Практические занятия к курсу лекций "Системы технического зрения" с
решением задач в среде Matlab. Москва, МАИ, 2015, 480 стр. Лектор
Кудрявцев П.С.
Содержание практических занятий (Часть 1 - Лекции по курсу "Системы технического зрения", Часть 2 - Практические занятия)
Практика 1. Оптика в СТЗ. Геометрические преобразования в камерах.
Конструкция камеры. Основные положения геометрической оптики. Оптика в системах искусственного зрения. Перспективная (центральная) проекция. Геометрические преобразования на плоскости. Базовые 3D преобразования сцены. Геометрия двух проекций. Практика 2. Представление цифровых изображений. Цвет изображения.
Твердотельные приемники излучения оптического диапазона. Эффекты, связанные с получением цифровых изображений. Ошибки, связанные с квантованием дискретных изображений. Растровые изображения. Алгоритмы компьютерной 2D растровой графики. Характеристики восприятия цвета. Характеристики источников света. Цветовые модели компьютерной графики. Графическое программное обеспечение. Практика 3. Яркостные и пространственные преобразования изображений в пакете IPT MatLab
Классы данных. Преобразования типов и классов изображений IPT Matlab. Некоторые стандартные массивы. Функции считывания, отображения и записи изображений. Арифметические и геометрические операции над изображениями. . Преобразования яркости изображений. Преобразования растяжения контрастности. Построение гистограмм. Принципы обработки изображений в пространственной области. Стандартные пространственные фильтры IPT Matlab. Алгоритмы нелинейной фильтрации. Практика 4. Частотные преобразования изображений. Моделирование искажений изображений
Обработка изображений в частотной области. Функции быстрого двумерного преобразования Фурье в Matlab. Косинусное преобразование. Принципы фильтрации изображений в частотной области. Построение фильтров в частотной области. Частотная низкочастотная фильтрация. Частотные фильтры повышения резкости. Связь между пространственной и частотной фильтрацией. Процессы искажения изображений и их моделирование. Практика 5. Восстановление изображений. Методы преобразования цветных изображений
Оценивание шумов по изображению. Фильтры пространственного шума при восстановлении изображений. Фильтры частотной фильтрации шума. Режекторные фильтры периодических шумов. Винеровская фильтрация. Алгоритм Люси-Ричардсона. Слепая деконволюция. Восстановление смазанного изображения. Представление и преобразования цветных изображений в пакете IPT MatLab. Функции преобразования цветных изображений. Преобразования в другие цветовые пространства. Общие принципы обработки цветных изображений. Пространственная фильтрация цветных изображений. Практика 6. Методы морфологического анализа для бинарных и полутоновых изображений
Морфологическая обработка изображений. Операции дилатации и эрозии. Проведение морфологического анализа с помощью функции bwmorph. Выделение компонент связности бинарных изображений. Морфологическая реконструкция. Полутоновая морфология. Практика 7. Методы сегментарного анализа. Текстурный анализ
Сегментация изображений. Обнаружение изолированных точек. Обнаружение линий. Обнаружение краев. Пороговая обработка в сегментации. Сегментация на отдельные области полутоновых изображений. Сегментация цветных изображений. Детерминированные модели текстуры. Статистические модели текстуры. Представление и улучшение результатов сегментации. Практика 8. Сегментация на основе движения. Признаковое описание объектов на изображении.
