rpd000007591 (1015253), страница 3

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 3)

Форма организации: Лекция, мастер-класс

Описание: Виды изображений. Форматы изображений. Первичные средства анализа изображений. Знакомство с системой PISOFT. Изображения различной физической природы. Способы получения реальных изображений. Цифровые и аналоговые устройства. Пространственное разрешение. Цветные изображения.

1.2.1. Анализ движения. Выделение движущихся объектов. (АЗ: 2, СРС: 2)

Тип лекции: Информационная лекция

Форма организации: Лекция, мастер-класс

Описание: Разность кадров. Вычитание фона. Анализ оптических потоков. Слежение за движущимися объектами. Корреляционное слежение. сжатие видеоинформации. Сжатие без потерь. Сжатие динамических видеопоследовательностей. Современные форматы хранения цифровых изображений и видеопоследовательностей. Стандарт MPEG4.

1.3.1. Компьютерное распознавание образов. (АЗ: 2, СРС: 2)

Тип лекции: Информационная лекция

Форма организации: Лекция, мастер-класс

Описание: Компьютерное распознавание образов и машинное обучение с учителем. Пространство признаков. Классы. Обучающая и тестовая выборки. Гипотеза компактности. Методы ближайших соседей. Линейные разделители. Максимизация правдоподобия и апостериорной вероятности. Байесовское обучение. Переобучение и регуляризация. Метод опорных векторов. Бустинг. Признаковое описание объектов на изображениях. Автоматическое распознавание целей. Ошибки первого и второго рода. Биометрия. Критерии качества биометрической верификации и идентификации. Дактилоскопия. Методы автоматического обнаружения и распознавания лиц.

Компьютерная классификация и обучение без учителя. Кластерный анализ. Иерархическая группировка. Методы, основанные на теории графов. Снижение размерности. Метрическое шкалирование. Неметрическое шкалирование. Ранжирование.

1.3.2. Нейросетевые методы обработки информации. (АЗ: 2, СРС: 2)

Тип лекции: Информационная лекция

Форма организации: Лекция, мастер-класс

Описание: Нейросетевые методы обработки информации. Модель нейрона. Многослойные нейронные сети. Персептроны. Различные стратегии обучения. Метод обратного распространения ошибки. Ассоциативная память. Сети Хопфилда. Самоорганизующиеся нейронные сети. Сети Кохоненна. Генетические алгоритмы обучения. Задача автоматического распознавания символов. Распознавание печатного и рукописного текста.

1. Практические занятия

1.1.1. Гистограмма и гистограммная обработка. (АЗ: 2, СРС: 2)

Форма организации: Практическое занятие

Описание: Гистограмма и гистограммная обработка. Нормализация. Эквализация. Гистограммная сегментация. Бинаризация. Метод Отсу. Профили и проекции. Бинарное изображение.

1.1.2. Нелинейная фильтрация изображений. (АЗ: 4, СРС: 3)

Форма организации: Практическое занятие

Описание: Нелинейная фильтрация изображений. Фильтрация бинарных изображений. Модель шума «соль и перец». Логическая фильтрация. Ранговая фильтрация. Бинарная медиана. Выделение мелкоразмерных объектов. Нелинейная фильтрация полутоновых изображений. Обобщение методов бинарной фильтрации. Порядковые статистики. Ранговая фильтрация. «Быстрые» алгоритмы ранговой фильтрации. Фильтры, сохраняющие края. Нормализация фона.

1.1.3. Линейная фильтрация изображений. (АЗ: 2, СРС: 3)

Форма организации: Практическое занятие

Описание: Линейная фильтрация изображений. Модель аддитивного гауссовского шума. Линейная фильтрация в пространственной области. Скользящее среднее в окне. «Быстрый» алгоритм вычисления скользящего среднего. Гауссовское сглаживание. Свёртка с произвольной маской. Преобразование Фурье. Линейная фильтрация в частотной области. Вейвлет-преобразования.

1.2.1. Выделение контурных точек (контуров) на полутоновых изображениях. (АЗ: 2, СРС: 3)

Форма организации: Практическое занятие

Описание: Выделение контурных точек (контуров) на полутоновых изображениях. Эвристические методы выделения контуров. Методы, основанные на вычислении производных. Два типа «краёв». Операторы Робертса, Собела, Превитта, Лапласа. Оператор Марра.

1.2.2. Сегментация изображений. Задача выделения связных областей. (АЗ: 2, СРС: 3)

Форма организации: Практическое занятие

Описание: Сегментация изображений. Задача выделения связных областей. Метод «лесного пожара». Двухпроходный алгоритм выделения связных областей. Алгоритм обхода контура. Критерии однородности. Гистограммная сегментация. Сегментация по цвету. Методы слияния/разбиения.

1.2.3. Преобразование Хафа. (АЗ: 2, СРС: 3)

Форма организации: Практическое занятие

Описание: Преобразование Хафа. Нормальная параметризация прямых. Метод голосования точек. Связь с методом Г.М.Т. Связь с согласованной контурной фильтрацией. Выделение других аналитических фигур. Выделение окружностей. Обобщённое преобразование Хафа (GHT).

1.2.4. Математическая морфология Серра (ММ). (АЗ: 2, СРС: 3)

Форма организации: Практическое занятие

Описание: Математическая морфология Серра (ММ). Бинарная морфология. Операторы эрозии, дилатации, открытия и закрытия. Полутоновая ММ. Формальное обобщение операторов на полутоновой случай. Обобщение путем объединения срезовых бинарных операторов. Морфологическое выделение «черт» и объектов. Морфологический спектр.

