Detail předmětu

Fundamentals of Image Processing

FEKT-MPA-FIPAk. rok: 2024/2025

Úvodem předmětu se studenti seznámí s teorií digitalizace obrazových dat, jejich počítačovou reprezentací a datovými formáty. Dále bude následovat popis funkce 2D operátorů pro lineární a nelineární filtraci obrazů s konkrétními příklady jejich použití. Následně se studenti seznámí se základními metodami rozpoznávání vzorů a objektů v obrazech, segmentací obrazů, sledováním objektů, principy stereoskopie a rekonstrukce 3D objektů. Závěrem budou vysvětleny základní principy moderních metod využívající strojové učení (neuronové sítě, hluboké učení pro regresi, klasifikaci a segmentaci). 

Jazyk výuky

angličtina

Počet kreditů

5

Vstupní znalosti

Jsou požadovány znalosti matematiky (derivace, integrály, maticový a vektorový počet), základů programování a základů zpracování signálů. 

Pravidla hodnocení a ukončení předmětu

Hodnocení výuky bude probíhat v rámci praktických počítačových cvičení, průběžných testů, projektů a závěrečné zkoušky. Přesné bodové hodnocení výuky a způsob jejího provádění stanoví každoročně aktualizovaná vyhláška garanta předmětu. Závěrečná zkouška je realizována kombinovanou formou. 
Vymezení kontrolované výuky a způsob jejího provádění stanoví každoročně aktualizovaná vyhláška garanta předmětu. 

Učební cíle

Cílem předmětu je seznámení studentů se základními metodami zpracování a analýzy digitálních obrazových dat, základními operacemi s obrazy a koncepty moderních metod používaných v oblasti autonomního řízení vozidel, ukázat příklady a základní funkčnost těchto metod na praktických ukázkách. 
Absolvent předmětu je schopen: (a) vysvětlit princip a postup digitalizace obrazu, (b) vysvětlit principy funkce 2D digitálních systémů, (c) provádět základní operace zpracování digitálních obrazů, (d) analyzovat základní vlastnosti a informace obsažené v digitálních obrazech, (e) orientovat se v aplikačních možnostech moderních metod zpracování a analýzy obrazů s využitím strojového učení. 

Základní literatura

JAN, J. Medical image processing reconstruction and analysis: concepts and methods. Second edition. Boca Raton: CRC Press, 2019. ISBN 978-113-8310-285. (EN)

Doporučená literatura

JAN, J. Číslicová filtrace, analýza a restaurace signálů. 2. upr. a rozš. vyd. Brno: VUTIUM, 2002. ISBN 80-214-1558-4. (CS)
JAN, J. Digital signal filtering, analysis and restoration. London: Institution of Electrical Engineers, 2000. IEE telecommunications series, 44. ISBN 978-085-2967-607. (EN)
WALEK, P., LAMOŠ, M a JAN, J. Analýza biomedicínských obrazů: počítačová cvičení. 2. Brno: Vysoké učení technické v Brně, FEKT, ÚBMI, 2015. ISBN 978-80-214-4792-9. (CS)

Elearning

Zařazení předmětu ve studijních plánech

  • Program MPA-AEE magisterský navazující 1 ročník, zimní semestr, povinně volitelný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

Osnova

1. Základy signálové reprezentace obrazů a jejich spektra

2. Digitálních obrazy a digitální operátory

3. Základní metody úpravy obrazů bodovými operátory

4. Základní metody úpravy obrazů lokálními operátory v prostorové a frekvenční oblasti

5. Parametrické obrazy a texturní analýza

6. Metody detekce a sledování objektů v obrazech

7. Metody segmentace obrazů

8. Geometrické transformace obrazů

9. Stereoskopie a její využití pro odhad vzdálenosti

10. Metody 3D rekonstrukci objektů s využitím stereoskopie a multiskopie

11. Metody strojového učení pro klasifikaci a regresi

12. Principy metod hlubokého učení a konvolučních neuronových sítí

13. Architektury a aplikace metod hlubokého učení v oblastech autonomního řízení

Cvičení na počítači

26 hod., nepovinná

Vyučující / Lektor

Osnova

1. Základy signálové reprezentace obrazů a jejich spektra

2. Digitálních obrazy a digitální operátory

3. Základní metody úpravy obrazů bodovými operátory

4. Základní metody úpravy obrazů lokálními operátory v prostorové a frekvenční oblasti

5. Parametrické obrazy a texturní analýza

6. Metody detekce a sledování objektů v obrazech

7. Metody segmentace obrazů

8. Geometrické transformace obrazů

9. Stereoskopie a její využití pro odhad vzdálenosti

10. Metody 3D rekonstrukci objektů s využitím stereoskopie a multiskopie

11. Metody strojového učení pro klasifikaci a regresi

12. Principy metod hlubokého učení a konvolučních neuronových sítí

13. Architektury a aplikace metod hlubokého učení v oblastech autonomního řízení

Elearning