ПЕРВОЕ ВЫСШЕЕ ТЕХНИЧЕСКОЕ УЧЕБНОЕ ЗАВЕДЕНИЕ РОССИИ

ПЕРВОЕ ВЫСШЕЕ ТЕХНИЧЕСКОЕ УЧЕБНОЕ ЗАВЕДЕНИЕ РОССИИ
МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ
федеральное государственное бюджетное образовательное учреждение высшего профессионального образования
«НАЦИОНАЛЬНЫЙ МИНЕРАЛЬНО-СЫРЬЕВОЙ УНИВЕРСИТЕТ «ГОРНЫЙ»
Согласовано
Утверждаю
_______________________
Руководитель ООП
по направлению 220700
доц. А.А. Кульчицкий
______________________
Зав. кафедрой АТПП
доц. А.А. Кульчицкий
ПРОГРАММА УЧЕБНОЙ ДИСЦИПЛИНЫ
«МЕТОДЫ И АЛГОРИТМЫ ОБРАБОТКИ
СИГНАЛОВ И ИЗОБРАЖЕНИЙ»
Направление подготовки:
220700 Автоматизация технологических процессов и производств
Прорамма подготовки:
Системы автоматизированного управления в горном деле
Системы автоматизированного управления в металлургии
Системы автоматизированного управления в нефтегазопереработке
Системы автоматизированного управления в машиностроении
Квалификация (степень) выпускника: магистр
Форма обучения: очная
Составители:
доцент каф. АТПП П.В. Иванов
САНКТ-ПЕТЕРБУРГ
2012
1. Цели и задачи дисциплины:
Дисциплина “Методы и алгоритмы сигналов и изображений” призвана
познакомить студента, обучающегося по направлению 220700 “Автоматизация
технологических процессов и производств”, с основами анализа, представления и
обработки изображений, методами построения логических, продукционных, сетевых
моделей и их использования в интеллектуальных системах различного назначения:
экспертных системах, нечетких системах, системах поддержки принятия решений,
нейросетевых и генетических алгоритмах. Дисциплина “Методы и алгоритмы сигналов и
изображений” способствует формированию у студента умений и навыков в областях
решения задач проектирования и управления на основе методов искусственного
интеллекта, разработки программного обеспечения для современных интеллектуальных
систем.
Задачами дисциплины являются:
– изучение основ применения систем машинного зрения
– изучение принципов представления визуальной информации;
– освоение методов представления, получения и хранения сигналов и изображений;
– изучение основ обработки и анализа изображений;
– изучение принципов идентификации объектов на изображении.
2. Место дисциплины в структуре ООП:
Дисциплина относится к дисциплинам по выбору общенаучного цикла основной
образовательной программы подготовки магистров по направлению 220700
“Автоматизация технологических процессов и производств”.
Дисциплина
базируется
на
следующих
дисциплинах:
«Прикладное
программирование», «Математика», «Теория вероятностей и математическая статистика»,
«Программирование и алгоритмизация», «Программное обеспечение систем управления и
сбора
данных»,
«Теория
автоматического
управления»,
«Математическое
моделирование», «Техническое и информационное обеспечение систем управления»,
«Моделирование объектов и систем управления».
Знания, полученные по освоению дисциплины, необходимы при выполнении
научно-исследовательской работы, а также при подготовке выпускной квалификационной
работы магистра.
