|
Lecturer(s)
|
|
|
|
Course content
|
1. Automatic threshold selection and segmentation methods, optimal methods of grey-level histograms and it extension to multithresholding. 2. Automatic threshold selection and segmentation methods, methods based on entropy of the histogram. 3. Automatic threshold selection and segmentation methods, methods based on minimum error thresholding. 4. Image filtration, methods based on co-occurrence matrix and entropy of image. 5. Fourier transformation, discrete Fourier transformation, properties, amplitude, phases and power spectrum, image filtration. 6. Shape descriptions, digital closed parametric curves, basic shape descriptors, chain code, centriod distance, curvature signature, cumulative angular function, area function, complex coordinates of curve. 7. Shape descriptions, digital closed parametric curves, functions of coordinates of x and y axes, Fourier expansion and Fourier coefficients, Fourier descriptors, invariance, reconstruction of the curve, classification. 8. Detection of particles, particle tracks on the dosimeter-target, the problems and methods of particle counting, probability model and application. 9. Computed tomography principles, conventional X-ray systems, X-ray technique for determining three-dimensional structure, Radon transform, principles and technique of image reconstruction from projections. 10. Computed tomography, technique of image reconstruction from projections, Fourier Slice Theorem, summation methods, ART, SART, MART, filtered back projection. Development of the CT scanner, generation characteristics of CT scanners and CT applications. 11. Theory of the thermoviewer, infrared emission, blackbody as an ideal object with the highest emissivity, noctovision and thermovision. 12. Theory of thermoviewer, IR detectors, materials for IR, transmission of IR through atmosphere, optical system of thermoviewer, emissivity and reflection from environment correction, specifications of thermoviewer. 13. Classification technique, pattern recognition, symbolic scene description, image understanding.
|
|
Learning activities and teaching methods
|
Interactive lecture, One-to-One tutorial, Seminar classes
- Contact hours
- 65 hours per semester
- Graduate study programme term essay (40-50)
- 50 hours per semester
- Preparation for an examination (30-60)
- 45 hours per semester
|
| prerequisite |
|---|
| Knowledge |
|---|
| používat metody číslicového zpracování signálů a obrazů v rozsahu předmětů KIV/AZS a KIV/ZVI |
| využívat získané vědomosti z teorie informace, např v rozsahu předmětu KIV/TI |
| ovládat programovací techniky, viz KIV/PT, a programovací jazyk Java nebo C/C++, C# |
| řešit úlohy z numerické matematiky a počtu pravděpodobnosti a statistiky, viz předměty KMA/NM, KMA/PSA |
| Skills |
|---|
| porozumět principům strojového vidění, popisu, topologii a geometrii obrazové scény |
| orientovat se v principech a metodách filtrace snímků v prostorové a frekvenční oblasti |
| využívat vlastností histogramu pro segmentaci prahováním a jasové transformace |
| aplikovat morfologické transformace a provádět skeletizaci a ztenčování objektů ve snímku |
| Competences |
|---|
| N/A |
| N/A |
| N/A |
| learning outcomes |
|---|
| Knowledge |
|---|
| orientovat se v rozšiřujících metodách v oblasti segmentace a filtrace snímků |
| používat metody Fourier Descriptors pro popis ploch, jejich rekonstrukci a rozpoznávání a klasifikaci |
| porozumět principům počítačové tomografie |
| aplikovat metody úběžníkového a rovnoběžného promítání |
| seznámit se s principem termovizní techniky |
| Skills |
|---|
| algoritmizovat úlohy automatického prahování |
| provádět výpočet DFT a Fourier Descriptors, rekonstruovat hranice objektů a testovat metody klasifikace |
| vytvářet algoritmy pro rekonstrukci řezů metodami CT |
| řešit úlohu odhadu parametrů 3D objektu metodami úběžníkového a rovnoběžného promítání a referenčního tělesa |
| testovat metody odhadu počtu objektů ve snímku, praktická úloha dozimetrie |
| Competences |
|---|
| N/A |
| N/A |
| N/A |
| teaching methods |
|---|
| Knowledge |
|---|
| Interactive lecture |
| One-to-One tutorial |
| Seminar classes |
| Self-study of literature |
| Skills |
|---|
| Interactive lecture |
| Seminar classes |
| Individual study |
| One-to-One tutorial |
| Competences |
|---|
| Interactive lecture |
| One-to-One tutorial |
| Individual study |
| Seminar classes |
| assessment methods |
|---|
| Knowledge |
|---|
| Seminar work |
| Individual presentation at a seminar |
| Combined exam |
| Skills |
|---|
| Combined exam |
| Seminar work |
| Individual presentation at a seminar |
| Competences |
|---|
| Combined exam |
| Individual presentation at a seminar |
| Seminar work |
|
Recommended literature
|
-
Dobeš, Michal. Zpracování obrazu a algoritmy v C#. 1. vyd. Praha : BEN - technická literatura, 2008. ISBN 978-80-7300-233-6.
-
Hlaváč, Václav; Sedláček, Miloš. Zpracování signálů a obrazů. 1. vyd, dotisk. Praha : Vydavatelství ČVUT, 2001. ISBN 80-01-02114-9.
-
Jain, K.A. Fundamentals of Digital Image Processing. Prentice-Hall, Inc, 1989.
-
Low, A. Introductory Computer Vision and Image Processing. McGraw-Hill Book Company, London, 1991.
-
Opeenheim, V.A.; Schafer, R.W. Digital Signal Processing. Prentice-Hall, Inc, 1975.
-
Rosenfeld, A.; Kak, A.C. Digital Picture Processing. Academic Press, New York, 1982.
-
Serra, J. Image Analysis and Mathematical Morphology. Academic Press, New York, 1982.
-
Sonka, Milan; Boyle, Roger; Hlavac, Vaclav. Image processing, analysis, and machine vision. 2nd ed. Pacific Grove : PWS Publishing, 1999. ISBN 0-534-95393-X.
-
Umbaugh, Scott E. Computer imaging : digital image analysis and processing. Boca Raton : Taylor & Francis, 2005. ISBN 0-8493-2919-1.
-
Umbaugh, Scott E. Digital Image Processing and Analysis: Applications with MATLAB and CVIPtools. Boca Raton: Taylor & Francis, 2018. ISBN 978-1-4987-6602-9.
|