Trefwoorden
Informatieverwerking
Doelstellingen
Vertrouwd geraken met technieken uit beeldverwerking, spraakverwerking, patroonherkenning, computervisie en meer algemeen de digitale verwerking van data afkomstig van elektronische sensoren. De cursus sluit nauw aan bij de cursussen "Signaalverwerking en DSP" en "Multimedia".
Voorkennis
Goede kennis van een hogere programmeertaal, i.h.b. C++. Kennis van wiskundige analyse en lineaire algebra. Noties over probabiliteit, graaftheorie, datstructuren, algoritmes en signaalverwerking.
Leerinhoud
Probabiliteit, entropie en informatie-inhoud. Datacompressiën, coderingsalgoritmes. Edge detection en thresholding toegepast op beelden en barcodes. Feature detection en fitten van geometrische primitieven zoals lijnen en ellipsen. Datareductie en patroonclassificatie. Nearest neighbor technieken. Karhunen-Loeve-Transformatie. Hough-Transformatie. Lineaire discriminatie. Neurale netwerken (perceptron, Hopfield, mul tilayer, Kohonen). Bayesiaanse technieken toegepast op beeldverwerking. Clustering en relaxatie.
Onderwijsvormen
Wiskundige technieken worden ex cathedra gedoceerd. Elke techniek wordt ook geïllustreerd in een interactieve beeldverwerkingsomgeving op PC. Studenten krijgen de opdracht zelf beelden in te scannen, te verwerken en er algoritmes voor te ontwikkelen voor voorwerpsherkenning.
Studiematerialen
Handouts van slides, geschreven nota's en CD-ROM met digitale beelden en public domain software.
Referentiewerken: Bishop, Neural networks for pattern Recognition. Gonzalez en Woods, Digital Image Processing, Haralick en Shapiro, Computer and Robot Vision, Vol. I, Horn, Robot Vision, Trucco en Verro,Introductory Techniques for 3-D Computer Vision.
Studiebegeleiding
Beoordeling
Theorie (mondeling / schriftelijk examen) : ....57..%
Oefeningen / Labo's (permanente evaluatie) : ....43..%
Studiekosten
35 EURO
OP-leden
Peter VEELAERT
Taal
Nederlands
|
|
