Дисциплина: Системы обработки медиаданных
Кафедра: ЭВС
Лектор: д.т.н., доцент Вашкевич М.И.
Лекционные материалы
Тема 1: Введение в цифровую обработку изображений (ЦОИ)
1.1 Задачи цифровой обработки изображений (ЦОИ).
1.2 История развития ЦОИ.
1.3 Свет и электромагнитный спектр. Излучение, свет и цвет.
1.4 Регистрация изображений. Дискретизация и квантование аналоговых изображений.
1.5 Процесс получения цифрового изображения.
1.6 Классификация изображений.
1.7 Интерполяция цифрового изображения.
Тема 2: Представление цифровых цветных изображений
2.1 Зрительная система человека. Модель формирования изображений.
2.2 Цветовая модель RGB / CMYK / YCbCr. Субдискретизация YCbCr.
2.3 Обработка изображений в Python
Тема 3: Поточечная обработка изображений
3.1 Гистограмма изображения. Динамический диапазон изображения.
3.2 Преобразование яркости (яркостный срез, степенное преобразование, контрастирование, бинаризация и др.)
3.3 Эквализация гистограммы. Гистограммная подгонка.
Тема 4: Окрестностная обработка изображений (пространственная фильтрация)
4.1 Свертка изображений.
4.2 Сглаживающие фильтры.
4.3 Фильтр повышения резкости изображения. Оператор Лапласа.
4.4 Выделение контуров.
4.4.1. Градиент изображения.
4.4.2. Влияние шума на вычисление производных.
4.4.3. Фильтры Собеля, Прюитта, Робертса.
4.4.4. Детектор контуров Марра-Хилдрета.
4.5.1 Медианный фильтры.
4.5.2 Ранговые фильтры.
4.5.2 Билатеральный фильтр.
Тема 5: Частотная обработка изображений
5.1 Двумерное дискретное преобразование Фурье.
5.2 Перевод изображения в частотную область. Центрирование ДПФ. Логарифмическое преобразование спектра.
5.3 Фильтрация изображения в частотной области.
5.4 Низкочастотные фильтры для изображений.
5.5 Фильтрация изображения с усилением высоких частот.
Тема 6: Основы машинного обучения. Линейные модели
6.1 Визуализация данных. Ковариация и корреляция.
6.2 Модель линейной регрессии.
6.3 Множественная линейная регрессия.
6.4 Модель логистической регрессии.
Тема 7: Нейронные сети
7.1 Перцептрон Розенблатта.
7.2 Базовая модель нейрона. Различные функции активации, их особенности.
7.3 Нейронные сети прямого распространения. Обучение нейронной сети. Алгоритм обратного распространения ошибки.
7.4 Проблемы обучения глубоких нейронных сетей.
Тема 8: Оценка качества классификации
8.1 Результаты бинарной классификации. Матрица неточностей.
8.2 Правильность. Частота ошибок. Проблема использование показателя правильности.
8.3 Точность / Полнота / Чувствительность / Специфичность.
8.4 Частота истинно положительных результатов. Частота ложноположительных результатов. РХП-кривая. Площадь под РХП-кривой (AUC).
Лабораторные работы
ЛР1. Базовые операции с изображениями в Python
ЛР2. Цифровая обработка цветных изображений
ЛР3. Поточечная обработка изображений. Тестовые изображения.
ЛР4. Пространственная фильтрация изображений
ЛР5. Обработка изображений в частотной области
ЛР6. Линейная регрессия. Наборы данных.
ЛР7-8. Нейронные сети.