XD33RZO | Rozpoznávání a zpracování obrazu | Rozsah výuky: | 14+2 | ||
---|---|---|---|---|---|
Přednášející (garant): | Hlaváč V., Matas J. | Typ předmětu: | S | Zakončení: | Z,ZK |
Zodpovědná katedra: | 333 | Kreditů: | 3 | Semestr: | L |
Anotace:
Rozpoznávání hraje zásadní roli při interpretaci a zpracování lékařských dat, proto mu bude věnována hlavní pozornost. V druhé části přednášek se student seznámí se základními technikami zpracování obrazu se zaměřením na ty obrazy, se kterými je možné se setkat při vývoji aplikací ve zdravotnictví. Cvičení budou probíhat laboratorní formou. Cílem je předložit studentům komplexní úlohu z biomedicínské oblasti, kterou nelze vyřešit bez speciálních znalostí. Na úloze se student naučí správnému postupu řešení týmového inženýrského projektu.
Osnovy přednášek:
1. | Rozpoznávání, rozhodování, formalizace, bayesovský přístup | |
2. | Statistické modely, zejména gaussovský, odhadování parametrů | |
3. | Lineární klasifikátor. Support vector machine | |
4. | Perceptron, neuronové sítě. Radiální jádrové funkce | |
5. | Shlukování, EM algoritmus. Učení bez učitele | |
6. | Vapnikova a jiné teorie učení | |
7. | Strukturní rozpoznávání | |
8. | Cíle zpracování obrazu a počítačového vidění, psychologie lidského vidění | |
9. | Obraz jako signál, vznik obrazu, přístroje a techniky pro získávání 3D obrazových dat | |
10. | Předzpracování a restaurace obrazu | |
11. | Komprese obrazu, bezeztrátové a ztrátové metody | |
12. | Segmentace, příznaky, invarianty, prostor měřítek, deformabilní modely | |
13. | Matematická morfologie | |
14. | Rozpoznávání a zpracování biomedicínských obrazů |
Osnovy cvičení:
1. | Pravděpodobnosti. Bayesův klasifikátor | |
2. | Matlab. Odhady parametrů | |
3. | Lineární klasifikátory a Support Vector Machine | |
4. | Shlukování a EM algoritmus | |
5. | Řešení praktické rozpoznávací úlohy I. | |
6. | Řešení praktické rozpoznávací úlohy II. | |
7. | Odevzdání úlohy | |
8. | Zpracování obrazu a počítačového vidění | |
9. | Zadání úlohy | |
10. | Řešení praktické úlohy I. | |
11. | Řešení praktické úlohy II. | |
12. | Řešení praktické úlohy II. | |
13. | Odevzdání závěrečné zprávy | |
14. | Prezentace formou semináře, zápočty |
Literatura Č:
[1] | Kotek, Z. et al.: Metody rozpoznávání a jejich aplikace. Academia, Praha, 1993 | |
[2] | Schlesinger, M.I., Hlaváč, V.: 10 přednášek z teorie statistického a strukturního rozpoznávání. ČVUT, 1999 | |
[3] | Mařík, V. et al.: Umělá inteligence (2). Academia, Praha, 1997 | |
[4] | Mařík, V. et al.: Umělá inteligence (3). Academia, Praha, 2001 |
Literatura A:
[1] | Russell, S., Norvig, P.: Artificial Intelligence. A Modern Approach. Prentice Hall, Englewood Cliffs, New Jersey, 1995 | |
[2] | Schlesinger, M.I., Hlaváč, V.: Theory of statistical and structural recognition in 10 lectures, to appear 2002 |
Požadavky:
KUI
Předmět je zahrnut do těchto studijních plánů:
|
Stránka vytvořena 25. 2. 2002, semestry: Z/2001-2, Z/2002-3, L/2001-2, L/2002-3, připomínky k informační náplni zasílejte správci studijních plánů | Návrh a realizace: I. Halaška (K336), J. Novák (K336) |