Detail předmětu

Pokročilé techniky zpracování obrazu

FEKT-NPZOAk. rok: 2018/2019

Předmět je zaměřen na teorii i praxi pokročilých metod zpracování a analýzy obrazu včetně videosekvencí. Hlavními probíranými oblastmi jsou model kamery, její kalibrace, DFT filtrace obrazu, konvoluce, rozpoznávání objektů, biometrických znaků (kůže, obličeje, papilárních linií), epipolární geometrie, analýza stereo páru obrazů, korespondenční problém, extrakce prostorové informace, dynamické programování, homografie, optický tok, sledování pohybu objektu ve scéně. Důraz je kladen na praktickou stránku zpracování obrazu, tedy algoritmizace a implementace obecně formulovaných úloh.

Jazyk výuky

angličtina

Počet kreditů

6

Výsledky učení předmětu

Absolvent předmětu je schopen:
- popsat základní pojmy digitálního zpracování obrazu,
- aplikovat principy algoritmizace zpracování obrazu pomocí knihovny OpenCV,
- popsat techniky jasových transformací,
- definovat geometrické transformace obrazu,
- využít homogenní souřadnice,
- interpretovat Diskrétní Fourierovu Transformaci obrazu a filtraci obrazu ve frekvenční oblasti,
- popsat pojmy konvoluce, filtrace a detekce hran v prostorové oblasti,
- popsat základy segmentace obrazu,
- interpretovat matematický model kamery,
- popsat skládání panoramatického pohledu,
- demonstrovat vlastnosti epipolární geometrie,
- popsat principy biometrické obrazové identifikace,
- popsat principy extrakce prostorové informace,
- popsat princip, problémy a metody stanovení optického toku.

Prerekvizity

Student, který si zapíše předmět, by měl být schopen:
popsat základní kroky digitalizace signálu,
interpretovat základní princip derivace jednorozměrné funkce,
ovládat základní operátory a funkce jazyka C++,
popsat základní operace maticového počtu,
popsat základní principy euklidovské geometrie,
praktikovat výpočty s komplexními čísly,
diskutovat základní pojmy z oblasti pravděpodobnosti a statistiky.
Obecně jsou požadovány znalosti na úrovni ukončeného bakalářského studia.

Plánované vzdělávací činnosti a výukové metody

Metody vyučování zahrnují přednášky a laboratorní cvičení. Předmět využívá e-learning (Moodle).

Způsob a kritéria hodnocení

- až 60 bodů za závěrečnou písemnou zkoušku
- až 40 bodů z testů v laboratorních cvičeních
Písemná závěrečná zkouška se koná na konci semestru. Jsou v ní jednoduché úkoly ve formě dotazu na matematické odvození, předpoklady algoritmů, základní rovnice a principy metod, často ve formě doplňovacího kvízu.
V laboratorních cvičeních se konají dva praktické testy (v 6. a 12. týdnu semestru) každý za max. 20 bodů. Testy obsahují úkoly časově a tematicky adekvátní obsahu realizovaných laboratorních cvičení. Pro připuštění k psané zkoušce není stanoven žádný limit bodového zisku z laboratorních testů.

Osnovy výuky

1. Základní pojmy digitálního zpracování obrazu, algoritmizace zpracování, knihovna OpenCV s C++ API.
2. Jasové transformace, ekvalizace histogramu.
3. Geometrické transformace obrazu, homogenní souřadnice, interpolační techniky.
4. Diskrétní Fourierova Transformace obrazu, filtrace obrazu ve frekvenční oblasti.
5. Zpracování obrazu v prostorové oblasti, konvoluční teorém, filtrace, detekce hran.
6. Základy segmentace, automatické nalezení prahu, Cannyho detektor hran, Viola-Jones objektový detektor.
7. Model kamery, paralelní promítání, perspektivní promítání, translace, rotace, kalibrace.
8. Homografie, skládání panoramatického pohledu: projektivní transformace, válcové panorama, kulové panorama, základy automatického hledání korespondencí.
9. Epipolární geometrie, stereopár obrazů, rektifikace.
10.Biometrická obrazová identifikace, PCA, rozpoznání podle obličeje.
11.Extrakce prostorové informace, korespondenční problém, disparitní prostor, dynamické programování.
12.Optický tok, sledování objektu, pohybu ve scéně, metody dle Horna-Schuncka, Lucase-Kanadeho, Farnebäcka.

Učební cíle

Cílem předmětu je poskytnout studentům kvalitní aplikační znalosti pokročilých technik zpracování statických a pohyblivých obrazů 2D a 3D a umožnit jim zvládnutí teorie i praxe pokročilých technik zpracování obrazu.

Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky

Laboratorní výuka je povinná. Řádně omluvené zmeškané laboratorní cvičení lze po domluvě s vyučujícím nahradit.

Základní literatura

PARKER, J. R.: Algorithms for Image Processing and Computer Vision, Wiley; Bk&CD-Rom edition 1996, ISBN: 471140562. (EN)
GONZALEZ, R. C., WOODS, R. E.: Digital Image Processing, Prentice Hall 2007, ISBN: 978-0131687288 (EN)
HLAVAC V., SONKA M., BOYLE R.: Image Processing, Analysis, and Machine Vision, Cengage Learning, 2007, ISBN 978-0495082521 (CS)

Doporučená literatura

PRATA, S.: C++ Primer Plus, Addison-Wesley Professional, 2011. (CS)

Zařazení předmětu ve studijních plánech

  • Program AUDIO-PU magisterský navazující

    obor PU-AUD , 2. ročník, letní semestr, volitelný mimooborový

  • Program EEKR-MN magisterský navazující

    obor MN-TIT , 2. ročník, letní semestr, volitelný oborový

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

Osnova

1. základní pojmy, rastrový obraz, histogram
2. knihovna OpenCV, algoritmizace zpracování
3. geometrické transformace obrazu, homogenní souřadnice
4. DFT, filtrace obrazu, konvoluce
5. detekce hran, objektů v obraze
6. rozpoznávání biometrických znaků, kůže, oční duhovky, obličeje, papilárních linií, chůze
7. model kamery, paralelní promítání, perspektivní promítání, translace, rotace, kalibrace
8. epipolární geometrie, stereo pár obrazů
9. homografie, skládání panoramatického pohledu
10. extrakce prostorové informace, korespondenční problém, dynamické programování
11. optický tok, sledování objektu, pohybu ve scéně

Laboratorní cvičení

39 hod., povinná

Vyučující / Lektor

Osnova

1. seznámení s náplní laboratorních cvičení, představení knihovny OpenCV
2. praktické seznámení s knihovnou OpenCV, vstupy, výstupy, zpracování
3. histogram, ekvalizace, prahování
4. geometrické transformace obrazu
5. kalibrace kamery
6. DFT-2D
7. test
8. detekce hran, objektů v obraze
9. epipolární geometrie
10. homografie, skládání panoramatického pohledu
11. korespondenční problém, dynamické programování
12. sledování pohybu ve scéně