Detail předmětu

Analýza signálů a obrazů

FEKT-MASOAk. rok: 2015/2016

Časově frekvenční analýza, vlnková transformace. Spojitá a diskretní reprezentace obrazů, 2D transformace, náhodný obraz. Zvýrazňování a edice obrazů, úvod do restaurace poškozených obrazů. Metody rekonstrukce obrazů z paralelních a vějířových tomografických projekcí. Analýza obrazu: detekce hran, hranic a oblastí, segmentace obrazu. Morfologické transformace, vizualizace 2D a 3D obrazových dat. Technické, medicínské a ekologické aplikace.

Jazyk výuky

čeština

Počet kreditů

5

Garant předmětu

prof. Ing. Jiří Jan, CSc.

Zajišťuje ústav

Ústav biomedicínského inženýrství (UBMI)

Výsledky učení předmětu

Absolvent předmětu je schopen:
- se orientovat v teoretických principech metod analýzy signálů a zejména obrazů i v praktických aspektech jejich implementace
- navrhovat postupy a poskytnout v těchto záležitostech konzultace,
- aplikovat související programy včetně komerčního softwaru a příp. programovat samostatně navržené související algoritmy,
- být platným členem interdisciplinárního týmu ve věci analýzy obrazů a signálů.

Prerekvizity

Jsou požadovány znalosti na úrovni bakalářského studia, zejména matematiky a číslicového zpracování signálů

Plánované vzdělávací činnosti a výukové metody

Metody vyučování závisejí na způsobu výuky a jsou popsány článkem 7 Studijního a zkušebního řádu VUT. Metody vyučování zahrnují přednášky a cvičení na počítači. Předmět využívá e-learning (Moodle). Student odevzdává samostatný projekt.

Způsob a kritéria hodnocení

Podmínky pro úspěšné ukončení předmětu upřesňuje každoročně aktualizovaná vyhláška garanta předmětu;
v zásadě
- získání zápočtu na základě aktivní účasti na demonstračních cvičeních (až 24 bodů, min. 12 bodů),
- úspěšné složení písemné závěrečné zkoušky (až 76 bodů)

Osnovy výuky

1. Časově-frekvenční analýza signálů, vlnkové transformace.
2. Spojitá reprezentace obrazů, 2D transformace, náhodný obraz.
3. Diskretní reprezentace obrazů, vzorkování, 2D diskretní transnformace, diskretní operátory.
4. Zvýrazňování a edice obrazů - transformace kontrastu a barevné stupnice.
5. Maskové operátory, zostřování, potlačování šumu a rušení, geometrické operace.
6. Úvod do restaurace zkreslených obrazů.
7. Lokální parametry, texturní analýza a parametrický obraz.
8. Segmentace obrazů podle homogenity, regionově orientovaná segmentace.
9. Segmentace obrazů na základě hranové reprezentace a Houghova transformace.
10. Segmentace metodou rozvodí, pružnýni konturami a úrovňovými množinami (level sets)
11. Zobecněné morfologické transformace.
12. Metody rekonstrukce obrazů z paralelních a vějířových tomografických projekcí v originální a spektrální oblasti.
13 Nelineární analýza a filtrace obrazů, neuronové klasifikátory.

Učební cíle

Cílem předmětu je poskytnout studentům znalosti o časově frekvenční analýze signálů a zejména o číslicovém zpracování a analýze obrazů.

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 (viz Rozvrhové jednotky).
V zásadě:
- povinné počítačové cvičení
- nepovinná přednáška

Základní literatura

Jan, J.: Medical Image Processing, Reconstruction and Restoration, CRC Press 2005
J.Jan: Číslicová filtrace, analýza a restaurace signálů. VUTIUM 2002
J.Jan: Digital Signal Filtering, Analysis and Restoration. IEE Publishing, London, UK, 2000,

Doporučená literatura

A.K.Jain:Fundamentals of Digital Image Processing, Prentice Hall Int. Edit., 1989
A.Rosenfeld, A.C.Kak:Digital Picture Processing (2nd ed.), Acad. Press 1982
Banks, S., Signal Processing, Image Processing and Pattern Recognition. Prentice Hall Int. (UK) Ltd., 1990
Gonzales, R.C. , Wintz, P.: Digital Image Processing. 2nd ed. Addison-Wesley Publ.Comp. 1987
W.K.Pratt:Digital Image Processing (2nd ed.),J.Wiley 1992

Zařazení předmětu ve studijních plánech

  • Program EEKR-M1 magisterský navazující

    obor M1-KAM , 2 ročník, zimní semestr, volitelný mimooborový
    obor M1-BEI , 1 ročník, zimní semestr, povinný
    obor M1-EST , 1 ročník, zimní semestr, volitelný mimooborový

  • Program EEKR-M magisterský navazující

    obor M-KAM , 2 ročník, zimní semestr, volitelný mimooborový
    obor M-BEI , 1 ročník, zimní semestr, povinný
    obor M-EST , 1 ročník, zimní semestr, volitelný mimooborový

  • Program EEKR-CZV celoživotní vzdělávání (není studentem)

    obor ET-CZV , 1 ročník, zimní semestr, povinný

Typ (způsob) výuky

 

Přednáška

39 hod., nepovinná

Vyučující / Lektor

prof. Ing. Jiří Jan, CSc.

Osnova

Časově frekvenční analýza signálů, vlnkové transformace
Spojitá reprezentace obrazů, lineární 2D systémy, 2D spektra
Diskretní reprezentace obrazů, 2D diskretní operátory, separabilní a konvoluční operátory
Diskretní 2D transformace: DFT, kosínová a sínová, Hadamardova,Haarova transformace
Zvýrazňování obrazů, edice a geometrické operace
Potlačování šumu a rušivých artefaktů v obrazech
Úvod do formalizované restaurace obrazů, pseudoinverzní filtrace
Tomografická rekonstrukce obrazů z projekcí - podstata algebraických metod, metod ve frekvenční oblasti a metody filtrované zpětné projekce
Nelineární analýza signálů a obrazů - homomorfická a mediánová filtrace
Základy analýzy a filtrace signálů a obrazů neuronovými sítěmi
Segmentace obrazu, detekce hran, hranic a oblastí
Analýza pohybu a hloubkového rozměru. Vizualizace 3D a 4D obrazových dat.
Aplikace analýzy obrazů v technice, medicíně a ekologii

Cvičení na počítači

13 hod., povinná

Vyučující / Lektor

Ing. Roman Jakubíček, Ph.D.
Ing. Jiří Chmelík, Ph.D.

Osnova

Seznámení s prostředím MATLAB - Image Processing Toolbox
Vlnková analýza komplikovaných signálů
Experimentální pořizování obrazových dat. Základní operace s obrazem v originální oblasti
Generování diskretních náhodných polí
2D diskretní systémy, ověření charakteristik
2D DFT, spektra obrazů
Zvýrazňování kontrastu a barev, ekvalizace histogramu
Zostřování obrazů a potlačování šumu
Identifikace zkreslení, návrh a ověření modifikované inverzní filtrace
Experimentální Radonova transformace a aproximativní rekonstrukce z projekcí na základě řezového teorému
Aproximativní rekonstrukce z projekcí filtrovanou zpětnou projekcí
Základní metody segmentace obrazu, texturní analýza
Práce s obrazovými daty v běžných komprimovaných formátech