3. Требования к результатам освоения дисциплины:
Освоение курса способствует приобретению компетенций:
– способность к самостоятельному изучению новых методов исследования, к
изменению научного и научно-производственного профиля своей профессиональной
деятельности (ОК-2);
– способностью выполнять анализ состояния и динамики функционирования
средств и систем автоматизации, контроля, диагностики, испытаний и управления
качеством продукции, метрологического и нормативного обеспечения производства,
стандартизации и сертификации с применением надлежащих современных методов и
средств анализа (ПК-14);
– способностью осуществлять контроль за испытанием готовой продукции,
средствами и системами автоматизации и управления, поступающими на предприятие
материальными ресурсами, внедрением современных методов автоматизации и
управления производством, жизненным циклом продукции и ее качеством (ПК-22);
– способность производить анализ, синтез и оптимизацию процессов
автоматизации, управления производством, жизненным циклом продукции и ее качеством
на основе проблемно-ориентированных методов (ПК-38);
– способность разрабатывать алгоритмическое и программное обеспечение средств
и систем автоматизации и управления (ПК-40);
– способность осуществлять сбор, обработку, анализ, систематизацию и обобщение
научно-технической информации, отечественного и зарубежного опыта по направлению
исследований, выбирать методы и средства решения практических задач (ПК-41);
В результате освоения учебной дисциплины, обучающиеся должны
демонстрировать следующие результаты образования:
Знать:
– основные понятия искусственного интеллекта, информационные модели знаний;
– методы построения моделей и идентификации исследуемых процессов, явлений и
объектов;
– методы и алгоритмы планирования измерений и испытаний, а также обработки их
результатов и оценки их качества.
Уметь:
– разрабатывать и использовать системы описания и управления
производственными данными;
– применять физико-математические методы при моделировании задач в области
автоматизации технологических процессов и производств;
– формировать планы измерений и испытаний для различных измерительных и
экспериментальных задач и обрабатывать полученные результаты с использованием
алгоритмов, адекватных сформированным планам.
Владеть:
– навыками моделирования процессов управления объектов;
– навыками использования прикладных процедур, реализующих правила обработки
данных;
– навыками построения моделей и решения конкретных задач в области
автоматизации технологических процессов и производств;
– навыками использования при решении поставленных задач программных пакетов
для ЭВМ.
4. Объем дисциплины и виды учебной работы
Общая трудоемкость дисциплины составляет 4
зачетных единицы.
Вид учебной работы
Всего
часов
Семестры
Аудиторные занятия (всего)
В том числе:
Лекции
Практические занятия (ПЗ)
Семинары (С)
Лабораторные работы (ЛР)
Самостоятельная работа (всего)
В том числе:
Курсовой проект (работа)
Расчетно-графические работы
Реферат
Другие виды самостоятельной работы
56
С
56
10
46
10
46
52
52
52
52
Вид промежуточной аттестации (экзамен)
36
36
Вид учебной работы
Общая трудоемкость час
зач. ед.
Всего
часов
144
4
Семестры
С
144
4
5. Содержание дисциплины
5.1. Содержание разделов дисциплины
№
п/п
1
Наименование раздела
дисциплины
Обработка и анализ
изображений в задачах
машинного зрения
2
Цифровые изображения
3
Обработка изображений
Содержание раздела
Предмет дисциплины «Методы и алгоритмы
сигналов и изображений». Области применения систем
машинного зрения. Уровни и методы машинного зрения.
Требования
к
алгоритмам
машинного
зрения.
Программное обеспечение для обработки и анализа
изображений.
Растровое изображение. Изображение как двумерный
массив
данных.
Алгебраические
операции
над
изображениями. Физическая природа изображений. Тип
пиксела.
Устройства оцифровки и ввода изображений.
Линейки и матрицы, сканеры и камеры. Геометрия
изображения. Цифровые и аналоговые устройства.
Пространственное
разрешение.
Программное
обеспечение.
Форматы
хранения
и
передачи
цифровых
изображений.
Методы сжатия цифровых изображений. Формат
BMP. Формат PCX. Формат GIF. Формат TIFF. Формат
JPEG.
Цифровые
видеопоследовательности.
Скорость
съемки. «Смаз» изображения. Этапы проектирования
системы видеосъемки. Быстрая съемка и съемка
быстропротекающих процессов. Форматы хранения и
передачи цифровых видеопоследовательностей.
Яркость и цвет. Гистограммы, профили, проекции.
Бинаризация
и
сегментация.
Гистограмма
и
гистограммная обработка изображений. Бинаризация
полутоновых
изображений.
Сегментация
многомодальных изображений. Обработка цветных
изображений. Профиль вдоль линии и анализ профиля.
Проекция и анализ проекции.
Нелинейная фильтрация бинарных и полутоновых
изображений.
Задача
фильтрации
изображений.
Фильтрация
бинарных
изображений.
Нелинейная
фильтрация полутоновых изображений. Задача выделения
объектов интереса.