1.2.5. Математическая морфология Пытьева (МП)/ (АЗ: 2, СРС: 3)

Форма организации: Практическое занятие

Описание: Математическая морфология Пытьева (МП). Обнаружение объектов на основе эталонных изображений. Задача сравнения изображений. Корреляция. Нормированная корреляция. Понятие «формы». Понятие «проекции». Морфологический коэффициент корреляции. Связь морфологического и нормированного коэффициентов корреляции.

1. Лабораторные работы

1.1.1. Исследование цифрового изображения. Гистограмма и гистограммная обработка. Методы бинарной и полутоновой нелинейной и линейной фильтраций. (АЗ: 4, СРС: 8)

Форма организации: Лабораторная работа

Описание: Исследование цифрового изображения. Гистограмма и гистограммная обработка. Профили и проекции. Цвет. Методы бинарной и полутоновой нелинейной и линейной фильтраций. Методы линейной фильтрации в пространственной и частотной области. Вейвлет-преобразования.

1.2.1. Методы сегментации изображений. Методы выделения контуров. Математическая морфология. Морфологический анализ Пытьева. (АЗ: 4, СРС: 8)

Форма организации: Лабораторная работа

Описание: Методы сегментации изображений. Методы выделения контуров. Математическая морфология. Методы сегментации бинарных и полутоновых изображений. Методы выделения контуров. Математическая морфология Серра. Преобразование Хафа. Морфологический анализ Пытьева. Обнаружение объектов на изображениях. Корреляционное сопоставление фрагментов.

1. Типовые задания

Приложение 3
к рабочей программе дисциплины
«Обработка видеоинформации в системах управления »

Прикрепленные файлы

Экзамен (3 семестр).doc

Промежуточная аттестация №1

Экзамен (3 семестр)

Семестр: 3

Вид контроля: Э

Вопросы:

1. Цифровое изображение. Яркость и геометрия. Виды изображений. Форматы изображений. Первичные средства анализа изображений. Геометрические преобразования изображений.

2. Изображения различной физической природы. Ик-датчики. Радары. Лазерные локаторы. Рентгеновские изображения. Ультразвуковые изображения. Томографические изображения.

3. Цветные изображения. Цветовое пространство и восприятие цвета человеком. Различные цветовые пространства. Преобразования цветовых пространств. Сегментация по цвету.

4. Гистограмма. Гистограммная обработка. Нормализация, эквализация. Гистограммная сегментация. Бинаризация. Метод Отсу. Анализ проекций. Анализ профилей.

5. Бинарное изображение. Задача выделения связных областей. Метод "лесного пожара". Двухпроходный алгоритм выделения связных областей. Алгоритм обхода контура.

6. Фильтрация бинарных изображений. Модель шума "соль и перец". Логическая фильтрация. Ранговая фильтрация. Бинарная медиана. Выделение мелкоразмерных объектов. Рекуррентная реализация бинарных фильтров.

7. Нелинейная фильтрация полутоновых изображений. Обобщение методов бинарной фильтрации. Порядковые статистики. Ранговая фильтрация. "быстрые" алгоритмы ранговой фильтрации. Фильтры, сохраняющие края. Нормализация фона.

8. Линейная фильтрация изображений. Модель аддитивного гауссовского шума. Линейная фильтрация в пространственной области. Скользящее среднее в окне. "быстрый" алгоритм вычисления скользящего среднего. Гауссовское сглаживание.

9. Линейная фильтрация в частотной области. Низкочастотная и высокочастотная фильтрация. Теорема о свертке. Вейвлет-анализ.

10. Выделение контуров на полутоновых изображениях. Методы, основанные на вычислении производных. Операторы Робертса, Собела, Превитта, Лапласа, Марра.

11. Сегментация изображений. Выделение областей. Критерии однородности. Гистограммная сегментация. Сегментация по цвету. Методы слияния/разбиения.

12. Преобразование Хафа. Нормальная параметризация прямых. Метод голосования точек. Связь с методом г.м.т. Выделение окружностей. Обобщенное преобразование Хафа (ght).

13. Математическая морфология Серра (мм). Бинарная морфология. Операторы эрозии, дилатации, открытия и закрытия. Теоретико-множественный формализм мм. Морфологическое выделение "черт" и объектов. Морфологический спектр.

14. Полутоновая математическая морфология Серра. Модель "тени". Формальное обобщение операторов на полутоновой случай. Обобщение путем объединения срезовых бинарных операторов.

15. Математическая морфология Пытьева (мп). Понятие "формы". Понятие "проекции". Морфологический коэффициент корреляции.

16. Анализ движения. Выделение движущихся объектов. Разность кадров. Вычитание фона. Анализ оптических потоков. Слежение за движущимися объектами. Корреляционное слежение.

17. Сжатие видеоинформации. Сжатие без потерь. Сжатие динамических видеопоследовательностей. Современные форматы хранения цифровых изображений и видеопоследовательностей. Стандарт mpeg4.

18. Задача автоматического распознавания образов. Обучение с учителем. Пространство признаков. Классы. Обучающая и тестовая выборки. Гипотеза компактности. Методы ближайших соседей. Переобучение и регуляризация.

19. Задача автоматического распознавания образов. Обучение с учителем. Статистические методы. Линейные разделители. Максимизация правдоподобия и апостериорной вероятности. Байесовское обучение. Автоматическое распознавание. Ошибки первого и второго рода.

20. Обучение без учителя. Кластерный анализ. Иерархическая группировка. Методы, основанные на теории графов.

21. Структурное описание и распознавание объектов. Формальные теории и исчисление предикатов. Логическое программирование. Пролог. Модели представления знаний: базы фактов, фреймы и семантические сети. Экспертные системы. Нечеткие логики. Байесовское объединение свидетельств. Анализ свидетельств на изображениях.

Версия: AAAAAAS+Z1g Код: 000007591

Характеристики

Список файлов учебной работы