Analýza obrazu počítačem

Garant předmětu:

Přednášející:

Cvičící:

Předmět zajišťuje:

katedra biomedicínské informatiky

Anotace:

Cílem předmětu je naučit studenty algoritmům zpracování a analýzy dvojrozměrných obrazů s důrazem na biomedicínské aplikace. Nejdříve naučíme metody bez interpretace a v části analýzy metody, kdy se využívá konkrétní sémantika.

Požadavky:

Standardně probíhá výuka kontaktní formou a předmět je zakončen ústní zkouškou, které předchází písemná příprava. V případě, že počet studentů je menší než 5, může výuka probíhat v podobě řízeného samostudia s pravidelnými konzultacemi. Dále je požadováno vypracování písemné studie studentem na zadané téma z oboru. Podmínkou pro připuštění ke zkoušce je absolvování dvou laboratorních cvičení (doloženo protokolem podepsaným studentem, vedoucím cvičení a garantem předmětu). Protokoly budou archivovány v referátu pro doktorské studium.

Osnova přednášek:

Přednášky:

1.Digitální obraz a jeho vlastnosti. Role sémantiky.

2.Pořízení obrazu z geometrického a radiometrického hlediska.

3.Předzpracování v prostoru obrazů, lineární metody, detekce hran.

4.Předzpracování v prostoru obrazů, detekce významných bodů/oblastí. Nelineární metody.

5.Zpracování obrazu frekvenčními metodami (Fourierova transformace)

6.Metoda hlavních směrů (PCA) pro obrazy a její další využití.

7.Segmentace objektů v obrazech

8.Popis objektů, získání příznaků pro statistickou klasifikaci. Stručně o metodách statistického rozpoznávání.

9.Metody matematické morfologie v analýze obrazu.

10.Přehled metod 3D počítačového vidění s důrazem na biomedicínské aplikace.

Osnova cvičení:

Laboratorní cvičení (2x4 hodiny):

1.Algoritmy předzpracování obrazu.

2.Algoritmy segmentace obrazu.

Cíle studia:

Cílem předmětu je naučit studenty algoritmům zpracování a analýzy dvojrozměrných obrazů s důrazem na biomedicínské aplikace. Nejdříve naučíme metody bez interpretace a v části analýzy metody, kdy se využívá konkrétní sémantika.

Studijní materiály:

Povinná:

[1] Šonka M., Hlaváč V., Boyle R.: Image, processing, analysis and machine vision, Cengage Learning;, Canada, 4th edition, 2015, 912 pages, ISBN-13: 978-1133593607.

Doporučená:

[1] Szeliski R.: Computer Vision: Algorithms and Applications, Springer, New York, 2010.

Poznámka:

Modul F

Další informace:

Pro tento předmět se rozvrh nepřipravuje

Předmět je součástí následujících studijních plánů: