čeština

Pro zápis tohoto předmětu jsou vyžadovány následující znalosti:
1) Zpracování a analýza signálů (teorie analogových a digitálních signálů, filtrace, Fourierova a vlnková transformace, spektrální analýza).
2) Zpracování a analýza obrazů a dalších vícerozměrných signálů (teorie nD signálů, metody restaurace obrazů, metody segmentace obrazů, texturní analýza, metody rekonstrukce obrazových dat).
3) Základní znalosti metod strojového učení a statistické analýzy (lineární klasifikátory, shlukovací metody, neuronové sítě, SVM, PCA, teorie pravděpodobnosti).
4) Matematika na úrovni technické vysoké školy (derivace, integrály, řešení integrodiferenciálních rovnic, optimalizační úlohy).

Výuka probíhá blokově - 7 týdnů po 7 hodinách + 3 hodiny. Přednašky jsou vedeny formou povinných seminářů, které bezprostředně navazují na povinná počítačová cvičení (řešení společných projektů ve skupinách formou heckatonů).

1. Pokročilé metody pro potlačení šumu (anizotropní difuze, totální variace).
2. Vybrané metody restaurace obrazů (modely zkreslení, slepá dekonvoluce, Tikhonovská regularizace).
3. Detekce význačných bodů a extrakce příznaků (SIFT, SURF).
4. Stereoskopie, metody kalibrace kamer, odhad disparitní mapy, rekonstrukce 3D objektů.
5. Pokročilé metody pro lícování obrazů (flexibilní přístupy, korespondence značek, metoda ICP).
6. Metody sledování objektů a detekce pohybu založené na optickém toku.
7. Pokročilé metody segmentace obrazů (grafově založené metody a markovská náhodná pole).

Jan, J.: Medical Image Processing,Reconstruction and Restoration, CRC Taylor and Francis, 2006 (CS)
Kundur, D., Hatzinakos, D.: Blind image deconvolution, IEEE Signal processing magazine, 1996, pp. 43-64 (CS)
Rudin, L. I. et al.: Nonlinear total variation based noise removal algorithms, Physica D vol. 60, 1992, pp. 259-268 (CS)