Επεξεργασία Εικόνας και Αναγνώριση Προτύπων

ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ

Με την επιτυχή ολοκλήρωση του μαθήματος ο/η φοιτητής/ήτρια θα έχει αποκτήσει τις απαραίτητες γνώσεις, δεξιότητες και ικανότητες ώστε να:

• Αντιλαμβάνεται κριτικά τις βασικές αρχές σύνθεσης και αναπαράστασης της εικόνας ως πολυδιάστατου σήματος καθώς και τις βασικές αρχές της μηχανικής μάθησης.
• Γνωρίζει, εφαρμόζει, συγκρίνει και κατηγοριοποιεί και αξιολογεί τις βασικές αρχές επεξεργασίας εικόνας όπως:
  • Βελτίωση Εικόνας μέσω ιστογράμματος και μετασχηματισμών.
  • Ανάλυση εικόνας με στόχο (α) το χαρακτηρισμό της και (β) την εξαγωγή χαρακτηριστικών μεγεθών.
• Επιλέγει την καταλληλότερη μεταξύ των διαφορετικών μεθόδων ψηφιακής επεξεργασίας των εικόνων.
• Επιδεικνύει εξειδικευμένες δεξιότητες επίλυσης προβλημάτων, υιοθετεί καινοτομικές προσεγγίσεις και αναπτύσσει συναφή γνώση σε διάφορες επιστημονικές εφαρμογές.
• Συνεργάζεται και/ή εργάζεται σε ομάδα ή σύνθετα εργασιακά περιβάλλοντα για την ολοκληρωμένη και διεπιστημονική αντιμετώπιση προβλημάτων που άπτονται της υπολογιστικής όρασης και της μηχανικής μάθησης.
• Αντιλαμβάνεται, αξιολογεί συγκριτικά, τεκμηριώνει και συνδυάζει τις αποφάσεις του μέσω της αναγνώρισης των ιδιαιτέρων χαρακτηριστικών κάθε επιλεγόμενης λύσης τόσο σε ανεξάρτητες όσο και σε συνδυαστικές εφαρμογές.
• Γνωρίζει, κατανοεί, εξηγεί, εφαρμόζει, συγκρίνει, κατηγοριοποιεί και αξιολογεί τις βασικές μεθόδους Αναγνώρισης Προτύπων οι οποίες περιλαμβάνουν:
• Υλοποίηση και Αξιολόγηση ενός συστήματος Αναγνώρισης Προτύπων.
• Βασικές τεχνικές στην Αναγνώριση Προτύπων με έμφαση στις δομές ταξινομητών που στηρίζονται στην προσέγγιση κατά Bayes.
• Στατιστική Αναγνώριση προτύπων.

 

Γενικές Ικανότητες

• Αυτόνομη Εργασία
• Άσκηση κριτικής και αυτοκριτικής.
• Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης
• Αυτόνομη Εργασία
• Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών.
• Ομαδική Εργασία

 

ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ

1. H Ψηφιακή Εικόνα και οι απανταχού εφαρμογές της. Χρωματομετρία και χρωματικοί χώροι, πρότυπα απεικόνισης εικόνας στον υπολογιστή και σε διαδεδομένα πακέτα επεξεργασίας εικόνας.
2. Βασικά σχέσεις μεταξύ των εικονοστοιχείων (pixels) σήματα και πράξεις σημάτων.
3. Βελτίωση Εικόνας. Βαθμωτοί μετασχηματισμοί σημείου. Ιστογραμματικές μέθοδοι επεξεργασίας εικόνας. Εφαρμογές σε κατωφλιοποίηση εικόνας.
4. Φιλτράρισμα εικόνας μέσω χωρικών μετασχηματιστών και μετασχηματισμών συχνότητας. Διανυσματικές μέθοδοι επεξεργασίας εικόνας. Ομομορφική επεξεργασία εικόνας. Φίλτρα ισοτροπικής – ανισοτροπικής διάχυσης.
5. Ανίχνευση ακμών – περιγραμμάτων. Βασικά στοιχεία ανάλυσης εικόνας. Στοιχεία συμπίεσης εικόνας. Το πρότυπο JPEG.
6. Βασικές αρχές στην μηχανική μάθηση. Βασική μαθηματική εργαλειοθήκη (θεωρία πιθανοτήτων, στοιχεία γραμμικής άλγεβρας, SVD).
7. Σχεδιασμός, Υλοποίηση και Αξιολόγηση Συστήματος Αναγνώρισης Προτύπων. Η προσέγγιση κατά Bayes: Θεωρία αποφάσεων κατά Bayes, υλοποίηση γραμμικών και μη συναρτήσεων διαχωρισμού.
8. Παραμετρικές μέθοδοι εκτίμησης κατά Bayes. Το πρόβλημα της διαστατικότητας. Γραμμική συνάρτηση διαχωρισμού κατά Fisher.
9. Μετασχηματισμοί ομαδοποίησης, αλγόριθμοι PCA, LDA. Το πρόβλημα της Μηχανικής Μάθησης μέσω σύγχρονων τεχνικών.

 

Η Εργαστηριακή εκπαίδευση των φοιτητών πραγματοποιείται μέσω του λογισμικού MATLAB/SIMULINK. Περιλαμβάνονται έξι (6) εργαστηριακές ασκήσεις εστιασμένες στα βασικότερα αντικείμενα της θεωρητικής διδασκαλίας. Οι ασκήσεις είναι προσανατολισμένες πάνω στα ακόλουθα πεδία:

1. Αναπαράσταση, χειρισμός και επεξεργασία της ψηφιακής εικόνας,
2. Μετασχηματισμοί και φίλτρα για ψηφιακές εικόνες,
3. Υλοποίηση τεχνικών αναγνώρισης προτύπων.

 

ΑΞΙΟΛΟΓΗΣΗ ΦΟΙΤΗΤΩΝ

Εργαστηριακή αξιολόγηση (20%)
Τελική Εξέταση (40%)
Εργασία (project) (40%)
Γλώσσα αξιολόγησης: Ελληνική

Η διαδικασία αξιολόγησης περιέχει σε διάφορα ποσοστά:
-Ερωτήσεις θεωρίας
-Ανάπτυξη θεωρίας
-Ερωτήσεις κρίσεως
-Επίλυση προβλημάτων
-Μεικτές καταστάσεις

Η διαδικασία αξιολόγησης στηρίζεται τόσο στην παρουσία των φοιτητών κατά τη διάρκεια του εργαστήριου στην τελική του εξέταση και στη συνολική του απόδοση στην εκπόνηση της εργασίας.

 

ΣΥΝΙΣΤΩΜΕΝΗ ΒΙΒΛΙΟΓΡΑΦΙΑ

Ελληνική Βιβλιογραφία

1. Νικόλαος Παπαμάρκος, Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας.
2. Σέργιος Θεοδωρίδης, Παναγιώτης Κουτρουμπάς, Αναγνώριση προτύπων.
3. Ιωάννης Πήτας, Ψηφιακή Επεξεργασία Εικόνας.

 

Ξενόγλωσση Βιβλιογραφία

1. R. C. Gonzalez, R. E. Woods, Digital Image Processing.
2. R. O. Duda, P. E. Hart, D. G. Stork, Pattern Classification.
3. K. Fukunaga, Introduction to Statistical Pattern Recognition.
4. W. K. Pratt, Digital image processing.
5. Α. Κ. Jain, Digital Image Processing.
6. Proceedings of the IEEE conference on computer vision and pattern recognition (CVPR)
7. Proceedings of the IEEE international conference on computer vision (ICCV)