lu.se

Forskar­utbildnings­kurser

Lunds tekniska högskola | Lunds universitet

Detaljer för kursplan för kurs FMA105F giltig från och med HT 2013

Utskriftsvänlig visning

Allmänt
Syfte
  • Kursens huvudsyfte är att ge en grundläggande introduktion till teori och matematiska metoder inom bildanalys, i tillräcklig omfattning för att a ta sig an forskningsanknutna och industriella bildbehandlingsproblem. Vidare är syftet att få doktoranden att utveckla sin förmåga till problemlösning, både med och utan dator. Ett ytterligare syfte är att förbereda studenten för fortsatta studier i t ex datorseende, multispektral bildanalys och statistisk bildanalys.
Innehåll
  • Matematiska grundbegrepp: Bildtransformer, DFT, FFT.

    Bildförbättring: Grånivåtransformer, filtreringar.

    Bildrestaurering: Filtreringar, inversa metoder.

    Skalrumsteori: Kontinuerlig-diskret teori, interpolation.

    Särdragsextraktion: Filtreringar, kant- och hörndetektion.

    Segmentering: Graf-metoder, aktiva konturer, matematisk morfologi.

    Registrering

    Maskininlärning: Inlärning, prövning, generalisering, hypotesrum
Kunskap och förståelse
  • För godkänd kurs skall doktoranden
  • kunna tydligt förklara och självständigt använda matematiska grundbegrepp inom bildanalys, speciellt med avseende på transformteori (både i rums- och frekvensplanet), bildförbättringsmetoder, komprimering och mönsterigenkänning.

    kunna beskriva och översiktligt förklara den matematiska teorin bakom några centrala bildbehandlingsalgoritmer (såväl deterministiska som stokastiska).

    ha förståelse för de statistiska principerna som ligger till grund för maskininlärning
Färdighet och förmåga
  • För godkänd kurs skall doktoranden
  • på ett ingenjörsmässigt sätt kunna använda programpaket på dator för att lösa bildanalysproblem.

    kunna visa god förmåga att självständigt identifiera problem som kan lösas med bildtekniker samt kunna välja lämplig metod.

    kunna självständigt applicera grundläggande bildtekniker på industriellt och forskningsmässigt relevanta bildbehandlingsproblem.

    med adekvat terminologi, väl strukturerat och logiskt sammanhängande kunna redogöra för lösningen till ett bildanalysproblem.
Värderingsförmåga och förhållningssätt
  • För godkänd kurs skall doktoranden
Undervisningsformer
  • Föreläsningar
  • Projekt
Examinationsformer
  • Skriftlig rapport
  • Seminarieföredrag av deltagarna
  • Underkänd, godkänd
Förkunskapskrav
Förutsatta förkunskaper
  • Linjär algebra and analys i en och flera variabler. Högt uppövade färdigheter i att genomföra experiment, bedriva arbete i projektform och i att programmera.
Urvalskriterier
Litteratur
  • Szeliski, R.: Computer Vision: Algorithms and Applications. Springer, 2010. ISBN 9781848829343.
  • Det är möjligt att klara kursen utan att köpa boken, med användning av material på kurshemsidan.
Övrig information
Kurskod
  • FMA105F
Administrativ information
  •  -04-22
  • FN1/Anders Gustafsson

Alla publicerade kurstillfällen för kursplanen

Inga matchande kurstillfällen hittades.

0 kurstillfällen.


Utskriftsvänlig visning