Tίτλος του μαθήματος

Ψηφιακή Επεξεργασία Εικόνας

Κωδικός αριθμός μαθήματος

ELC 104

Τύπος του μαθήματος

Υποχρεωτικό

Επίπεδο του μαθήματος

Μεταπτυχιακό (ΜΔΕ)

Έτος σπουδών

1o

Εξάμηνο

1o

Πιστωτικές μονάδες ECTS

5

Όνομα του διδάσκοντος

Φωτόπουλος Σ., Καθηγητής,
Οικονόμου Γ., Αναπλ. Καθηγητής,
Αναστασόπουλος Β., Καθηγητής

Επιδιωκόμενα μαθησιακά αποτελέσματα του μαθήματος

Στο τέλος αυτού του μαθήματος ο φοιτητής θα

  1. Γνωρίζει τους τύπους των εικόνων και τους τρόπους διαχείρισης των
  2. Γνωρίζει τις βασικές έννοιες στη επεξεργασία και ανάλυση εικόνας
  3. Θα μπορεί να χρησιμοποιεί το MATLAB για άμεση διαχείριση προβλημάτων επεξεργασίας εικόνας
  4. Γνωρίζει τις μεθόδους βελτίωσης εικόνας στο χρόνο και στο πεδίο της συχνότητας
  5. Γνωρίζει τις βασικές διαδικασίες για «ανάκτηση» εικόνας από μεγάλες βάσεις με βάση το περιεχόμενο.
  6. Γνωρίζει μεθόδους κωδικοποίησης εικόνας
  7. Εχει βασικές γνώσεις σε διαχείριση video
  8. Γνωρίζει τους βασικούς γεωμετρικούς μετασχηματισμούς εικόνας

Δεξιότητες

Στο τέλος αυτού του μαθήματος ο φοιτητής θα έχει περαιτέρω αναπτύξει τις ακόλουθες δεξιότητες

  1. Χρήση του λογισμικού Matlab και σχετικού λογισμικού για ανάλυση και επεξεργασία εικόνας
  2. Αναγνώριση των κατηγοριών Ψηφιακής επεξεργασίας που έχει υποστεί μία εικόνα ή που ενδείκνυται για μία εικόνα
  3. Ικανότητα να λύνει συνθετα προβλήματα σε βελτίωση εικόνας
  4. Ικανότητα παραγωγής νέων μεθόδων – αλγορίθμων και λογισμικού για Ανάλυση εικόνας
  5. Χρησιμοποίηση τεχνικών «βελτίωσης δεδομένων» πέραν της εικόνας

Προαπαιτήσεις

Στοιχειώδεις γνώσεις πιθανοτήτων και στατιστικής.

Περιεχόμενα (ύλη) του μαθήματος

  1. Εισαγωγικά – Χρώμα - Σχηματισμός Εικόνας
  2. Βελτίωση εικόνας - φιλτράρισμα
  3. Ανίχνευση ακμών
  4. Κατάτμηση εικόνας
  5. Ανάλυση και μέτρηση υφής- Gabor φίλτρα
  6. PCA και αναγνώριση προσώπου
  7. Τεχνικές ανάκτησης εικόνας
  8. Απεικονίσεις χαμηλής διάστασης
  9. Μετασχηματισμοί Affine- registration
  10. Μορφολογία
  11. Συμπίεση –κωδικοποίηση
  12. Αρχές διαχείρισης video – περίληψη, ανάκτηση video
  13. Εφαρμογές : α)Μεταφορά χρώματος
        β)Μετατροπή σκίτσου σε εικόνα

Συνιστώμενη βιβλιογραφία προς μελέτη

  • Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ν. Παπαμάρκος 2010
  • Image Processing Randy Crane Prentice Hall
  • Machine Vision Rammesh Jai, R. Kasturi and B. G. Schunck McGraw Hill
  • Digital Image Processing Rafael C. Gonzalez, Richard E. Woods Addison-Wesley Pub (Sd)

Διδακτικές και μαθησιακές μέθοδοι

Παρουσίαση με PowerPoint, Εργαστήριο με το MATLAB

Μέθοδοι αξιολόγησης/βαθμολόγησης

Αναφορές 50%, written Exams 50%

Γλώσσα διδασκαλίας

Ελληνικά.