Tantárgy neve:

Basic Image Processing Algorithms
P-ITJEL-0014

Tárgyfelelős:

Benedek Csaba

Tantárgy oktatója:

Benedek Csaba

A tantárgy céljának rövid ismertetése:

A kurzus célja, hogy bevezetést nyújtson a digitális képfeldolgozás és a számítógépes látás területén alkalmazott alapvető algoritmusokba.

Elsajátítandó elméleti ismeretanyag:

Elméleti oktatás az alábbi témakörökben: 1. Bevezetés: képfeldolgozás története és alkalmazásai, a kép digitális ábrázolásának módjai, színterek 2. 2D konvolúció és alkalmazásai
3. Canny éldetektor, Hough-transzformáció 4. Képjavítás 5. Fourier-elemzés 6. Textúraelemzés 7. Kép-helyreállítás 8. Képszegmentálás: Bevezetés, klaszterező eljárások és morfológia 9. Markov-véletlen mezők 10. Mean shift és Watershed eljárások 11. leírók (Harris, SIFT, HOG, LBP, bináris deszkriptorok)

Elsajátítandó gyakorlati ismeretanyag:

Programozási feladatok elvégzése az alábbi témakörökben: Képek kezelése Matlabban, Dithering és színterek, 2D konvolúciók és hisztogramok, Hough-transzformáció alkalmazása, Fourier-transzformáció, Laws-szűrők, képhelyreállítás (CLS, Wiener szűrők) K-means, meanshift szegmentáció tesztelése, HOG és magas szintű leírók tesztelése, képtömörítés

A 2-4 legfontosabb kötelező irodalom felsorolása bibliográfiai adatokkal (szerző, cím, kiadás adatai, (esetleg oldalak), ISBN):

Richard Szeliski, “Computer Vision. Algorithms and Applications.” Springer, London, (http. //szeliski.org/Book/) M. Seul, L. O’Gorman and M. J. Sammon, “Practical Algorithms for Image Analysis”, Cambridge University Press, Cambridge.

A 2-4 legfontosabb ajánlott felsorolása bibliográfiai adatokkal (szerző, cím, kiadás adatai, (esetleg oldalak), ISBN):

Cs. Benedek. ”Multi-level Bayesian Models for Environment Perception. ” Springer International Publishing, 202 pages, ISBN 978-3-030-83654-2, 2022. ISBN: 9783030836542.

Cs. Benedek, A. Majdik, B. Nagy, Z. Rozsa, T. Sziranyi: Positioning and perception in LIDAR point clouds, Digital Signal Processing vol. 119 (2021) 103193, ISSN 1051-2004

Elmélet-gyakorlat aránya:

Elméleti óra óraszáma: 2
Gyakorlati óra és labor óra óraszáma: 1 + 1

Az alkalmazott oktatási módszerek:

elméleti előadás, vizuális és auditív szemléltetőeszközök használata,
egyéni projektmunka

Az értékelés módja:

Kollokvium

Az értékelés kritériuma:

Aláírás megszerzéséhez szükséges feltételek:

• írásbeli zárthelyi legalább 40%-os teljesítése (1 pótzh alkalom)
• 2 házi feladat (egyéni projektmunka) megfelelő elvégzése, dokumentációja és személyes bemutatása.
• Vizsga menete, kritériuma:
• Szóbeli vizsga.
• Osztályzás: 50% félévközi eredmények + 50% vizsgateljesítmény.
• Vizsgán előre ismert tételsorból egy tételt húz, ennek kidolgozására legalább 15 perces időt kap, majd szóban beszámol az oktatónak, és a kérdésekre válaszol.
• Cél a tanult ismeretanyag visszakérdezésén túl az összefüggések és a gyakorlati alkalmazási lehetőségek megértésének felmérése.
• Jeles (5): legalább jó félévközi teljesítmény, meggyőző szóbeli felelet mind a megtanult ismeretek, mind az összefüggések meggyőző prezentációja
• Jó (4): legalább közepes félévközi teljesítmény, megfelelő szóbeli felelet, kisebb hiányosságokkal, pontatlanságokkal
• Közepes (3): elfogadható félévközi teljesítmény, közepes színvonalú szóbeli felelet.
• Elégséges (2): elfogadható félévközi teljesítmény, elégséges színvonalú szóbeli felelet.
• Elégtelen (1): nem elfogadható félévközi teljesítmény van elégtelen színvonalú szóbeli felelet.

Miként járul hozzá a tantárgy a KKK-ban megjelölt kompetenciaelemek megszerzéséhez:

Molekuláris bionika mérnöki alapképzés:
A jel- és képfeldolgozási feladatok és a számítógépes modellezés és szimuláció gyakorlati alkalmazása fejleszti a hallgatók tervezési, rendszerintegrációs és mérnöki problémamegoldó kompetenciáit. A feladatok során hangsúlyt kap a tesztelés, a dokumentálás és – a tematika jellegétől függően – a minőségi vagy biztonsági szempontok figyelembevétele is.