Курс познакомит слушателей с основными методами анализа изображений. Будут рассматриваться различные практические задачи: сегментация изображений, обнаружение дубликатов, поиск по подобию, обнаружение текста, распознавание объектов, классификация и другие. В рамках курса у студентов будет возможность узнать и опробовать на практике классические алгоритмы; прочесть множество научных статьей; самостоятельно реализовать алгоритмы, описанные в статьях; поставить ряд экспериментов; предложить и реализовать свои собственные идеи по решению практических задач.
Цель освоения дисциплины
Дать представление о современных алгоритмах интеллектуального анализа и обработки изображений.
Планируемые результаты обучения
знать модели представления изображений
знать модели формирования и искажения изобра-жений
знать основные алгоритмы анализа изображений
знать основные алгоритмы визуализации изображений
знать основные алгоритмы восстановления изображений
знать основные алгоритмы обработки изображений
знать основные алгоритмы сжатия изображений
знать основные алгоритмы сравнения, сопоставления и нормализации изображений
освоить математический аппарат анализа и обработки изображений
уметь применять основные алгоритмы обработки, визуализации, восстановления, анализа, сравнения, сопоставления, нормализации и сжатия изображений
Содержание учебной дисциплины
Введение в обработку изображений
Формирование изображений
Примеры приложений
Обработка изображений
Восстановление изображений
Анализ изображений
Визуализация изображений
Сжатие изображений и видеопотоков
Сравнение, сопоставление и нормализация изображений
Элементы контроля
Домашнее задание 1
Домашнее задание №1 выдается студентам в одном варианте и состоит из 3 задач. Срок выполнения домашнего задания - 4 недели. Форма представления обучающимися домашнего задания - реализованный на любом, если не указано другого, языке программирования алгоритм.
Fairchild, M. D. (2013). Color Appearance Models (Vol. Third edition). Chichester, West Sussex: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=594640
Hartley, R., & Zisserman, A. (2015). Multiple View Geometry in Computer Vision (2nd ed). Australia, Australia/Oceania: Cambridge University Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.1FEA5378
Hartley, R., & Zisserman, A. (2015). Multiple View Geometry in Computer Vision (2nd ed). Australia, Australia/Oceania: Cambridge University Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.EAC977F6
Алгоритмы: построение и анализ : пер.с англ., Кормен, Т., 2013
Алгоритмы: построение и анализ, Кормен, Т., 2005
Алгоритмы: построение и анализ, Кормен, Т., 2007
Алгоритмы: построение и анализ, Кормен, Т., 2011
Цифровая обработка изображений, Яне, Б., 2007
Рекомендуемая дополнительная литература
Chorro, E., Martínez-Verdú, F. M., Fez Saiz, D. de, & Luque Cobija, M. J. (2008). Advances in the industrial colour classification of artificial and natural textures based on new imaging colour appearance models. Spain, Europe: Red Temática “Ciencia y Tecnología del Color.” Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.D900A179
Fairchild, M. D. (2005). Color Appearance Models (Vol. 2nd ed). Chichester, West Sussex, England: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=136262
Javoršek, D. (2015). Od CIE kolorimetrije do modelov barvnega zaznavanja ; From CIE colourimetry to colour appearance models. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.224C0238
Instructors
Никишин Андрей Павлович
Савельев Александр Геннадьевич
Программа дисциплины
Аннотация
Цель освоения дисциплины
Планируемые результаты обучения
Содержание учебной дисциплины
Элементы контроля
Промежуточная аттестация
Список литературы
Рекомендуемая основная литература
Рекомендуемая дополнительная литература
Авторы