Просмотр

Материал из MachineLearning.

У вас нет прав на выполнение этой операции по следующим причинам:

• Запрошенное действие могут выполнять только участники из групп emailconfirmed, Администраторы.
• Вы должны подтвердить ваш адрес электронной почты перед правкой страниц. Пожалуйста, введите и подтвердите ваш адрес эл. почты на странице настроек.

Вы можете просмотреть и скопировать исходный текст этой страницы:

{{TOCright}} * Обязательный курс для студентов 3 курса каф. [[ММП]], читается в 6 семестре * Обязательный курс для студентов 1 курса магистратуры каф. [[АСВК]], читается в 2 семестре * Лекции — 32 часа * Форма контроля — экзамен * Автор программы: профессор [[Участник:Mest|Местецкий Л.М.]] * Лектор: профессор [[Участник:Mest|Местецкий Л.М.]] == Аннотация == Основу курса составляют математические методы распознавания образов, используемые для анализа и классификации изображений в системах компьютерного зрения. Отличительные особенности методов распознавания для этого класса задач определяются структурой исходных данных – цифровых изображений в виде матриц цвета и яркости точек. Эти особенности сказываются в основном на специфике генерации признаковых описаний объектов, а также специфике построения метрики в пространстве образов. В первую часть курса (18 часов) входят вопросы преобразования изображений различного типа с целью генерации признаковых описаний. Вначале изучаются методы точечной, пространственной геометрической, алгебраической и межкадровой обработки изображений. Далее рассматриваются методы генерации признаков на основе разложения изображений по базисным функциям (преобразование Карунена-Лоева, дискретное преобразование Фурье, вейвлет-разложение), статистического анализа текстуры изображений, а также анализа формы изображений (построение границ, скелетов, преобразование Хафа). Во второй части курса (8 часов) рассматриваются методы построения метрик для сравнения изображений (сравнение спектральных разложений, наложение и выравнивание образов). В последнюю часть курса (6 часов) входят вопросы применения изученных методов в прикладных задачах компьютерного зрения. Рассматриваются задачи распознавания текстов в изображениях документов, задачи биометрической идентификации личности по текстуре радужной оболочки глаза, по форме ладони, отпечатка пальца, профиля лица. Далее изучаются применения к распознаванию динамических объектов в наблюдаемых сценах для распознавания поз и жестов. == Содержание курса == === Предмет и задачи обработки и распознавания цифровых изображений === Растровые устройства получения и воспроизведения изображений (камеры, сканеры, дисплеи, принтеры), оцифровка изображений. Модели изображений. Задачи обработки, анализа и классификации изображений. Прикладные системы, программное обеспечение . === Точечные методы обработки изображений === Гистограммы интенсивности. Преобразования на основе анализа гистограмм интенсивности. Точечные преобразования (просветление, негативное изображение, бинаризация, псевдораскрашивание). === Пространственные методы обработки изображений === Пространственная частота изображения. Свертка изображения. Построение фильтров: низкочастотные, полосные и высокочастотные фильтры. Усиление края, методы Лапласа, Робертса, Кирша и Собеля, методы сдвига и разности, метод направленного градиента. === Геометрические и алгебраические методы обработки изображений === Алгебраические преобразования (сложение, вычитание изображений). Геометрические преобразования (монохромная интерполяция, аффинные и нелинейные преобразования). === Методы межкадровой обработки изображений === Геометрия нескольких проекций. Стереозрение. Определение движения объекта. === Анализ изображений на основе разложения по базисным функциям === Базисные вектора и базисные матрицы. Разложение Карунена-Лоева. Дискретное преобразование Фурье. Косинусное преобразование. Непрерывное и дискретное вейвлетные преобразования. Вейвлетное разложение. Вейвлетная селекция. === Статистические методы анализа текстур === Региональные признаки. Методы измерения текстур, основанные на статистиках первого порядка. Методы измерения текстур, основанные на статистиках второго порядка. === Методы анализа формы изображений === Концепции формы. Сегментация, выделение формы. Представление формы. Характеристики формы и их измерение. Скелетизация. Преобразование Хафа. Бинарная математическая морфология. Эрозия и дилатация. Морфологические алгоритмы на дискретных бинарных изображениях. === Метрики для измерения сходства изображений === Сравнение спектральных разложений. Классификация методом сравнения с эталоном. Сходство, основанное на поиске оптимального пути. Принцип оптимальности Беллмана и динамическое программирование. «Беспризнаковое» распознавание. === Распознавание текстов по изображениям документов === Сегментация документов и текстов. Выравнивание текстов. Распознавание печатных символов. Распознавание рукописных текстов. === Биометрическая идентификация на основе распознавания изображений === Классификацияи радужных оболочек глаза методом Даугмана. Классификация силуэтов ладоней методом сравнеия гибких объектов. Метод выделения особых точек в папиллярном узоре. === Распознавание динамических сцен === Распознавание жестов. Распознавание мимики. Распознавание поз. == Самостоятельная работа студента == Вычислительный практикум по обработке и классификации изображений '''Задание 1.''' Тема: Изучение и освоение методов обработки и сегментации изображений. Разработать и реализовать программу для работы с изображений фишек игрового набора Тантрикс. [[Media:Task_Lab_1.pdf| Задание 1, PDF [1086Кб]]] '''Задание 2.''' Тема: Изучение и освоение методов классификации формы изображений. Разработать и реализовать программу для классификации изображений ладоней. [[Media:Task_Lab_2.pdf| Задание 2, PDF [2573Кб]]] == Литература == # Theodoridis S., Koutroumbas K. Pattern Recognition. Academic Press. 1999. # Гонсалес Р., Вудс Р. Цифровая обработка изображений. М.: Техносфера. 2006. # Форсайт Д., Понс Ж. Компьютерное зрение. Современный подход. М.: Издательский дом «Вильямс». 2004. # Шапиро Л., Стокман Дж. Компьютерное зрение. М.: БИНОМ. Лаборатория знаний. 2006. [[Категория:Учебные курсы]] [[Категория:МГУ]] == Экзамен 2017 год == Вопросы к экзамену [[Media: Exam_2016.rar |rar [10 Кб]]]

• Шаблон:TOCright

Возврат к странице Обработка и распознавание изображений (курс лекций, Л.М. Местецкий).