Сегментация на основе движения. Описание границ дискретных фигур. Признаковое описание объектов на изображении. Представление и описание областей. Численные меры схожести объектов. Масштабные преобразования (пирамиды) изображений. Детекторы характерных локальных особенностей. Сопоставление двух изображений. Семантическое описание сегментированных изображений. Практика 9. Детерминистская классификация. Формирование обучающей выборки. Методы корреляционное сопоставление. Байесовские классификаторы
Методы детерминистской классификации. Особенности формирования выборки для разнородных данных. Методы снижения размерности признакового пространства. Методы корреляционного сопоставления. Байесовский подход к классификации. Линейный дискриминант Фишера. Методы оценки вероятности ошибочной классификации. Влияние объема обучающей выборки на ожидаемую ошибку классификации. Отбор информативных признаков. Практика 10. Метод опорных векторов. Ансамбль правил решения. Решающие деревья. Скрытые марковские модели
Метод минимизации среднего риска. Спрямляющее пространство и базисные функции. Метод опорных векторов. Ансамбли классификаторов. Обучение композиций (каскадов) классификаторов. Решающие деревья. Лес решающих деревьев. Марковские модели контекстно-зависимой классификации. Структурные (лингвистические) методы. Байесовские и марковские сети. Практика 11. Методы автоматической классификации. Искусственные нейронные сети
Методы автоматической классификации. Методы и алгоритмы кластерного анализа. Оценки качества классификации процедур кластерного анализа. Элементы искусственных нейронных сетей. Построение нейронной сети для точной классификации прецедентов. Метод подбора весов. Алгоритм обратного распространения ошибки (обратной волны). Основные функции Neural Network Toolbox MatLab. GUI интерфейс для пакета Neural Network Toolbox MatLab. Применение нейронных сетей для распознавания изображений. Архитектура нейропроцессоров. Практика 12. Вейвлет-анализ и методы сжатия изображений. Методы формирования и отображения видео последовательностей. Обработка видео
Вейвлет - анализ. Двумерное вейвлет преобразование. Сжатие видеоизображений. Формирование видеопоследовательности. Качество восприятия видеосигнала. Понятие видеокодека. Обработка видеопоследовательностей в пакете IPT. Пакет CVS Toolbox MatLab. Библиотека блоков пакета CVS. Примеры обработки и распознавания изображений и видео последовательностей в CVS. Практика 13. Анализ и распознавание видео. Видеоаналитика
Методы и алгоритмы трекинга объектов на видео. Методы визуальной навигации и картирования местности. Описание библиотеки OpenCV. Основные функции и структуры серверов видеоаналитики. Видеосистемы с PTZ камерами. Стохастические методы сопровождения и оценка траектории подвижного объекта.
Содержание практических занятий (Часть 1 - Лекции по курсу "Системы технического зрения", Часть 2 - Практические занятия)
Практика 1. Оптика в СТЗ. Геометрические преобразования в камерах.
Конструкция камеры. Основные положения геометрической оптики. Оптика в системах искусственного зрения. Перспективная (центральная) проекция. Геометрические преобразования на плоскости. Базовые 3D преобразования сцены. Геометрия двух проекций. Практика 2. Представление цифровых изображений. Цвет изображения.
Твердотельные приемники излучения оптического диапазона. Эффекты, связанные с получением цифровых изображений. Ошибки, связанные с квантованием дискретных изображений. Растровые изображения. Алгоритмы компьютерной 2D растровой графики. Характеристики восприятия цвета. Характеристики источников света. Цветовые модели компьютерной графики. Графическое программное обеспечение. Практика 3. Яркостные и пространственные преобразования изображений в пакете IPT MatLab
Классы данных. Преобразования типов и классов изображений IPT Matlab. Некоторые стандартные массивы. Функции считывания, отображения и записи изображений. Арифметические и геометрические операции над изображениями. . Преобразования яркости изображений. Преобразования растяжения контрастности. Построение гистограмм. Принципы обработки изображений в пространственной области. Стандартные пространственные фильтры IPT Matlab. Алгоритмы нелинейной фильтрации. Практика 4. Частотные преобразования изображений. Моделирование искажений изображений