Линейная
фильтрация
изображений
в
пространственной и частотной области. Линейная
фильтрация изображений. Линейная фильтрация в
№
п/п
Наименование раздела
дисциплины
4
Анализ изображений
5
Обнаружение и
идентификация объектов
Содержание раздела
пространственной области. Преобразование Фурье.
Линейная фильтрация в частотной области. Вейвлетанализ.
Выделение контурных точек. Задача выделения
контурных точек. Операторы вычисления производных.
Операторы вычисления векторов градиентов. Операторы
Марра
и
Лапласа.
Постобработка
контурного
изображения.
Выделение и описание характерных элементов
изображения. Задача выделения характерных черт.
Выделение и описание точечных особенностей.
Выделение и описание контуров. Выделение и описание
областей.
Сравнение
и
привязка
изображений.
Стереоотождествление. Сравнение изображений и задача
стереоотождествления. Проблемы, возникающие при
стереоотождествлении. Корреляционное сопоставление
изображений. Корреляционное стереоотождествление.
Сопоставление
с
использованием
пирамиды
изображений. Сопоставление изображений на основе
«характерных
черт».
Оценка
информативности
изображений.
Субпиксельная
корреляция.
Морфологическая корреляция.
Основные
классы
математических
моделей,
используемые в анализе изображений. Изображение как
функция векторного аргумента. Изображение как
совокупность точек. Изображение как топологический
объект. Изображение как геометрический объект.
Изображение как совокупность независимых признаков.
Изображение как структура. Изображение как двумерная
проекция трехмерной сцены.
Трехмерные модели объектов для задач машинного
зрения. Трехмерные объекты и CAD-модели. Типы
трехмерных моделей. Геометрическое моделирование
трехмерных
объектов.
Свойства
геометрических
примитивов. Отношения между примитивами. Признаки,
зависящие от точки наблюдения.
Обнаружение и идентификация объектов на основе
их структурных описаний. Построение реляционной
модели на основе CAD-модели. Сравнение графовых
реляционных
моделей
объектов.
Структурнолингвистический подход и логическое программирование
5.2 Разделы дисциплины и междисциплинарные связи с обеспечиваемыми
(последующими) дисциплинами
№
п/п
Наименование обеспечиваемых
(последующих) дисциплин
№ № разделов данной дисциплины,
необходимых для изучения обеспечиваемых
(последующих) дисциплин
1
2
3
4
5
№
п/п
Наименование обеспечиваемых
(последующих) дисциплин
№ № разделов данной дисциплины,
необходимых для изучения обеспечиваемых
(последующих) дисциплин
1
2
3
4
5
1.
Научно исследовательская работа
+
+
+
+
+
2.
Выпускная магистерская работа
+
+
+
+
+
5.3. Разделы дисциплин и виды занятий
№
п/п
1
2
3
4
5
Наименование раздела дисциплины
Обработка и анализ изображений в
задачах машинного зрения
Цифровые изображения
Обработка изображений
Анализ изображений
Обнаружение и идентификация
объектов
Практ. Лаб.
Лекц.
зан.
зан.
Семин
СРС
Всего
час.
2
6
5
6
2
10
10
10
2
2
10
10
15
10
22
18
2
10
12
16
6. Лабораторный практикум
не предусмотрено учебным процессом и основной образовательной программой
7. Практические занятия (семинары)
Трудоемкость
(час.)
№
п/п
№ раздела
дисциплины
1
1
Базовые средства просмотра и анализа изображений и
видеопоследовательностей. Алгебра изображений
Геометрические преобразования изображений.
2
2
1
Знакомство с программным комплексом Labview
4
3
1
Платформа Nl Vision: захват, обработка и анализ
изображений в LabVIEW
2
4
1
Знакомство с Vision Assistant
2
5
2
6
2
7
2
Тематика практических занятий (семинаров)
Цифровые изображения Растровое изображение.
Изображение как двумерный массив данных.
Алгебраические операции над изображениями.
