Основы теории обработки изображений

Описание: Дисциплина посвящена изучению принципиальных вопросов в теории обработки изображений (формирования, ввода, представления в компьютере и визуализации). Знакомит магистрантов с алгоритмами обработки изображений и видео, как классическими, так и опирающихся на современные архитектуры нейронных сетей глубоко обучения. Рассматриваются вопросы построения математических моделей обработки изображений. Описываются оптимальные и квазиоптимальные решения основных задач обработки изображений (фильтрация, обнаружение, совмещение и распознавание). Особое внимание уделяется адаптивным методам обработки.

Количество кредитов: 6

Пререквизиты:

• Автоматизация технических систем
• Линейные системы автоматического регулирования

Трудоемкость дисциплины:

Компонент: Компонент по выбору

Цикл: Профилирующие дисциплины

Цель

• формирование у магистрантов теоретических знаний и практических навыков в решении задач, возникающих при разработке систем обработки и анализа изображений, умений самостоятельной работы с программными средствами обработки изображений.

Задача

• ознакомление с основными направлениями развития данной области знаний,
• изучение методов и алгоритмов обработки цифровых изображений,
• приобретение навыков решения прикладных задач, связанных с обработкой изображений.

Результат обучения: знание и понимание

• извлекать теоретические знания о математическом и алгоритмическом аппарате, используемом в современных системах обработки и анализа изображений;

Результат обучения: применение знаний и пониманий

• применять базовые научно-теоретические знания для решения теоретических и практических задач обработки и анализа изображений;

Результат обучения: формирование суждений

• выбирать методы и технологии распознавания образов для построения формальных математических моделей и интерпретации результатов моделирования при решении прикладных задач в различных областях;

Результат обучения: коммуникативные способности

• демонстрировать результаты инженерной и исследовательской деятельности коллегам;

Результат обучения: навыки обучения или способности к учебе

• применять систему знаний о современных методах и подходах к решению типовых задач обработки и анализа изображений в интеллектуальных системах управления;
• применять различные программные инструменты обработки и анализа изображений, построения формальных математических моделей.

Методы преподавания

интерактивная лекция (применение следующих активных форм обучения: ведомая (управляемая) дискуссия или беседа;

информационно-коммуникационная (занятия в компьютерном классе с использованием профессиональных пакетов прикладных программ);

поисково-исследовательская (самостоятельная исследовательская деятельность в процессе обучения)

Оценка знаний обучающегося

Преподаватель проводит все виды работ текущего контроля и выводит соответствующую оценку текущей успеваемости обучающихся два раза в академический период. По результатам текущего контроля формируется рейтинг 1 и 2. Учебные достижения обучающегося оцениваются по 100-балльной шкале, итоговая оценка Р1 и Р2 выводится как средняя арифметическая из оценок текущей успеваемости. Оценка работы обучающегося в академическом периоде осуществляется преподавателем в соответствии с графиком сдачи заданий по дисциплине. Система контроля может сочетать письменные и устные, групповые и индивидуальные формы.

Политика оценивания результатов обучения по видам работ

Форма оценки

Итоговая оценка знаний обучающего по дисциплине осуществляется по 100 балльной системе и включает:

• 40% результата, полученного на экзамене;
• 60% результатов текущей успеваемости.

Формула подсчета итоговой оценки:

 

где, Р₁, Р₂ – цифровые эквиваленты оценок первого, второго рейтингов соответственно; Э – цифровой эквивалент оценки на экзамене.

Итоговая буквенная оценка и ее цифровой эквивалент в баллах:

Буквенная система оценки учебных достижений обучающихся, соответствующая цифровому эквиваленту по четырехбалльной системе:

Темы лекционных занятий

• Постановка задачи распознавания изображений
• Точечные операции обработки изображений
• Пространственные операции над изображениями
• Алгебраические и геометрические операции над изображениями
• Морфологические преобразования изображений
• Генерация признаков на основе линейных преобразований
• Дискретное преобразование Фурье
• Вейвлет-преобразование изображений
• Генерация признаков формы на основе анализа границ изображения
• Генерация признаков формы на основе построения и анализа скелетов изображения
• Построение меры сходства изображений

Основная литература

• Гонсалес Р., Вудс Р. Цифровая обработка изображений.: Пер. с англ. – М.: Техносфера, 2012. – 1104 с.
• Шапиро Л., Стокман Дж. Компьютерное зрение: Пер. с англ. – М.: БИНОМ. Лаборатория знаний, 2015. – 763 с.
• Томакова, Р. А. Методы и алгоритмы цифровой обработки изображений: учебное пособие / Р. А. Томакова, Е. А. Петрик; Юго-Зап. гос. ун-т. - Курск : Университетская книга, 2020. - 310 с.

Дополнительная литература

• Фисенко В.Т. Компьютерная обработка и распознавание изображений.: учеб. пособие / В.Т. Фисенко, Т.Ю. Фисенко. – Санкт-Петербург: НИУ ИТМО, 2008.– 192 с.
• Крашенинников, В. Основы теории обработки изображений: учеб.пособие / В.Р. Крашенинников; М-во образования Рос. Федерации, Ульян. гос. техн. ун-т. - Ульяновск: 2003. - 151 с.
• Гук А.П. Методы и технологии распознавания объектов по их изображению: учебно-методическое пособие / А.П.Гук, Е.П.Хлебникова. – Новосибирск: СГУГиТ, 2019. – 138 с.
• Гонсалес Р. Цифровая обработка изображений в среде MATLAB / Р. Гонсалес, Р. Вудс, С. Эддинс. – М.:Техносфера, 2006. – 615с.