en_GB
Hold Ctrl-tasten nede. Trykk på + for å forstørre eller - for å forminske.

ELE510_1

Bildebehandling og maskinsyn

Dette er studietilbudet for studieår 2019-2020. Endringer kan komme.


Bildebehandling blir brukt i et økende antall anvendelser i vårt dagligliv så vel som innen forskning. Bildebehandling brukes for medisinske bilder, radar-bilder, naturlige bilder, seismiske data etc. Bildebehandling brukes også i forbindelse med robotsyn. Derfor er kunnskap om klassisk bildebehandling viktig innen mange områder.
Bidrag fra både tradisjonell bildebehandling og datasyn (computer vision) brukes til å konstruere systemer for robotsyn/maskinsyn. Det er en hurtig utvikling innen dette området og anvendelser finnes både i industrien og innen forskning. Det finnes mange produkter som inneholder kamera og programvare for behandling av visuelle data.
Formålet med dette faget er å gi studenten en grunnleggende forståelse for bildebehandling og datasyn med anvendelser innen robotsyn/maskinsyn.

Læringsutbytte

Kunnskap:
Ved semesterets slutt skal en god student ha kunnskap om følgende tema:
  1. Representasjon av digitale bilder, inklusiv grunnleggende kunnskap om lys, skygge og farge.
  2. Lineær filtrering av bilder. Lineære filter kan bli brukt til fjerning av støy, kant-deteksjon og analyse av bildeegenskaper.
  3. Trekke ut egenskaper i bilder, for eksempel tekstur-egenskaper og hjørner.
  4. Fjerning av støy («denoising») i bilder.
  5. Segmentering av bilder.
  6. Prinsippene for geometriske kamera-modeller.
  7. Avbildning ved bruk av flere kamera, spesielt stereo-syn.
  8. Måle og estimere støy fra digitale kamera.
  9. Kjenne til prinsippene for segmentering, gruppering og modellering I bildebehandling og maskinsyn.
  10. Gjøre greie for prinsippene for bevegelse og «tracking» i bildesekvenser (video).

Ferdigheter:
Etter gjennomført stadium skal studenten ha fått ferdigheter i behandling og analyse av digitale bilder samt kunne konstruere enkle robotsyn-system (maskinsyn). Studenten skal også kunne bruke Matlab og dets «Image Processing toolbox» for behandling og analyse av digitale bilder.
Generell kompetanse:
Etter å ha gjennomført dette emnet skal studenten ha en forståelse for grunnleggende bildebehandling og maskinsyn, der noen konsepter vil være på mer overordnet nivå og andre mer i detalj. Studenten skal ha en grunnleggende forståelse av anvendelsesmuligheter og evne å benytte metoder på nye anvendelser.

Innhold

Faget består av to deler med følgende innhold:
I: Bildebehandling
1. Innledning; Representasjon av digitale bilder, farge, lys
2. Transformasjoner og romlig filtrering
3. Kantdeteksjon og hjørnedeteksjon
4. Egenskapsuttrekking, teksturegenskaper etc.
5. Fjerning av støy i bilder («denoising»)
6. Bildesegmentering
II: Maskinsyn
1. Bildedannelse; perspektiv projeksjon
2. Bildeopptak med ett kamera; Geometriske kameramodeller
3. Opptak med flere kamera; Stereopsis, to kamera
4. Følging av objekter, "Tracking"

Forkunnskapskrav

Ingen.

Eksamen/vurdering

Skriftlig eksamen og skriftlig rapport
Vekting Varighet Karakter Hjelpemidler
Skriftlig eksamen6/104 timerA - FGodkjent kalkulator.
Skriftlig rapport4/10 A - FAlle.
Prosjektoppgaven skal gjøres i grupper på 1-2 personer. Rapporten beskriver og dokumenterer arbeid i prosjekt-delen. Alle deltakere i en gruppe får samme karakter basert på rapporten.
Dersom en student ikke leverer prosjektet i tide regnes det som stryk så sant det ikke foreligger gyldig dokumentasjon som har gitt grunnlag for utvidet tid.
Dersom en student stryker på prosjektet kan studenten ta et nytt prosjekt med en ny tittel neste gang faget går som normalt, eller etter avtale med faglærer i kontinuasjons-perioden i det påfølgende semester.

Vilkår for å gå opp til eksamen/vurdering

Laboratoriearbeid og obligatoriske øvinger
Obligatoriske oppgaver: 6 av 8 oppgaver må være godkjent. Obligatoriske arbeidskrav (som innlevering, laboratorieoppgaver, prosjektoppgaver og lignende) skal være godkjent av faglærer innen angitt frist. Gjennomføring av obligatorisk lab skal gjøres til de tider og i de grupper som er oppsatt og publisert på Canvas. Fravær på grunn av sykdom eller av andre årsaker skal snarest mulig kommuniseres til laboratorieansvarlig. Det kan ikke påregnes å få gjennomføre lab utenom oppsatt tid hvis dette ikke er kommunisert og ny avtale gjort. Konsekvens av at du ikke har fått godkjent laboratoriearbeid er at du ikke får gå opp til eksamen i faget.
Studentene må gjennomføre en gruppevis muntlig presentasjon av prosjektet for å få karakter i emnet.

Fagperson(er)

Faglærer
Kjersti Engan
Emneansvarlig
Kjersti Engan
Instituttleder
Tom Ryen

Arbeidsformer

Forelesning: 5-6 timer pr. Uke. Øving og laboratoriearbeid: 1-2 timer pr. uke. To uker i semesteret vil bli brukt til arbeid med prosjekt.

Overlapping

Emne Reduksjon (SP)
Bildebehandling (MIK170_1) 10

Åpent for

Master nivå på Det teknisk-naturvitenskapelige fakultet.

Emneevaluering

Skjer vanligvis gjennom skjema og/eller samtaler i henhold til gjeldende retningslinjer.

Litteratur

Pensum hentes i hovedsak fra:
«Image Processing and Analysis», 2016, Stan Birchfield

Noe blir hentet fra (tilgjengelig på Canvas); Machine/Robot Vision, Part I, II and III , Ivar Austvoll, 2018
Presentasjoner og notater fra forelesninger blir tilgjengelig på Canvas


Dette er studietilbudet for studieår 2019-2020. Endringer kan komme.

Sist oppdatert: 14.09.2019

Historikk