Budapesti Műszaki és Gazdaságtudományi Egyetem Villamosmérnöki és Informatikai Kar

Villamosmérnöki Szak Irányítástechnikai és Robotinformatikai főszakirány Választható tárgy

Tantárgy Adatlap

és tárgykövetelmények

2006. január 25.

Gépi látás

2.	Tantárgy kódja	Szemeszter	Követelmény	Kredit	Nyelv	Tárgyfélév
	Vifo4054	8	4+0+0v	5	magyar	1/1

3. A tantárgyfelelős személy és tanszék:

Dr. Loványi István egyetemi docens, IIT

4. A tantárgy előadója:

Név:	Beosztás:	Tanszék, Int.:
Dr. Loványi István	egyetemi docens	IIT
Dr. Vajta László	egyetemi docens	IIT

5. A tantárgy az alábbi témakörök ismeretére épít:

6. Kötelező/ajánlott előtanulmányi rend:

7. A tantárgy célkitűzése:

A korszerű méréstechnika egyik legfontosabb eszközének, az optikai mérőeszközök jelfeldolgozási kérdéseinek megismerése, az intelligens képfeldolgozó rendszerekben történő felhasználhatóság analízise, a kapcsolódó matematikai apparátus tárgyalása, a digitális képfeldolgozás alapvető hardver és szoftver elemeinek ismertetése.

8. A tantárgy részletes tematikája:

Bevezetés: A számítógépes látás fogalmai, definíciók. Emberi látás alapjai. A térbeli érzékelés lehetősége monokuláris látással.

Optoelektronikai eszközök: Alapfogalmak. Fénytechnikai mértékegységek. Optoérzékelők, CCD érzékelők, PSD érzékelők.

Korszerű képmegjelenítő eszközök. LCD és plazma kijelzők, projektorok. Lentikuláris megjelenítők.

Koordinátageometriai alapok. Geometriai transzformációk. Kameramodellek: Pin-hole modell. A perspektív leképzés transzformációs modellje. Kalibráció.

Megvilágítás, optika, érzékelő modellezése. Árnyalási modellek.

A képek matematikai leírása. A képfüggvények tulajdonságai. Tértranszformációk szerepe a képfeldolgozásban. 2D Fourier transzformáció tulajdonságai, képi ábrázolása, interpretálása.

Digitális kép matematikai reprezentációja: Mintavételezés, kvantálás.

Egyszerű képfeldolgozási esettanulmányok: Bináris képek feldolgozása: Egyszerű geometriai tulajdonságok (terület, hely, orientáció), vetületek. Topológiai tulajdonságok.

Képek javításának módszerei. Pontszerű lokális és globális műveletek. Hisztogram analízis, skálázások, hisztogram transzformációk. Példa a képek javítására: archív felvételek digitalizálása

A képek szűrése a tér- és frekvenciatartományban. Konvolúció, mint szűrés. Alul- és felüláteresztő szűrők realizálása. Nemlineáris szűrők.

Szegmentálás. Régiók, struktúrák, geometriai jellemzők reprezentációja. Szinteken alapuló módszerek. Küszöbözés, régió növelés, szeletelés és növesztés. Nagyfrekvenciás analízis: kontúrdetektálás, kontúrkövetés. Hough transzformáció.

Képjellemzők detektálása:

Makro- és mikrojellemzők mérése,: l Lokális/globális jellemzők meghatározása konvolúcióval. Invariáns alakegyütthatók. Matematikai morfológia. (bBináris alapalgoritmusok. kKiterjesztés gradált képekre). Távolság / hasonlóság mértékek. Képelemek cimkézése.

Textúra-analízis: statisztikai módszerek. különbségi hisztogram, co-occurence mátrix, autókorreláció, fraktális módszerek.

Lényegkiemelés és osztályozás: Tulajdonságtér és tulajdonságvektor. Sajátságvektorok típusai. Dimenziócsökkentés. Lényegtömörítés célfüggvény alapján.

A döntési feladat megfogalmazása. Alakfelismerés és leírás. Determinisztikus, statisztikus, szintaktikus módszerek. Osztályozás neurális hálózatokkal.

Hálózati képfeldolgozás: Analóg és digitális képkódolás. Képtranszformációs alapok (DCT, Wavelet, VQ). Álló- és mozgóképek kompressziója és dekompressziója. Képtárolás, tömörítés, továbbítás, feldolgozás szabványos megoldásai.

Szteganográfia. Képek vízjelezése, integritás vizsgálata. Tartalom szerinti képindexelés.

Gépi látás biometriai és biomechanikai alkalmazásai. Arcfelismerés. Járművezetők éberségvizsgálata.

Mozgásanalízis: feladatok, eszközök, algoritmusok. Emberi mozgásmodellek. Egész testes mozgás, gesztikuláció, mimika érzékelése és feldolgozása.

Általános célú képfeldolgozó platformok. Alkalmazás-specifikus célrendszerek.

Valósidejű képfeldolgozás: Algoritmusok video-rate implementálása célhardverrel. LabView alapú képfeldolgozás.

Látórendszerek hibaanalízise. Képszintézis. Tesztképek generálása.

9. A tantárgy oktatásának módja (előadás, gyakorlat, laboratórium):

A tantárgy előadásból áll, amelynek anyagába beillesztésre kerülnek az elméletet magyarázó illusztrációs példák és esettanulmányok.

10. Követelmények:

a. A szorgalmi időszakban:

házi feladat és zárthelyi.

b. A vizsgaidőszakban:

a vizsga írásbeli.

c. Elővizsga:

Az utolsó oktatási héten elővizsga lehetőséget biztosítunk.

11. Pótlási lehetőségek:

A házi feladat elkészítése a vizsgaidőszakban nem pótolható. A zárthelyi pótlására a TVSZ előírásai szerint van lehetőség.

12. Konzultációs lehetőségek:

A házi feladat elkészítéséhez egy alkalommal, valamint minden vizsga előtt konzultációs lehetőséget biztosítunk.

13. Jegyzet, tankönyv, felhasználható irodalom:

Tanszéki sokszorosított kiadványok, PowerPoint prezentációk

Haralick, R.M.: "Computer and Robot Vision I-II". Addison Wesley, 1993.

Gonzalez: Digital Picture Processing, Addison Wesley, 1993

14. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka:

Kontakt óra	60
Félévközi készülés órákra	10
Felkészülés zárthelyire	20
Házi feladat elkészítése	20
Kijelölt írásos tananyag elsajátítása	10
Vizsgafelkészülés	30
Összesen	150

15. A tantárgy tematikáját kidolgozta:

Név:	Beosztás:	Tanszék, Int.:
Dr. Loványi István	egyetemi docens	IIT
Dr. Vajta László	egyetemi docens	IIT