Bildeanalyse

Bildeanalyse: Foldingsmasker, ROI (Region Of Intrest), aritmetriske og logiske operasjonar, romleg filtrering lineær og ulineær.

Bineær bildeanalyse: Terskling, konnektivitet, labeling algoritme, objekt egenskapar (areal, centroide, eulertal etc.).

Kantdeteksjon: Gradient operatorar (sobel, robert, prewitt), kompassmasker, LoG (Laplace of Gaussian), Hough Transformasjonen.

Segmentering: Oppdeling og sammensmelting (Split and merge), vannbasseng transformasjonen (Watershed transform).

Morfologisk filtrering: Strukturelement, erosjon, groing, åpning, lukking,fortynning,etc.

Fourier Transformasjon: FFT tolking av bilder.

Objekt egenskapar (Feature Extraction): RST- invariant (rotasjon, storleik, translasjon), histogramtype (middelverdi, standardavvik, skjevheit, energi, entropi), formtype (momentbaserte), spektraltype ( sektor og ring basert effekt), texturtype ( basert på co-occurance matrix og law¿s textur masker).

Objekt gjennkjenning: Objekt beskrivelse (descriptor), formbasert (Fourier descriptor, kjedekode), regionbasert (moment, areal, omkrets, etc.)

Mønstergjennkjenning: Spredninsdiagram, skalering, avstandsmål,minimum distanse klassifiserer, k-næraste nabo, optimale statistiske klassifiserer (Bayes),treningsset, testset, læringskurver, feilklassifisering, forvirringsmatrise.

Geometriske transformasjonar: Transformasjons matriser. Transformasjonstypar (affine, projektive), knytningspunkt.

Fargebilder: Fargemodellar (RGB,HSI,HSV,Lab), fargeplan, pseudofargar, segmentering basert på fargar.

Belysning: Lyssettingens funksjon:( kontrast,skygge, struktur, gjennskinn, kanter).

Lystyper: (LED, IR, polarisasjon). Lysoppsetting: (Frontlys, underlys, sidelys)

Restaurering og rekonstruksjon: Degradering: Bevegelse, linsefeil, CCD matrise. Inversfilter. Wienerfilter.

Kamera kalibrering: Kamera modell.

Stereosyn: Stereomatching (SAD,SSD,NCC), disparity map.

Læringsutbytte - Kunnskap:

teknikker for prosessering av bilder

metoder for segmentering av bilder

karakterisering av objekter

metoder for klassifisering

   

Læringsutbytte - Ferdigheter:

ha ferdigheter i Blob (Binary Large OBject) analyse

kunne velge relevante størrelser for identifisering av objekt

kunne identifisere, gjenkjenne og klassifisere objekt med dataverktøy

   

Læringsutbytte - Kompetanse:

metoder for bildeanalyse, objekt- gjenkjenning og klassifisering

de ulike elementer som inngår i et Machine Vision system

Pedagogiske metoder:

Forelesning, dataøvinger og miniprosjekt (varighet 4 veker)Dataøvinger basert på Matlab.    

Obligatoriske arbeidskrav:

8 dataøvinger. 80% av dataøvingene må vere godkjent. Disse skal leveres i rett tid og plasseres i mapper.