In English

DD2422 Bildbehandling och datorseende 6,0 hp

Image Analysis and Computer Vision

En kurs i datalogi som behandlar grundläggande teori, modeller och metoder för datorseende, bildanalys, bildbehandling och bildkompression.

  • Utbildningsnivå

    Avancerad nivå

  • Kursnivå (A-D)

    C

  • Huvudområde

  • Betygsskala

    A, B, C, D, E, FX, F

Det finns inget planerat kurstillfälle.

Lärandemål

Efter genomförd kurs ska du kunna:

  • identifiera grundläggande begrepp, terminologi, teorier, modeller och metoder inom datorseende, bildanalys och bildbehandling
  • beskriva hjärnans funktioner och principer bakom mänskligt seende
  • utveckla och systematiskt testa ett antal grundläggande metoder inom datorseende, bildanalys och bildbehandling
  • experimentellt utvärdera bildanalysalgoritmer och dokumentera resultat av experimentella undersökningar
  • välja lämplig metod för att automatiskt bearbeta bildinformation relaterat till bildfiltrering, bildförbättring, bildrekonstruktion, segmentering, klassificering och representation
  • redogöra för grundläggande metoder inom datorseende som multiskalrepresentation, detektion av kanter och andra särdrag, stereo, rörelse och objektigenkänning
  • bygga en verktygslåda av olika bildbehandlings metoder som grånivatransformationer, filtreringsmetoder och detektion av särdrag
  • föreslå en design av ett bildbehandling system som skulle kunna användas vid bearbetning av olika typer av videosekvenser

för att

  • känna till grundläggande möjligheter och begränsningar för datorseende, bildanalys och bildbehandling och därmed kunna bedöma vilka problem inom t.ex. seende robotar, medicinsk och industriell bildbehandling, behandling av satellitbilder som kan lösas med dessa tekniker
  • kunna implementera, analysera och utvärdera enkla system för automatisk bildanalys och datorseende
  • ha en bred kunskapsbas för att kunna läsa och tillgodogöra sig litteratur inom området.

Kursens huvudsakliga innehåll

Översikt om mål och metoder för bildanalys och datorseende.

Orientering om biologiskt seende och visuell perception.

Grundläggande bildanalys: signalteoretiska metoder, filtrering, bildförbättring, bildrekonstruktion, segmentering, klassificering, representation.

Grundläggande datorseende: multiskalrepresentation, detektion av kanter och andra särdrag.

Egenskaper hos perspektivavbildningen.

Belysningsmodeller. Textur. Stereo. Rörelse.

Objektigenkänning.

Kursupplägg

Föreläsningar: 28 h
Övningar: 4 h
Laborationer: 20 h

Behörighet

Rekommenderade förkunskaper

Väl inhämtade grundläggande kunskaper i tillämpad matematik och datalogi, motsvarande de obligatoriska kurserna i matematik, datalogi och numerisk analys på D-, E- eller F-programmet. Ytterligare någon kurs i signalbehandling och/eller numerisk analys kan rekommenderas. Kursen använder sig av förkunskaper över ett relativt brett spektrum av problemlösning i tillämpad matematik och datalogi.

Litteratur

R. C. Gonzalez and R. E. Woods: Digital Image Processing Prentice Hall, 2003.

Examination

  • LAB1 - Laborationer, 3,0 hp, betygsskala: P, F
  • TEN1 - Tentamen, 3,0 hp, betygsskala: A, B, C, D, E, FX, F

Krav för slutbetyg

Tentamen (TEN1; 3 hp).
Laborationsuppgifter (LAB1; 3 hp).

Ges av

CSC/Datalogi

Kontaktperson

Danica Kragic, tel: 790 6729, e-post: danik@nada.kth.se

Examinator

Ordinarie examinator är Stefan Carlsson.

Påbyggnad

DD2427 Bildbaserad igenkänning och klassificering och DD2428 Datorgeometri och visualisering,

Versionsinformation

Kursplan giltig från och med VT09.
Examinationsinformation giltig från och med HT07.