Rozpoznawanie i Przetwarzanie Obrazów
 
Kod kursu:
 

 INES00503W, INES00503P

 

 Autor przedmiotu: dr inż. Jacek Mazurkiewicz
 Zespół dydaktyczny: 

 mgr inż. Tomasz Serafin


 

Wymiar godzin
(tygodniowo)
WykładĆwiczeniaLaboratoriumProjektSeminarium
10020

 

 

 

Opis kursu:

 

Idea i elementy składowe procesu rozpoznawania obrazów. Cechy przetwarzania inteligentnego: wzorce, wnioskowanie na podstawie zbiorów danych, uczenie się na przykładach i generalizacja nabytej wiedzy, zdolność  rozpoznawania obiektów na podstawie niekompletnych danych. Przetwarzanie wstępne, poprawa jakości obrazu, eliminacja zakłóceń, poprawa kontrastu, filtracja. Segmentacja obrazu, wydzielanie i opis cech obiektów obrazu, detekcja brzegów i konturów, przetwarzanie morfologiczne. Techniki sztucznej inteligencji w modelowaniu sceny, techniki deklaratywne w modelowaniu sceny. Techniki sztucznej inteligencji w renderingu, animacja behawioralna, inteligentna wizualizacja.

 

 

Cele przedmiotu:

  • Zdobycie wiedzy z zakresu akwizycji obrazu, przetwarzania wstępnego i poprawy jakości obrazu.
  • Zdobycie wiedzy z zakresu segmentacji obrazu oraz wydzielania i opisu cech obiektów obrazu.
  • Zdobycie wiedzy o klasyfikacji, rozpoznawaniu i interpretacji analizowanej sceny.
  • Zdobycie umiejętności użycia środowisk symulacji, modelowania i szybkiego prototypowania metod rozpoznawania obrazów z użyciem inteligentnego przetwarzania informacji dla potrzeb rozwiązania konkretnych problemów badawczych.

 

Opis projektu:

 

Tematy i zadania związane z projektowaniem, modelowaniem oraz implementacją mechanizmów inteligentnego przetwarzania danych w celu realizacji wstepnego przetwarzania obrazu. Zastosowanie systemów inteligentnego przetwarzania w zadaniu segmentacji, klasyfikacji i opisu cech obrazu, a także kompresji danych - dobór typu i topologii sieci do postawionego problemu, zdefiniowanie środowiska pracy sieci, przygotowanie wzorców uczących i testowych, symulacja działania i badania zachowania sieci przy zmieniających się parametrach pracy. Użycie środowisk projektowania, modelowania oraz implementacji systemów inteligentnego przetwarzania w zadaniu modelowania sceny, animacji i wizualizacji ykorzystanie algorytmów genetycznych lub reguł wnioskowania systemu ekspertowego do określenia warunków początkowych.

 

 

Literatura podstawowa:

  • Hecht-Nielsen R.; Neurocomputing. Addison-Wesley Publishing Company
  • Hertz J., Krogh A., Palmer R. G.; Wstęp do obliczeń neuronowych. WNT, Warszawa
  • Korbicz J., Obuchowski A., Uciński D.: Sztuczne sieci neuronowe. Podstawy i zastosowania, Akademicka Oficyna Wydawnicza PLJ, Warszawa
  • Kwiatkowski W., Metody automatycznego rozpoznawania wzorców. BEL Studio
  • Osowski S.: Sieci neuronowe, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa
  • Osowski S.: Sieci neuronowe w ujęciu algorytmicznym, WNT, Warszawa
  • Mulawka J. J.; Systemy ekspertowe. WNT, Warszawa
  • Rutkowska D., Piliński M., Rutkowski L.; Sieci neuronowe, algorytmy genetyczne i systemy rozmyte. PWN, Warszawa - Łódź
  • Skomorowski M., Wybrane zagadnienia rozpoznawania obrazów. WUJ, Kraków
  • Skorzybut M., Krzyśko M., Górecki T., Wołyński W., Systemy uczące się. Rozpoznawanie wzorców analiza skupień i redukcja wymiarowości. WNT, Warszawa
  • Tadeusiewicz R.; Sieci neuronowe. Akademicka Oficyna Wydawnicza RM, Warszawa
  • Zieliński T.P., Cyfrowe przetwarzanie sygnałów. Od teorii do zastosowań. WKŁ Warszawa

 

Literatura uzupełniająca:

  • Caudill M., Butler Ch.; Understanding Neural Networks: Computer Explorations. vol. 1. Basic Networks. A Bradford Book, The MIT Press
  • Caudill M., Butler Ch.; Understanding Neural Networks: Computer Explorations. vol. 2. Advanced Networks. A Bradford Book, The MIT Press
  • Kung S. Y.: Digital Neural Networks, PTR Prentice-Hall, Englewood Cliffs, New Jersey
  • Tadeusiewicz R.; Problemy biocybernetyki. PWN, Warszawa
  • Waterman D. A.; A Guide to Expert Systems. Addison-Wesley Publishing Company