Курс Vсеместры 10 (весенний) лекции 16 часов экзамен нет

Вид материала

Лекции

Содержание Всего часов Заведующий кафедрой I. Организационно-методический раздел. 3. Место курса в профессиональной подготовке выпускника. 4. Требования к уровню освоения содержания курса. III. Перечень примерных контрольных вопросов и заданий для самостоятельной работы. VI. Распределение часов курса по темам и видам работ.

Подобный материал:

• Курс Vсеместры 9 (осенний), 10 (весенний) лекции 66 часов Экзамен 10 семестр (весенний), 40.04kb.
• Курс Vсеместры 10 (весенний) лекции 16 часов Экзамен 10 семестр (весенний), 44.95kb.
• Курс IV семестры 8 (весенний) лекции 16 часов Экзамен 8 семестр (весенний), 30.19kb.
• Курс Vсеместры 9 (осенний) лекции 17 часов Экзамен 9 семестр (осенний), 86.23kb.
• Курс Vсеместры 9 (осенний) лекции 17 часов Экзамен 9 семестр (осенний), 69.52kb.
• Курс Vсеместры 9 (осенний) лекции 17 часов Экзамен 9 семестр (осенний), 30.62kb.
• Курс IV семестры 7, 8 лекции 49 часов Экзамен нет семинары 16 часов Зачет с оценкой, 43.5kb.
• Курс II семестр 4 Трудоёмкость: базовая часть 0 часов вариативная часть 0 часов, 107.5kb.
• Семестр Весенний Весенний лекции 24 часа 0,67 кредита Лабораторные з анятия 24 часа, 298.22kb.
• Курс 3 Семестр 2 Лекции (часов) 32 Сем занятия (часов) 32 Всего часов: 64 Экзамен (семестр), 699.59kb.

министерство образования и науки российской федерации

Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Московский физико-технический институт (государственный университет)»


УТВЕРЖДАЮ

проректор по учебной работе

Ю.Н. Волков


«___» _____________ 20___ г.

П Р О Г Р А М М А

курса ОБРАБОТКА ИЗОБРАЖЕНИЙ

по направлению 010900 «Прикладные математика и физика»

по магистерским программам 010990

факультет управления и прикладной математики (ФУПМ)

кафедра предсказательного моделирования и оптимизации

курс V

семестры 10 (весенний)

лекции 16 часов экзамен нет

семинары нет зачёт дифф. 10 семестр (весенний)

лабораторные занятия 16 часов

самостоятельная работа 2 часа в неделю

ВСЕГО ЧАСОВ 32

Программу составил: к.ф.-м.н. Николаев Д.П.

Программа обсуждена на заседании кафедры

предсказательного моделирования и оптимизации

14 марта 2011 года

Заведующий кафедрой

чл.-корр. РАН А.П. Кулешов


Программа обсуждена на заседании методического

совета ФУПМ 20 апреля 2011 года


Председатель методического совета

чл.-корр. РАН Ю.А. Флёров

I. Организационно-методический раздел.

1. Цель курса – изучение современных алгоритмов интеллектуального анализа и обработки изображений.


2. Основными задачами курса являются:

– изучение моделей формирования, представления и искажения изображений;

– освоение математического аппарата обработки изображений;

– освоение основных алгоритмов цифровой обработки, восстановления, анализа, классификации и распознавания изображений.


3. Место курса в профессиональной подготовке выпускника.

Для усвоения курса «Обработка изображений» желательно знание принципов построения алгоритмов и структур данных, вычислительной математики, дискретной математики и математической статистики. Как минимум, необходимо знание основ программирования и математического анализа.


4. Требования к уровню освоения содержания курса.

В результате усвоения учебной дисциплины «Обработка изображений» студент должен знать:

• методологию и терминологию дисциплины;
  
• механизмы формирования, представления и искажения изображений;
  
• принципы построения алгоритмов обработки изображений;
  
• стандартные методы синтеза, восстановления, анализа, классификации и распознавания изображений;
  

уметь:

• применять на практике изученные подходы и алгоритмы;
  
• разрабатывать и программировать специализированные алгоритмы обработки данных.
  

II. Содержание курса.

1. Разделы курса.

1. Введение.

2. Формирование и представление изображений.

3. Обработка изображений.

4. Восстановление изображений.

5. Анализ изображений.

2. Краткое содержание разделов.

Раздел 1. Введение в обработку изображений.

Примеры изображений. Постановки задач обработки изображений. Прикладные области. Математический аппарат: элементы линейной алгебры, дискретной математики, математической статистики, численных методов, теории сложности вычислений, интегральных преобразований, дифференциальных уравнений в частных производных.

Среда численного моделирования MatLab/Octave. Пакет обработки изображений Image Processing Toolbox.

Раздел 2. Формирование и представление изображений.

Принципы цветного зрения. Спектральное и цветовые пространства. Системы цветовых координат XYZ, CIE Lab. Регистрация изображений. Цветовые системы RGB, HSI.

Растровое представление. Признаковое представление. Объектное («векторное») представление. Однобитные (чёрно-белые) изображения. Скалярные (серые) изображения. Векторные (цветные) изображения. Муаровый эффект.

Плоские изображения. Основы цветосмешения. Цветовая система CMY(K). Закон Бугера-Ламберта-Бера. Изображения трёхмерных объектов. Линейная модель формирования.

Раздел 3. Обработка изображений.

Сдвиг и поворот изображения. Масштабирование. Аффинное и проективное преобразования. Проблема повторной дискретизации.