Обработка изображений в частотной области. Функции быстрого двумерного преобразования Фурье в Matlab. Косинусное преобразование. Принципы фильтрации изображений в частотной области. Построение фильтров в частотной области. Частотная низкочастотная фильтрация. Частотные фильтры повышения резкости. Связь между пространственной и частотной фильтрацией. Процессы искажения изображений и их моделирование. Практика 5. Восстановление изображений. Методы преобразования цветных изображений
Оценивание шумов по изображению. Фильтры пространственного шума при восстановлении изображений. Фильтры частотной фильтрации шума. Режекторные фильтры периодических шумов. Винеровская фильтрация. Алгоритм Люси-Ричардсона. Слепая деконволюция. Восстановление смазанного изображения. Представление и преобразования цветных изображений в пакете IPT MatLab. Функции преобразования цветных изображений. Преобразования в другие цветовые пространства. Общие принципы обработки цветных изображений. Пространственная фильтрация цветных изображений. Практика 6. Методы морфологического анализа для бинарных и полутоновых изображений
Морфологическая обработка изображений. Операции дилатации и эрозии. Проведение морфологического анализа с помощью функции bwmorph. Выделение компонент связности бинарных изображений. Морфологическая реконструкция. Полутоновая морфология. Практика 7. Методы сегментарного анализа. Текстурный анализ
Сегментация изображений. Обнаружение изолированных точек. Обнаружение линий. Обнаружение краев. Пороговая обработка в сегментации. Сегментация на отдельные области полутоновых изображений. Сегментация цветных изображений. Детерминированные модели текстуры. Статистические модели текстуры. Представление и улучшение результатов сегментации. Практика 8. Сегментация на основе движения. Признаковое описание объектов на изображении.
Сегментация на основе движения. Описание границ дискретных фигур. Признаковое описание объектов на изображении. Представление и описание областей. Численные меры схожести объектов. Масштабные преобразования (пирамиды) изображений. Детекторы характерных локальных особенностей. Сопоставление двух изображений. Семантическое описание сегментированных изображений. Практика 9. Детерминистская классификация. Формирование обучающей выборки. Методы корреляционное сопоставление. Байесовские классификаторы
Методы детерминистской классификации. Особенности формирования выборки для разнородных данных. Методы снижения размерности признакового пространства. Методы корреляционного сопоставления. Байесовский подход к классификации. Линейный дискриминант Фишера. Методы оценки вероятности ошибочной классификации. Влияние объема обучающей выборки на ожидаемую ошибку классификации. Отбор информативных признаков. Практика 10. Метод опорных векторов. Ансамбль правил решения. Решающие деревья. Скрытые марковские модели
Метод минимизации среднего риска. Спрямляющее пространство и базисные функции. Метод опорных векторов. Ансамбли классификаторов. Обучение композиций (каскадов) классификаторов. Решающие деревья. Лес решающих деревьев. Марковские модели контекстно-зависимой классификации. Структурные (лингвистические) методы. Байесовские и марковские сети. Практика 11. Методы автоматической классификации. Искусственные нейронные сети
Методы автоматической классификации. Методы и алгоритмы кластерного анализа. Оценки качества классификации процедур кластерного анализа. Элементы искусственных нейронных сетей. Построение нейронной сети для точной классификации прецедентов. Метод подбора весов. Алгоритм обратного распространения ошибки (обратной волны). Основные функции Neural Network Toolbox MatLab. GUI интерфейс для пакета Neural Network Toolbox MatLab. Применение нейронных сетей для распознавания изображений. Архитектура нейропроцессоров. Практика 12. Вейвлет-анализ и методы сжатия изображений. Методы формирования и отображения видео последовательностей. Обработка видео
Вейвлет - анализ. Двумерное вейвлет преобразование. Сжатие видеоизображений. Формирование видеопоследовательности. Качество восприятия видеосигнала. Понятие видеокодека. Обработка видеопоследовательностей в пакете IPT. Пакет CVS Toolbox MatLab. Библиотека блоков пакета CVS. Примеры обработки и распознавания изображений и видео последовательностей в CVS. Практика 13. Анализ и распознавание видео. Видеоаналитика
Методы и алгоритмы трекинга объектов на видео. Методы визуальной навигации и картирования местности. Описание библиотеки OpenCV. Основные функции и структуры серверов видеоаналитики. Видеосистемы с PTZ камерами. Стохастические методы сопровождения и оценка траектории подвижного объекта.