Бакалавриат
2022/2023
Научно-исследовательский семинар "Цифровая обработка изображений"
Статус:
Курс по выбору (Программная инженерия)
Направление:
09.03.04. Программная инженерия
Кто читает:
Департамент программной инженерии
Где читается:
Факультет компьютерных наук
Когда читается:
2-й курс, 1-3 модуль
Формат изучения:
без онлайн-курса
Охват аудитории:
для всех кампусов НИУ ВШЭ
Преподаватели:
Родригес Залепинос Рамон Антонио
Язык:
русский
Кредиты:
3
Контактные часы:
44
Программа дисциплины
Аннотация
Цифровая обработка изображений применяется при обработке изображений с фотоаппаратов, мобильных устройств, видео-сенсоров, космических спутников Земли, беспилотных летательных аппаратов, медицинских приборов, телескопов и многих других источников. Сюда входит широкий спектр методов работы с изображениями от простой фильтрации до алгоритмов сжатия до выделения объектов на изображениях.
Цель освоения дисциплины
- Познакомиться с целями, задачами, основными подходами цифровой обработки изображений
- Понимать устройство цифровой фототехники
- Знать цветовые модели пространства
- Уметь применять базовые методы цифровой обработки изображений
- Разбираться в вариантах построения пирамиды изображений
- Знать внутреннее устройство форматов цифровых изображений
- Понимать характеристики и области применения изображений со спутников и беспилотных летательных аппаратов
- Знать методы обнаружение объектов на изображении
- Знать подходы сегментации изображений
- Ориентироваться в современных подоходах цифровой обработки изображений
Планируемые результаты обучения
- Определяет цели, задачи и приложения цифровой обработки изображений
- Пользуется форматами цифровых изображений
- Применяет современные подоходы цифровой обработки изображений
Содержание учебной дисциплины
- Устройство цифровой фототехники.
- Цветовые модели пространства
- Базовые методы цифровой обработки изображений
- Пирамида изображений и ее приложения.
- Форматы изображений
- Изображения со спутников и беспилотных летательных аппаратов
- Обнаружение объектов на изображении.
- Сегментация изображений
- Дополнительные главы
Элементы контроля
- Выступление с презентацией (PP)
- Индивидуальный проект (CW)
- Инициативная тема (IT)
- Экзамен (EX)
Промежуточная аттестация
- 2022/2023 учебный год 3 модульCW вычисляется следующим образом (линейная формула оценивания): CW=CWM×40/10% где CWM = (T1 + T2 + T3 + T4 + T5) / 5 – среднее значение за все задания во время всех семинаров (T1, ... - оцениваются от 0 до 10 баллов). Балл за не показанное/не защищенное задание равен 0. PP вычисляется следующим образом (линейная формула оценивания): PP=PPM×40/10% где PPM – оценка за выступление с научным докладом в форме презентации. Возможно выступление с несколькими докладами. Накопленная оценка O_A вычисляется следующим образом: O_A=(PP+CW)×10/80 Оценка за курс вычисляется следующим образом (линейная формула оценивания): O_C=O_A×0.8+EX×0.2 При вычислении процентов, значения остаются в своей изначальной форме. При вычислении оценок (0..10), происходит стандартное математическое округление. Таким образом, на определенных этапах округляются только O_A, EX, и O_C. В научном докладе в форме презентации оцениваются: сложность темы, степень раскрытия темы, качество устного выступления, качество презентации (слайды), ответы на вопросы. В заданиях на семинарах оцениваются: аккуратность выполнения задания, корректность результата. Если разрабатывается программный код, то к нему применяются здравые критерии оценки такого вида задания, которые во многим общи для дисциплин, в которых необходимо программировать. За творческий подход к выполнению задания могут начисляться баллы. По желанию студент может выбрать индивидуальную образовательную траекторию, в которую входит научная либо проектная работа, участие в конференциях, конкурсах и другие виды деятельности. Индивидуальная образовательная траектория должна заранее согласовываться с преподавателем. Сроки и объемы работ должны заранее обговариваться и согласовываться с преподавателем. Оценивание работы индивидуальной образовательной траектории выполняется по правилам, обговариваемым со студентом. В таком случае, формула O_C и/или O_A может быть изменена с добавлением IT, вес которого обговаривается со студентом заранее. Преподаватель оставляет за собой право задавать вопросы во время защиты работ, чтобы обеспечить понимание материала студентом, написанного исходного кода, подлинность исходного кода. Вопросы также могут основываться на материалах, которые были освещены на семинаре. Преподаватель оценивает работы в соответствии с процентом отвеченных вопросов, количеством выполненной работы, точностью исходного кода и приложением в целом, правильностью приложения и другими здравыми критериями, применимыми к данным видам работы. Студент имеет только 3 попытки дать правильный ответ на поставленный преподавателем вопрос, включая первый ответ студента. Остальные детали оценивания сообщаются на семинарах/по почте в зависимости от задания.
Список литературы
Рекомендуемая основная литература
- Carvalho, V. H. (2012). Image Processing: Methods, Applications and Challenges. New York: Nova. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=541398
- Furht, B., Akar, E., & Andrews, W. A. (2018). Digital Image Processing: Practical Approach. Cham, Switzerland: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1881248
- Information Resources Management Association. (2013). Image Processing : Concepts, Methodologies, Tools, and Applications. Hershey, Pa: Information Science Reference. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=591435
- Remote sensing and image interpretation, Lillesand, T. M., 2015
- Russ, J. C., & Russ, J. C. (2007). Introduction to Image Processing and Analysis. Hoboken: CRC Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1499493
- Sarfraz, M. (2020). Introductory Chapter: On Digital Image Processing. https://doi.org/10.5772/intechopen.92060
- Statistical image processing and multidimensional modeling, Fieguth, P., 2011
Рекомендуемая дополнительная литература
- Fundamentals of satellite remote sensing : an environmental approach, Chuvieco, E., 2020
- Image analysis, classification, and change detection in remote sensing : with algorithms for Python, Canty, M. J., 2019
- Попов C.Б. (2014). Моделирование информационной структуры параллельной обработки изображений ; Modeling the task information structure in parallel image processing. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.60374DFD