Виды изображений, физическая природа изображений
Тип пикселя
Устройства оцифровки и ввода изображений
Линейки и матрицы, сканеры и камеры
Геометрия изображения
Цифровые и аналоговые устройства
Пространственное разрешение
Форматы хранения и передачи цифровых изображений
Методы сжатия цифровых изображений
2
4
4
№
п/п
№ раздела
дисциплины
Тематика практических занятий (семинаров)
Цифровые видеопоследовательности
Этапы проектирования системы видеосъемки
Форматы хранения и передачи цифровых
видеопоследовательностей
Методы обработки изображений
Гистограмма и гистограммная обработка. Бинаризация и
сегментация. Профили и проекции
Гистограмма и гистограммная обработка изображений
Бинаризация полутоновых изображений
Адаптивная бинаризация
Сегментация многомодальных изображений
Обработка цветных изображений
Профиль вдоль линии и анализ профиля
Проекция и анализ проекции
Фильтрация изображений. Ранговая нелинейная
фильтрация.
Линейная фильтрация изображений. Линейная
фильтрация в пространственной области.
Преобразование Фурье.
Линейная фильтрация в частотной области
Трудоемкость
(час.)
8
2
9
3
10
3
11
3
12
3
13
4
14
4
15
5
Обнаружение объектов, заданных эталонами
2
16
5
Считывание символьной информации
2
Выделение контуров на полутоновых изображениях
Методы анализа изображений. Выделение и анализ
связных областей
Методы анализа изображений. Выделение
геометрических примитивов
4
4
4
4
2
2
2
8. Примерная тематика курсовых проектов (работ) и рефератов
Выполнение курсового проекта и режератов не предусмотрено учебным процессом
и основной образовательной программой
9. Учебно-методическое и информационное обеспечение дисциплины:
а) основная литература:
1. Обработка и анализ изображений в задачах машинного зрения: Курс лекций и
практических занятий / Визильтер Ю.В., Желтов С.Ю., Бондаренко А. В., Ососков M B.,
Моржин А. В. М.: Физматкнига, 2010. — 672 с.
2. Обработка и анализ цифровых изображений с примерами на LabVIEW и IMAQ
Vision / Ю. В. Визильтер, С. Ю. Желтов, В. А. Князь, А. Н. Ходарев. М.: ДМК Пресс, 2008,
464 с.
3. Марр Д. Зрение. Информационный подход к изучению представления и
обработки зрительных образов. — М.: Радио и связь, 1987.
4. Гонсалес Р., Вудс Р. Цифровая обработка изображений. — М.: Техносфера, 2005.
4. Форсайт А., Понс Дж. Компьютерное зрение. Современный подход. — М:
«Вильяме»,2004.
б) дополнительная литература:
1. Шапиро Л., Стокман Дж. Компьютерное зрение: Пер. с англ. — М: БИНОМ.
Лаборатория знаний, 2006.
2.Дуда Р., Харт П. Распознавание образов и анализ сцен: Пер. с англ. — М.: Мир,
1976.
3. Прэтт У. Цифровая обработка изображений: Пер. с англ. — М.: Мир, 1982.
4. Хуане Т. С. Обработка изображения и цифровая фильтрация. — М.: Мир, 1979.
5. Павлидис Т. Алгоритмы машинной графики и обработки изображений: Пер. с
англ. М : Радио и связь, 1986.
6. Хорн Б. К. П. Зрение роботов. - М.: Мир, 1989.
в) программное обеспечение
Освоение дисциплины осуществляется
программного комплекса LabVIEW.
с
помощью
специализированного
10. Материально-техническое обеспечение дисциплины:
Для выполнения практических работ и оформления отчетов используются
вычислительные комплексы PXI межкафедральной учебно-научной лаборатории АСУП и
АСУТП (ауд. 6503) cо специальным программным обеспечением. Лекционные занятия по
дисциплине проводятся в аудиториях, оснащённых мультимедийным оборудованием.
11. Методические рекомендации по организации изучения дисциплины:
Практические занятия проводятся в аудиториях, снабженными компьютерами со
специальным программным обеспечением.
Самостоятельная работа включает решение рекомендованных задач, подготовку к
практическим занятиям, устным опросам, а также подготовку к экзамену.
Разработчик:
Доцент каф. АТПП, к.т.н.
Эксперты:
Иванов П.В.