Макет стандарта учебной дисциплины

СТО АлтГТУ 13.68.1.4055-2014
Приложение Г
Памятка для магистратуры направления 231000.68 "Программная инженерия"
по изучению дисциплины «Интеллектуальные технологии обработки изображений»
2 семестр
1 Содержание дисциплины
Дисциплина «Интеллектуальные технологии обработки изображений» изучается в 2
семестре. Учебный план дисциплины предусматривает выполнение курсового проекта.
Лекции 20 часов, лабораторные работы 20 часа, самостоятельная работа студентов в
семестре 104 часов, в период сессии – 36 часов. В ней будут рассмотрены следующие
темы.
1.1 Лекции (20 часов, [литература 1-5])
1. Введение в компьютерное зрение
Введение в понятие предмета компьютерного зрения, общие подходы и отличия от
предмета компьютерной графики. Текущее состояние области, причины сложности
анализа изображений. Базовые техники работы с изображениями – различные
представления, свертки, Гауссов фильтр и его свойства. Пространство масштаба,
представления в виде пирамиды и набора октав. Побочные эффекты обработки краев
изображений. (2 часа +2 часа СРС)
2. Операторы интересных точек
Фильтры градиента. Фильтры краев – операторы Моравека, Кэнни. Нахождение
опорных точек, оператор Харриса. Сопоставление изображений, степени свободы при
преобразованиях. DLT алгоритм. Фильтрация интересных точек. (2 часa + 2 часа СРС)
3. Дескрипторы окрестностей опорных точек
Понятие дескриптора, представление и назначение. Принципы построения,
проблемы обобщающих и дискриминационных свойств. Дескрипторы на основе патчей
как простейший пример. Инвариантность дескрипторов к преобразованиям. Оператор
Харриса-Лапласа. Сравнение и поиск ближайших дескрипторов. (2 часа+2 часа СРС)
4. Алгоритм SIFT
Принципы построения SIFT дескрипторов. Алгоритм их вычисления, этапы и
применяемые техники. Производные дескрипторы – RIFT/G-RIF/SURF. Аффинная
коррекция при вычислении окрестности. (2 часа+2 часа СРС)
5. Поиск модели трансформации изображений
Понятие модели трансформации. Работа с избыточными и ошибочными данными,
понятие inliers/outliers. Преобразование Хафа (Hough Transform). Схема RANSAC. Плюсы
и минусы подходов. Поиск экземпляров объекта на изображениях. (2 часа+2 часа СРС)
6. Работа с большими объемами изображений
Понятия визуальных слов (Visual Words) и мешка слов (Bag of Words),
соответствующее представление изображений. Обратный индекс для эффективного
поиска. Эффективное сравнение изображений с помощью гистограмм. GIST изображений,
расчет и использование. (2 часа+2 часа СРС)
7. Классификация изображений
Понятие классификации, проблемы и задачи. Различные варианты задачи:
классификация целиком и классификация через локализацию. Обучающая выборка.
21
СТО АлтГТУ 13.68.1.4055-2014
Методы решения: гистограммы ориентированных градиентов (Histograms of Oriented
Gradients), наивный Байесовский ближайший сосед (Naïve Bayesian Nearest Neighbor),
мешок слов (Bag of Words). Методы определения качества классификатора. (2 часа+2 часа
СРС)
8. Структура из движения
Введение в задачу нахождения структуры из движения (Structure from Motion).