Свёртки. Вычисление свёрток через БПФ. Быстрые свёртки с полиномами. Алгоритм Дерише. Дифференцирование изображения. Псевдоградиент Ди Зензо.

Морфологические операции. Размыкание (opening) и замыкание (closing). Алгоритм Ван Херка.

Задача цветоредукции. Метод К-средних. Метод медианного сечения. Метод восьмеричного дерева (quad-tree). Кластеризация в цветовом пространстве. Формовка шума.

Задача цветоклассификации. Бинаризация изображений. Методы глобальной, локальной и адаптивной бинаризации. Метод двух средних. Метод Отсу. Метод Ниблэка. Нечёткая бинаризация. Бинаризация однобитных изображений.

Раздел 4. Восстановление изображений.

Задача обращения аппаратной функции. Рефокусировка. Томография.

Задача шумоподавления. Нормальный, импульсный и периодический (муар) шум.

Алгебраический метод. Винеровская фильтрация. Байесовский подход. Морфологический подход.

Сглаживание с сохранением границ. Медианная фильтрация. Взвешенная медиана. Быстрая медианная фильтрация. Адаптивные алгоритмы. Анизотропная диффузия. Билатеральная фильтрация.

Реконструкция по псевдолапласиану. Визуализация мультиспектральных изображений. Маскирование границ.

Раздел 5. Анализ изображений.

Частотный анализ и фильтрация сигнала. Фурье-анализ. Преобразование Фурье с окном. Всплеск (wavelet) -анализ. Частотно-временное окно. Преобразование Хаара.

Классификация изображений. Анализ цветовых распределений. Инвариантные описания изображения.

Локализация объектов. Корреляционный анализ. Ориентация объектов. Быстрое преобразование Хафа. Обобщённое преобразование Хафа. Идентификация объектов. Алгоритм динамической трансформации временной шкалы. Поиск особых точек. Особые точки, инвариантные к масштабированию. Сопоставление изображений. Максимальное взвешенное паросочетание.

Объектная сегментация изображений. Цветовая сегментация. Текстурная сегментация. Структурный тензор. Фильтры Габора. Выделение границ. Метод Канни. Граничный тензор. Замыкание границ. Алгоритмы поиска кратчайшего пути. Метод водоразделов. Методики слияния областей, разрезания областей, соревнования областей.

Сжатие изображений. Сжатие без потерь: RLE (PCX, TIFF), Хаффмана (TIFF), LZW (TIFF, GIF, PNG), арифметическое кодирование. Сжатие с потерями: косинусное преобразование (JPEG), вcплеск-преобразование (DjVu). Специализированные алгоритмы: CCITT Fax 4, DjVu.

III. Перечень примерных контрольных вопросов и заданий для самостоятельной работы.

См. раздел V настоящей программы.

IV. Примерная тематика рефератов и курсовых работ.

Не предусмотрены.

V. Примерный перечень вопросов к экзамену.

1. Дисциплина обработки изображений. Примеры, постановки, приложения. Математический аппарат, среды разработки.

2. Формирование изображений. Принципы зрения человека и регистрации изображений техническими средствами. Изображения плоских и трёхмерных объектов. Основы цветосмешения и линейная модель формирования.

3. Представление изображений. Растровое, признаковое и объектное представление. Однобитные, скалярные и векторные изображения. Спектральное и цветовые пространства, системы цветовых координат.

4. Обработка изображений. Поворот и масштабирование изображения. Свёртки, в т. ч. быстрые. Сглаживание с сохранением границ. Морфологические операции, в т. ч. быстрые.

5. Преобразование изображений. Дифференцирование скалярных и векторных изображений. Задача цветоредукции: методы, их свойства. Методы глобальной, локальной и адаптивной бинаризации изображений.

6. Восстановление изображений. Задача обращения аппаратной функции. Томография. Задача шумоподавления. Основные методы восстановления изображений.

7. Анализ изображений. Частотный анализ и фильтрация сигнала. Всплеск-анализ. Классификация изображений. Анализ цветовых распределений. Кластеризация в цветовом пространстве. Инвариантные описания изображения.

8. Идентификация объектов на изображении. Корреляционный анализ. Обобщённое преобразование Хафа. Объектная, цветовая и текстурная сегментация изображений. Основные методы, в т.ч. анализирующие края.

9. Сжатие изображений. Сжатие без потерь. Сжатие с потерями. Специализированные документ-ориентированные алгоритмы.

VI. Распределение часов курса по темам и видам работ.

	Наименование разделов	Всего (часов)	Аудиторные занятия		Самостоятельная работа (часов)
			Лекции	семинары, практические занятия
1	Введение	2	1	1	-
2	Формирование изображений	2	1	1	-
3	Обработка изображений	10	5	5	-
4	Восстановление изображений	10	5	5	-
5	Анализ изображений	8	4	4	-
	Итого	32	16	16	-

VII. Учебно-методическое обеспечение курса.

СПИСОК ЛИТЕРАТУРЫ

1. Гонзалес Р., Вудс Р. Цифровая обработка изображений. М.: Техносфера, 2006.

2. Гонсалес Р., Вудс Р., Эддинс С. Цифровая обработка изображений в среде MATLAB. М.: Техносфера, 2006.

3. Яне Б. Цифровая обработка изображений. М.: Техносфера, 2007.

4. Прэтт У. Цифровая обработка изображений. В 2-х т. М.: Мир, 1982.

5. Пытьев Ю.П., Чуличков А.И. ЭВМ анализирует форму изображения. М.: Знание, 1988.