Přednášky:
Detekce hran v obrazech. Gradientní metoda. Metoda průchodu nulou. Paramerické modely hrany.
Cannyho detektor hran.
Prahování. Stanovení optimálního prahu.
Segmentace narůstáním nebo dělením oblastí.
Spojování hran. Heuristické sledování hranice. Metoda shlukování v prostoru parametrů.
Popis hranic a oblastí obrazu: Reprezentace hranic pomocí úseček a křivek. Metody proložení přímky a křivky. Popis oblastí.
Detektory význačných bodů (rohů).
Měření objektů. Výpočet a volba příznaků pro příznakové rozpoznání. Hodnocení účinnosti a optimalizace množiny příznaků.
Klasifikátor a klasifikace pomocí diskriminačních funkcí. Klasifikace pomocí etalonů.
Určení diskriminačních funkcí s využitím pravděpodobnostního přístupu.
Klasifikace pomocí neuronové sítě.
Rekonstrukce prostorových souřadnic na základě znalosti dvou nebo více různých obrazů téže scény.
Absolutní a relativní kalibrace kamery a rekonstrukce.
Analýza obrazů proměnných v čase. Sledování objektů.
Počítačové laboratoře:
Na cvičení je pro posluchače připravena serie praktických úloh (detekce hran, oblastí, význačných bodů, výpočet příznaků, klasifikace pomocí etalonů). Úlohy jsou připraveny formou šablon (předem připravených programů), do nichž posluchači doplňují vlastní zdrojový kód. Tato forma umožňuje, aby se posluchači soustředili pouze na podstatné otázky související s probíranou problematikou. Dále jsou na cvičení prezentovány ukázky rekonstrukce 3D scény.
Detekce hran v obrazech. Gradientní metoda. Metoda průchodu nulou. Paramerické modely hrany.
Cannyho detektor hran.
Prahování. Stanovení optimálního prahu.
Segmentace narůstáním nebo dělením oblastí.
Spojování hran. Heuristické sledování hranice. Metoda shlukování v prostoru parametrů.
Popis hranic a oblastí obrazu: Reprezentace hranic pomocí úseček a křivek. Metody proložení přímky a křivky. Popis oblastí.
Detektory význačných bodů (rohů).
Měření objektů. Výpočet a volba příznaků pro příznakové rozpoznání. Hodnocení účinnosti a optimalizace množiny příznaků.
Klasifikátor a klasifikace pomocí diskriminačních funkcí. Klasifikace pomocí etalonů.
Určení diskriminačních funkcí s využitím pravděpodobnostního přístupu.
Klasifikace pomocí neuronové sítě.
Rekonstrukce prostorových souřadnic na základě znalosti dvou nebo více různých obrazů téže scény.
Absolutní a relativní kalibrace kamery a rekonstrukce.
Analýza obrazů proměnných v čase. Sledování objektů.
Počítačové laboratoře:
Na cvičení je pro posluchače připravena serie praktických úloh (detekce hran, oblastí, význačných bodů, výpočet příznaků, klasifikace pomocí etalonů). Úlohy jsou připraveny formou šablon (předem připravených programů), do nichž posluchači doplňují vlastní zdrojový kód. Tato forma umožňuje, aby se posluchači soustředili pouze na podstatné otázky související s probíranou problematikou. Dále jsou na cvičení prezentovány ukázky rekonstrukce 3D scény.