajomość podstawowych zagadnień analizy matematycznej i algebry.
- Znajomość statystyki, metod optymalizacji i sieci neuronowych.
- Znajomość podstaw z zakresu programowania w języku Python.
Cele przedmiotu
- Zdobycie wiedzy i umiejętności w obszarze grafiki rastrowej, przestrzeni barw i polepszenia jakości obrazów.
- Zdobycie wiedzy i umiejętności w obszarze metod filtracji liniowej, filtracji nieliniowej, detekcji krawędzi oraz operacji morfologicznych na obrazach.
- Zdobycie wiedzy i umiejętności w obszarze segmentacji, klasyfikacji i detekcji obiektów w obrazach.
- Zdobycie wiedzy i umiejętności w obszarze miar oceny wyników przetwarzania obrazów.
Program przedmiotu
- Wstęp do wizji komputerowej
- Poprawa jakości obrazów: histogram i filtracja,
- Detekcja krawędzi, binaryzacja i morfologia,
- Klasyczna detekcja obiektów, współczynniki jakości w wizji komputerowej
- Wstęp do sieci neuronowych, sieci neuronowe w klasyfikacji obiektów w obrazach,
- Sieci neuronowe w segmentacji i detekcji obiektów w obrazach,
Zalecane lektury
- R. Gonzalez, R. Woods, Digital Image Processing, 4th edition, Pearson (2018),
- W. Pratt, Digital Image Processing, Wiley (2007),
- Goodfellow, Y. Bengio, Courville A., Deep Learning, MIT Press (2016).
- D. Sankowski, W. Mosorow, K. Strzecha, Przetwarzanie i analiza obrazów w systemach przemysłowych. Wybrane zastosowania, PWN (2012).
- Artykuły związane z zastosowanie konwolucyjnych sieci neuronowych w przetwarzaniu obrazów przedstawione podczas wykładów.