DD2423 Bildbehandling och datorseende 7,5 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)

    D
  • Huvudområde

    Datalogi och datateknik
  • Betygsskala

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

Kurstillfällen/kursomgångar

HT17 SAP för fristående studerande - Till anmälan

  • Perioder

    HT17 P2 (7,5 hp)

  • Anmälningskod

    10001

  • Kursen startar

    2017-10-30

  • Kursen slutar

    2018 vecka: 1

  • Undervisningsspråk

    Engelska

  • Campus

    KTH Campus

  • Antal föreläsningar

  • Antal övningar

  • Undervisningstid

    Dagtid

  • Undervisningsform

    Normal

  • Antal platser

    Ingen begränsning

  • Kursansvarig

    Mårten Björkman <celle@kth.se>

  • Lärare

    Tony Lindeberg <tony@kth.se>

  • Målgrupp

    Fristående kurs studenter från SAP-program.

  • Del av program

  • Anmälan

    Fullfölj anmälan för kursen på antagning.se via denna anmälningslänk.
    Observera att anmälan måste slutföras på antagning.se genom egen inloggning.

HT17 bildat17 för programstuderande

HT16 SAP för fristående studerande

  • Perioder

    HT16 P2 (7,5 hp)

  • Anmälningskod

    50002

  • Kursen startar

    2016 vecka: 45

  • Kursen slutar

    2017 vecka: 3

  • Undervisningsspråk

    Engelska

  • Campus

    KTH Campus

  • Antal föreläsningar

  • Antal övningar

  • Undervisningstid

    Dagtid

  • Undervisningsform

    Normal

  • Antal platser

    Ingen begränsning

  • Kursansvarig

    Mårten Björkman <celle@kth.se>

  • Lärare

    Tony Lindeberg <tony@kth.se>

  • Målgrupp

    Fristående kurs studenter från SAP-program.

HT16 bildat16 för programstuderande

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, bildbehandling och datorseende. Orientering om biologiskt seende och visuell perception. Egenskaper hos perspektivavbildningen.

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

Grundläggande datorseende: multiskalrepresentation, detektion av kanter och andra särdrag. Stereo och multikamerasystem. Objektigenkänning, morphology.

Behörighet

För fristående kursstuderande krävs 90 högskolepoäng varav 45 högskolepoäng inom matematik och/eller informationsteknik, och kurserna SF1604 Linjär algebra, SF1625 Envariabelanalys, SF1626 Flervariabelanalys, SF1901 Sannolikhetsteori och statistik, DD1337 Programmering och DD1338 Algoritmer och Datastrukturer eller motsvarande.

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, 3rd edition, 2008.

Examination

  • LAB1 - Laborationer, 4,0, betygsskala: A, B, C, D, E, FX, F
  • TEN1 - Tentamen, 3,5, betygsskala: A, B, C, D, E, FX, F

I denna kurs tillämpas skolans hederskodex, se: http://www.kth.se/csc/student/hederskodex.

Krav för slutbetyg

LAB1 - Laboratory Work, 4 cr
TEN1 - Examination, 3,5 cr

Ges av

CSC/Robotik, perception och lärande

Kontaktperson

Mårten Björkman, e-post: celle@kth.se

Examinator

Mårten Björkman <celle@kth.se>

Övrig information

Kursen har ersatt DD2422 Bildbehandling och datorseende.

Versionsinformation

Kursplan giltig från och med HT2015.
Examinationsinformation giltig från och med VT2010.