Введение в эпиполярную геометрию. Понятие основной матрицы (Essential Matrix) и
фундаментальной матрицы (Fundamental Matrix). Алгоритм восьми точек. Итеративное
уточнение геометрии. Использование дескрипторов в задачах поиска структуры из
движения. (2 часа+2 часа СРС)
9. OpenCV
Основные принципы архитектуры библиотеки OpenCV. Представления матриц и
изображений в ней. Использование OpenCV для фильтрации изображений и извлечения
дескрипторов. Применение OpenCV для поиска ближайших дескрипторов. Кластеризация
и классификация на основе модели мешка слов. (2 часа+2 часа СРС)
10. Текущее состояние области и перспективы
Примеры последних разработок в области компьютерного зрения. Система Kinect и
дополненная реальность. Структура из движения в большом масштабе. (2 часа +2 часа
СРС)
1.2 Лабораторные занятия (20 час.) [литература 1-5]
1. Свертка изображений. Фильтры градиента, оператор Собеля (2 часа+2 часа СРС)
2. Гауссов фильтр, пространство масштаба, пирамиды и октавы (2 часа+2 часаСРС)
3. Операторы интересных точек (2 часа+2 часа СРС)
4. Вычисление и представление дескриптора окрестности (2 часа+2 часа СРС)
5. Инвариантность к вращению и верификация повторяемости (2 часа+2 часа СРС)
6. Инвариантность к масштабу (2 часа+2 часа СРС)
7. Частичная инвариантность к аффинным трансформациям (2 часа+2 часа СРС)
8. Оценка модели трансформации через схему RANSAC (2 часа+2 часа СРС)
9. Оценка модели трансформации через преобразование Хафа (2 часа+2 часа СРС)
10. Итоговое занятие (2 часа+2 часов СРС)
2.Литература и учебно-методические материалы
А) основная литература:
1. Шапиро Л., Стокман Дж. Компьютерное зрение - М.: Изд-во «Бином», 2013, 752
стр. Режим доступа: http://e.lanbook.com/books/element.php?pl1_id=42631
2. Мацяшек Л.А., Лионг Б. Практическая программная инженерия на основе учебного
примера - М.: Изд-во «Бином», 2012, 956 стр. Режим доступа:
http://e.lanbook.com/view/book/8766/page863/
Б) дополнительная литература:
3. Буймов Б.А. Геометрическое моделирование и компьютерная графика – Томск:
ТУСУР, 2011, 104 стр. Режим доступа:
http://e.lanbook.com/books/element.php?pl1_id=11670
4. Визильтер Ю.В., Желтков С.Ю., Князь В.А., Ходарев А.Н. Обработка и анализ
цифровых изображений с примерами на LabVIEW - М.: Изд-во «ДМК Пресс»,
22
СТО АлтГТУ 13.68.1.4055-2014
2009, 464 стр., Режим доступа: http://e.lanbook.com/books/element.php?pl1_id=1093
5. Марчук Г.И. Методы вычислительной математики – Спб. : Изд-во “Лань”, 2009,
608 стр. Режим доступа: http://e.lanbook.com/books/element.php?pl1_id=255
6. Дэвид А. Форсайт. Компьютерное зрение. Современный подход – М: “Вильямс”,
2004, 928 стр.
7. Сальников И.И. Растровые пространственно-временные сигналы в системах
анализа изображений – М.: “Физматлит”, 2009, 248 стр.
http://e.lanbook.com/books/element.php?pl1_id=2302
8. Красильников Н. Н. Цифровая обработка 2D- и 3D-изображении - СПб.: “БХВПетербург”, 2011, 608 стр.
9. Мерков А. Распознавание образов. Введение в методы статистического обучения –
М.: “Едиториал УРСС”, 2011, 256 стр.
10. Аркадьев А.Г. Обучение машины распознаванию образов – М.: “Книга по
Требованию”, 2012, 110 стр.
В) Программное обеспечение и интернет-ресурсы:
1. Сжельски Р. Computer Vision: Algorithms and Applications // электронный учебник. Режим
доступа: http://szeliski.org/Book/.
2. Пакет VisualSFM: A Visual Structure from Motion System: http://ccwu.me/vsfm/
3. Библиотека OpenCV (Open Source Computer Vision): http://opencv.org
3 График контроля
Контрольное испытание
Лабораторная работа №1
Лабораторная работа №2
Лабораторная работа №3
Лабораторная работа №4
Лабораторная работа №5
Лабораторная работа №6
Лабораторная работа №7
Лабораторная работа №8
Лабораторная работа №9
Итоговое занятие
Экзамен
Курсовой проект
Время
проведения
1 неделя
2 неделя
3 неделя
4 неделя
5 неделя
6 неделя
7 неделя
8 неделя
9 неделя
10 неделя
3-10 недели
Время плановой сдачи
2 неделя
3 неделя
4 неделя
5 неделя
6 неделя
7 неделя
8 неделя
9 неделя
10 неделя
10 неделя
в период сессии
10 неделя
4 Шкала оценок и правила вычисления рейтинга
Семестровый рейтинг вычисляется по формуле
l
S  max( 85  M  22  N  min(  Pi ,60),0) ,
i 1
где
S – семестровый рейтинг,
M – бонусные баллы, начисляемые за знания вне программы курса. Определяются
преподавателем и начисляются только при N=0. 0<= M <=15. Обычно M=0,
N – количество несданных лабораторных работ в течение семестра,
l – количество лабораторных работ. Обычно l=9,
Pi – количество полных и неполных недель, прошедших после недели плановой
сдачи i-ой лабораторной работы.
К зачету студент допускается при семестровом рейтинге не менее 25.
23
СТО АлтГТУ 13.68.1.4055-2014
Итоговый рейтинг вычисляется по формуле
E , еслиE  25

R
0,8  S  0,2  E , еслиE  25
Здесь E- зачётный рейтинг, R – итоговый рейтинг.
5 Возможности повышения рейтинга
Для студентов с высоким текущим рейтингом по их желанию может быть
организовано углубленное изучение предмета, выдано дополнительное задание. В этом
случае проводится дополнительный контроль, либо решение задач. По итогам проверки
семестровый рейтинг может быть улучшен за счет положительного значения M.
22