Detail předmětu

Počítačové vidění

FEKT-MPOVAk. rok: 2011/2012

Viz "Osnova".

Jazyk výuky

čeština

Počet kreditů

6

Garant předmětu

Ing. Karel Horák, Ph.D.

Zajišťuje ústav

Ústav automatizace a měřicí techniky (UAMT)

Výsledky učení předmětu

Znalost teorie počítačového vidění.

Prerekvizity

Jsou požadovány znalosti na úrovni bakalářského studia.

Plánované vzdělávací činnosti a výukové metody

Metody vyučování závisí na způsobu výuky a jsou popsány článkem 7 Studijního a zkušebního řádu VUT.

Způsob a kritéria hodnocení

Laboratorní cvičení + projekt: 40 bodů (požadavek připuštění ke zkoušce - min. 20 bodů).
Písemná zkouška: 60 bodů (požadavek ukončení předmětu - min. 20 bodů).
Podmínky pro úspěšné ukončení předmětu stanoví každoročně aktualizovaná vyhláška garanta předmětu.

Osnovy výuky

1. Úvod do počítačového vidění.
2. Předzpracování obrazu.
3. Integrální transformace I.
4. Integrální transformace II.
5. Segmentace a detekce geometrických primitiv.
6. Regionální segmentace a shlukování.
7. Popis objektů.
8. Matematická morfologie.
9. Klasifikátory a automatické třídění.
10. Lokální příznaky a korespondence.
11. Porozumění obsahu obrazu.
12. Analýza pohybu.

Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky

Vymezení kontrolované výuky a způsob jejího provádění stanoví každoročně aktualizovaná vyhláška garanta předmětu.

Doporučená literatura

Russ J.C.: The Image Processing Handbook. CRC Press 1995. ISBN 0-8493-2516-1. (EN)
Sonka M., Hlavac V., Boyle R.: Image Processing, Analysis and Machine Vision. Thomson 2008. ISBN 978-0-495-08252-1. (EN)

Zařazení předmětu ve studijních plánech

  • Program EEKR-M magisterský navazující

    obor M-KAM , 1 ročník, zimní semestr, volitelný oborový

  • Program EEKR-CZV celoživotní vzdělávání (není studentem)

    obor ET-CZV , 1 ročník, zimní semestr, volitelný oborový

Typ (způsob) výuky

 

Přednáška

39 hod., nepovinná

Vyučující / Lektor

Ing. Miloslav Richter, Ph.D.
Ing. Petr Petyovský, Ph.D.
Ing. Karel Horák, Ph.D.

Osnova

Úvod, aplikace počítačového vidění
Základní principy počítačového vidění
Metody a způsoby snímání scény
Reprezentace obrazových dat a jejich vlastnosti
Předzpracování obrazu, statistické metody
Integrální transformace obrazu - Fourierova transformace
Vlastnosti Fourierovy transformace, rychlá Fourierova transformace obrazu
Waveletová transformace obrazu
Diskrétní cosinová transformace, L-V transformace
Morfologie obrazu
Klasifikátory, automatické třídění
3D metody počítačového vidění
Závěr, otevřené problémy počítačového vidění

Laboratorní cvičení

26 hod., povinná

Vyučující / Lektor

Ing. Tomáš Babinec
Ing. Pavel Číp

Osnova

Individuálně zadávané projekty v době trvání celého kurzu