Detail předmětu

Počítačové vidění

POV Ak. rok 2006/2007 zimní semestr 5 kreditů

Aktuální akademický rok

Seznámení se principy a metodami počítačového vidění, metody a způsoby snímání scény, metody předzpracování (statistické zpracování) obrazu, metody filtrace, vyhledávání vzorů ("pattern recognition"), integrální transformace - Fourierova transformace, morfologie obrazu, klasifikátory, automatické třídění, 3D metody počítačového vidění, otevřené problémy počítačového vidění.

Garant předmětu

Jazyk výuky

česky

Zakončení

zkouška

Rozsah

  • 26 hod. přednášky
  • 26 hod. projekty

Zajišťuje ústav

Získané dovednosti, znalosti a kompetence z předmětu

Studenti se seznámí s principy a metodami počítačového vidění. Naučí se detailně vybraným metodám a způsobům snímání scény. Seznámí se i s možnostmi zpracování nasnímaných dat a reprezentací výsledků. Naučí se aplikovat získané znalosti prakticky formou projektů.

Studenti se zdokonalí v týmové práci, matematice a použití jazyka C.

Cíle předmětu

Seznámit se s principy a metodami počítačového vidění. Naučit se detailně vybraným metodám a způsobům snímání scény. Seznámit se s možnostmi zpracování nasnímaných dat a reprezentací výsledků. Naučit se aplikovat získané znalosti prakticky formou projektů.

Požadované prerekvizitní znalosti a dovednosti

Nejsou žádné prerekvizity.

Literatura studijní

  • Žára, J., kol.: Počítačová grafika-principy a algoritmy, Grada, 1992, ISBN 80-85623-00-5
  • Forsyth, D. A., Ponce, J.: Computer Vision A Modern Approach, Prentice Hall, New Jersey, USA, 2003, ISBN 0-13-085198-1

Literatura referenční

  • Horn, B.K.P.: Robot Vision, McGraw-Hill, 1988, ISBN 0-07-030349-5
  • Hlaváč, V., Šonka, M.: Počítačové vidění, Grada, 1993, ISBN 80-85424-67-3 
  • Russ, J.C.: The IMAGE PROCESSING Handbook, CRC Press, 1995, ISBN 0-8493-2532-3
  • Bass, M.: Handbook of Optics, McGraw-Hill, New York, USA, 1995, ISBN 0-07-047740-X

Osnova přednášek

  1. Úvod, motivace, základní principy, aplikace
  2. Segmentace, analýza barev, analýza histogramu, clustering
  3. Analýza a extrakce příznaků z textur
  4. Shlukování, statistické metody
  5. Křivky, parametrizace křivek
  6. Detekce geometrických tvarů, Houghova transformace, RHT
  7. Rozpoznávání vzorů (statistické, strukturní)
  8. Klasifikátory (AdaBoost, neurony...), automatické třídění
  9. Detekce a parametrizace objektů v obraze
  10. Geometrické transformace, RANSAC aplikace
  11. Analýza pohybu, sledování objektů
  12. 3D metody počítačového vidění, registrace, rekonstrukce
  13. Závěr, optimalizace, otevřené problémy počítačového vidění

Průběžná kontrola studia

Hodnocení studia je založeno na bodovacím systému. Pro úspěšné absolvování předmětu je nutno dosáhnout 50 bodů.

Kontrolovaná výuka

Půlsemestrální test, individuální projekt.

Nahoru