"False"
Hoppa direkt till innehållet
printicon
Huvudmenyn dold.
Kursplan:

Bildanalys, 7,5 hp

Kursen är nedlagd

Engelskt namn: Image Analysis

Denna kursplan gäller: 2009-05-11 och tillsvidare

Kurskod: 5DV015

Högskolepoäng: 7,5

Utbildningsnivå: Avancerad nivå

Huvudområden och successiv fördjupning: Datavetenskap: Avancerad nivå, har kurs/er på avancerad nivå som förkunskapskrav

Betygsskala: Med beröm godkänd, icke utan beröm godkänd, godkänd, väl godkänd, godkänd, underkänd

Ansvarig institution: Institutionen för datavetenskap

Beslutad av: teknisk-naturvetenskapliga fakultetsnämnden, 2008-01-08

Reviderad av: teknisk-naturvetenskapliga fakultetsnämnden, 2009-06-24

Innehåll

Moment 1, teoridel, 4.5 högskolepoäng Kursen behandlar linjära system, signaler, digitalisering, fouriertransform, faltning, två- och tredimensionell signalbehandling, omsampling av bilder, gråskaleoperationer, geometriska operationer, linjära- och olinjära filter, morfologiska operationer, förtunning, segmentering, bildrestaurering, mönsterdetektering och klassificering samt kant- och linjedetektering och komprimering. Moment 2, laborationsdel, 3 högskolepoäng Delmomentet utgörs av en laborationskurs med ett antal obligatoriska inlämningsuppgifter.

Förväntade studieresultat

Efter avslutad kurs ska studenten kunna: - analysera ett bildanalysproblem och sluta sig till vilket bildgivande system som är mest lämpat för det aktuella problemet - förklara punktoperatorer och använda dessa vid bildförbättring - utföra filtrering och konstruera egna filter - redogöra för sambanden mellan spatiella rummet och frekvensrummet - använda bildrestaureringsmetoder på verkliga bilder - redogöra för olika färgrepresentationer och förklara skillnader mellan dessa - redogöra för wavelets och olika komprimeringsmetoder - tillämpa matematisk morfologi - utföra segmentering med grundläggande segmenteringsmetoder, kunna analysera metoders lämplighet vid ett specifikt problem och argumentera om segmenteringsmetoders lämplighet för ett givet problem - analysera vilken representation/beskrivning som skall användas. Utföra representationer och beskrivningar samt argumentera för deras lämplighet - redogöra för vilka klassificeringsmetoder som lämpar sig att använda vid lösningen av bildanalysproblem

Behörighetskrav

Univ: För tillträde till kursen krävs 60 hp i huvudområdet datavetenskap eller 2 års studier inkluderande kurserna Teknisk-vetenskapliga beräkningar (5DV005) samt antingen Artificiell intelligens (5DV019) eller Mönsterigenkänning (5DV025) eller motsvarande kunskaper. En A och svenska för grundläggande behörighet för högskolestudier (om kursen ges på svenska).

Undervisningens upplägg

Undervisningen bedrivs i form av föreläsningar, arbete i datorlabb och övningar i mindre grupper. Utöver schemalagda aktiviteter krävs även individuellt arbete med materialet.

Examination

Examinationen sker dels genom skriftlig tentamen (på teoridelen) dels genom ett laborationsmoment. På en skriftlig tentamen sätts något av betygen Underkänd (U), Godkänd (3), Icke utan beröm godkänd (4) eller Med beröm godkänd (5). På laborationsmomentet ges endast betygen Underkänd (U) eller Godkänd (G). På hela kursen ges något av betygen Underkänd (U), Godkänd (3), Icke utan beröm godkänd (4) eller Med beröm godkänd (5). För att bli godkänd på hela kursen krävs att samtliga prov och obligatoriska moment är godkända. Betyget utgör en sammanfattande bedömning av resultaten vid examinationens olika delar och sätts först när alla obligatoriska moment är godkända. Studerande som godkänts i ett prov får inte undergå förnyat prov för att få ett högre betyg. För studerande som inte godkänns vid ordinarie provtillfälle anordnas ytterligare provtillfälle. En student som utan godkänt resultat har genomgått två prov för en kurs eller en del av en kurs, har rätt att få en annan examinator utsedd, om inte särskilda skäl talar emot det (HF 6 kap. 22 §). Begäran om ny examinator ställs till prefekten vid Institutionen för datavetenskap. TILLGODORÄKNANDE I en examen får denna kurs ej ingå, helt eller delvis, samtidigt med en annan kurs med likartat innehåll. Vid tveksamheter bör den studerande rådfråga studievägledare vid Institutionen för datavetenskap.

Litteratur

Giltig från: 2009 vecka 20

Digital image processing
Gonzalez Rafael C., Woods Richard E.
3. ed. : Upper Saddle River, N.J. : Pearson Prentice Hall : cop. 2008 : xxii, 954 s. :
http://www.imageprocessingplace.com/z Companion website
ISBN: 978-0-13-168728-8 (hbk.)
Se Umeå UB:s söktjänst