Logo ČVUT
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
STUDIJNÍ PLÁNY
2018/2019

Analýza a interpretace signálů

Předmět není vypsán Nerozvrhuje se
Kód Zakončení Kredity Rozsah Jazyk výuky
17DAAIS ZK 5 2+0
Přednášející:
Cvičící:
Předmět zajišťuje:
katedra biomedicínské informatiky
Anotace:

Předmět je zaměřen na seznámení studentů se speciálními metodami, které se

používají při zpracování jednorozměrných i vícerozměrných (zejména 2D) signálů

(obrazů). Předmět se bude zabývat zejména interpretací měřených dat, vzorkováním

vícerozměrných dat, klasifikací. Dále 2D Fourierovou, kosinovou, vlnkovou

(wavelet) transformací, filtrací v časové i frekvenční oblasti, vlastnostmi a

filtrací šumu. Významnou část budou tvořit metody zpracování obrazu, zejména

předzpracování obrazu: histogramy a jejich ekvalizace, detekce hran a oblastí,

plošná a hranová segmentace, jasové korekce, morfologie: eroze a dilatace, resp.

otevření o uzavření, hledání kostry. Komprese obrazu: ztrátové a bezeztrátové

metody, Huffmanovo a aritmetické kódování, princip jpg komprese, predikční

metody komprese, využití umělých neuronových sítí.

Požadavky:

Podmínky zkoušky Zpracování části úlohy, kterou student řeŠí v rámci mgr.

projektu nebo DP, s vyuŽitím metod, se kterými se seznámil v předmětu. Úloha

bude zpracována ve formě webové stránky.

Osnova přednášek:

- Analýza a interpretace signálů. Základní pojmy: signál, analýza, syntéza,

interpretace

- Rozpoznávání a klasifikace,

klasifikátor a jeho nastavování

příznakové a strukturální metody rozpoznávání, hodnocení kvality klasifikace

- Příznakové metody rozpoznávání, klasifikace podle minimální vzdálenosti,

klasifikace podle minimální chyby, diskriminační funkce

- Parametrické metody odhadů,

neparametrické metody odhadů, shluková analýza, hierarchické metody shlukování,

nehierarchické metody shlukování

- Strukturální metody rozpoznávání, strukturální popis,

volby primitiv a relací, strukturální popis časových průběhů, strukturální popis

dvourozměrných útvarů,

- Formální jazyky, gramatiky, automaty

- Syntaktická analýza, inference,

využití gramatik pro rozpoznávání,

využití sémantické informace, deformační schéma, využití deformačních schémat

pro klasifikaci

- Zpracování a rozpoznávání obrazové informace, počítačové zpracování obrazu,

předzpracování obrazu, jasové transformace, geometrické korekce a transformace,

filtrace, gradientní operátory

- Segmentace obrazu, na základě oblastí, na základě hran, popis objektů v

obrazu, reprezentace oblastí, reprezentace hran, tvarové vlastnosti, textura,

analýza trojrozměrné scény, interpretace scény

- Rozpoznávání řečových signálů, informační a fonetická hlediska, akustická

analýza a výběr příznaků pro klasifikaci, rozpoznávání izolovaných slov a

plynulé řeči

- Adaptivní a učící se algoritmy, umělé neuronové sítě, principy učení, paměť,

biologická motivace umělých neuronových sítí, paradigmata neuronových sítí (MLP,

RBF, Hopfieldova síť, ...)

- Evoluční techniky, genetické algoritmy, genetické programování

- Predikce časových řad,

sestavení příznaků a mnoľiny dat,

využití neuronových sítí

- Znalostní a expertní systémy, znalostní systémy, dolování dat,

expertní systémy (diagnostické, plánovací, hybridní)

Osnova cvičení:
Cíle studia:

Předmět je zaměřen na seznámení studentů se speciálními metodami, které se

používají při zpracování jednorozměrných i vícerozměrných (zejména 2D) signálů

(obrazů). Předmět se bude zabývat zejména interpretací měřených dat, vzorkováním

vícerozměrných dat, klasifikací. Dále 2D Fourierovou, kosinovou, vlnkovou

(wavelet) transformací, filtrací v časové i frekvenční oblasti, vlastnostmi a

filtrací šumu. Významnou část budou tvořit metody zpracování obrazu, zejména

předzpracování obrazu: histogramy a jejich ekvalizace, detekce hran a oblastí,

plošná a hranová segmentace, jasové korekce, morfologie: eroze a dilatace, resp.

otevření o uzavření, hledání kostry. Komprese obrazu: ztrátové a bezeztrátové

metody, Huffmanovo a aritmetické kódování, princip jpg komprese, predikční

metody komprese, využití umělých neuronových sítí.

Studijní materiály:

[1]Kotek Z., Mařík V., Hlaváč V., Psutka J., Zdráhal Z.: Metody rozpoznávání a

jejich aplikace, Academia Praha 1993, ISBN 80-200-0297-9

[2]Mařík V., ctěpánková O., Laľanský J. a kol.: Umělá inteligence, díly 1 aľ 4,

Academia Praha 1993 aľ 2004, ISBN 80-200-0502-1 (soubor)

[3]conka M., Fitzpatrick J. M.: Medical Image Processing and Analysis, SPIE -

The International Society for Optical Engineering, Bellingham, WA, USA, 2000

[4]conka M., Hlváč V., Boyle R. D.: Image Processing, Analysis and Machine

Vision, Boston, USA, 1998

[5]Hlavac V., Sedláček M.: Zpracování signálů a obrazů, Vydavatelství ČVUT,

Praha, 2001

[6]Prince J. L., Links J. M.: Medical Imaging Signals and Systems, Pearson

Education, NJ, USA, 2006

[7]Uhlíř J., Sovka P.: Číslicové zpracování signálů, Vydavatelstí ČVUT, Praha,

1995

Poznámka:
Další informace:
Předmět lze absolvovat opakovaně
Pro tento předmět se rozvrh nepřipravuje
Předmět je součástí následujících studijních plánů:
Platnost dat k 26. 4. 2019
Aktualizace výše uvedených informací naleznete na adrese http://bilakniha.cvut.cz/cs/predmet1028806.html