Belépés címtáras azonosítással
magyar nyelvű adatlap
Gépi látás
A tantárgy angol neve: Computer Vision
Adatlap utolsó módosítása: 2006. július 1.
Tantárgy lejárati dátuma: 2015. január 31.
Informatika Szak
Intelligens robotok alfa szakirány
Név:
Beosztás:
Tanszék, Int.:
dr. Loványi István
docens
Irányítástechnika és Informatika
dr. Nagy Ákos
dr. Vajta László
adjunktus
-
Tematikaütközés miatt a tárgyat csak azok vehetik fel, akik korábban nem hallgatták a következő tárgyakat:
Neptun-kód Cím
A korszerű méréstechnika egyik legfontosabb eszközének, az optikai mérőeszközök jelfeldolgozási kérdéseinek megismerése, az intelligens képfeldolgozó rendszerekben történő felhasználhatóság analízise, a kapcsolódó matematikai apparátus tárgyalása, a digitális képfeldolgozás alapvető hardver és szoftver elemeinek ismertetése.
Bevezetés: A számítógépes látás fogalmai, definíciók. Emberi látás alapjai. Gépi látás feladatai. Digitális, analóg, optikai képfeldolgozás összehasonlítása.
Optoelektronikai eszközök: Alapfogalmak. Fénytechnikai mértékegységek. Inkoherens és koherens fényforrások. Optoérzékelők, CCD érzékelők, PSD érzékelők.
Koordinátageometriai alapok. Geometriai transzformációk. Kameramodellek: Pin-hole modell. A perspektív leképzés transzformációs modellje.
Megvilágítás, optika, érzékelő, elektronika torzításainak modellezése. Árnyalási modellek. A térbeli érzékelés lehetősége monokuláris látással.
A képek matematikai leírása. A képfüggvények tulajdonságai. Tértranszformációk szerepe a képfeldolgozásban. 2D Fourier transzformáció tulajdonságai, képi ábrázolása, interpretálása.
Digitális kép matematikai reprezentációja: Mintavételezés, kvantálás.
Egyszerű képfeldolgozási esettanulmányok: Bináris képek feldolgozása: Egyszerű geometriai tulajdonságok (terület, hely, orientáció), vetületek. Topológiai tulajdonságok.
Képek javításának módszerei. Pontszerű lokális és globális műveletek. Hisztogram analízis, skálázások, hisztogram transzformációk. Geometriai torzítás kompenzáció.
A képek szűrése a tér- és frekvenciatartományban. Konvolúció, mint szűrés. Alul- és felüláteresztő szűrők realizálása. Nemlineáris szűrők.
Szegmentálás. Régiók, struktúrák, geometriai jellemzők reprezentációja. Szinteken alapuló módszerek. Küszöbözés, régiónövelés, szeletelés és növesztés. Nagyfrekvenciás analízis: kontúrdetektálás, kontúrkövetés. Hough transzformáció.
Morfológia a képfeldolgozásban: Morfológiai nyitás és zárás. Kiterjesztés gradált képekre. Kép-előfeldolgozás morfológiai elven.
Textúra-analízis: Textúra taxonómia. Statisztikai analízis, autókorreláció, különbségi hisztogram, co-occurence mátrix. Fraktálanalízis. Szintaktikus analízis. Hierarchikus textúrák leírása.
Mozgás analízis: Differenciális módszerek. Globális / lokális optikai áramláson alapuló eljárások. Bázispontok követése. Mozgásdetektálás tér és frekvencia tartományban.
Lényegkiemelés: Tulajdonságtér és tulajdonságvektor. Invariáns alak / textúra jellemzők. Kontúros képek Fourier transzformációja, alakegyütthatók. Sajátságvektorok típusai. Dimenziócsökkentés. Lényegtömörítés célfüggvény alapján. A döntési feladat megfogalmazása.
Osztályozás: Alakfelismerés és leírás. Determinisztikus, statisztikus módszerek. Strukturális, szintaktikus módszerek. Döntési felület meghatározása a tulajdonságtérben. Osztályozás neurális hálózatokkal. Alapvető osztályozási módszerek matematikai alapjai (legközelebbi szomszéd, legközelebbi centrum, Bayes, korrelációs algoritmusok). Tartalom szerinti keresés képi adatbázisokban.
Képkódolás: Redundancia, kompressziós ráta definíciók, információelméleti alapok. Analóg / digitális, veszteséges / veszteségmentes módszerek áttekintése. Álló- és mozgóképek kompressziója és dekompressziója. Diszkrét transzformációk alkalmazhatósága. Prediktív algoritmusok. Vektor kvantálás. Fraktális kompresszió. Hierarchikus és progresszív kompresszió. Szabványok (MPEG, JPEG verziók, stb.). Kompressziós módszerek összehasonlítása. Intelligens képtömörítés négyszintű modellje.
A tantárgy előadásból áll, amelynek anyagába beillesztésre kerülnek az elméletet magyarázó illusztrációs példák és alkalmazási esettanulmányok.
a) Szorgalmi időszakban:
- A félév lezárásának módja: aláírás. Az aláírás megszerzésének feltétele:
elfogadott nagy házifeladat (vizsgaidőszakban nem pótolható)
sikeresen megírt zárthelyi
b) Vizsgaidőszakban:
- A vizsga írásbeli.
c) a tárgyhoz tartozó kreditpontok megszerzésének feltétele az aláírás és a sikeres vizsga
Tanszéki sokszorosított kiadványok.
Haralick, R.M.: Computer and Robot Vision I-II, Addison-Wesley Pub Co; ISBN: 0201569434
Gonzales, R.C.: Digital Image Processing, Addison-Wesley Pub Co; ISBN: 0201508036
Álló Géza: Digitális képfeldolgozás alapproblémái: Akadémiai Kiadó
