• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Магистратура 2020/2021

Анализ изображений

Лучший по критерию «Новизна полученных знаний»
Статус: Курс по выбору (Науки о данных)
Направление: 01.04.02. Прикладная математика и информатика
Когда читается: 1-й курс, 3, 4 модуль
Формат изучения: без онлайн-курса
Преподаватели: Николаев Дмитрий Петрович
Прогр. обучения: Науки о данных
Язык: русский
Кредиты: 4
Контактные часы: 64

Программа дисциплины

Аннотация

Курс познакомит слушателей с основными методами анализа изображений. Будут рассматриваться различные практические задачи: сегментация изображений, обнаружение дубликатов, поиск по подобию, обнаружение текста, распознавание объектов, классификация и другие. В рамках курса у студентов будет возможность узнать и опробовать на практике классические алгоритмы; прочесть множество научных статьей; самостоятельно реализовать алгоритмы, описанные в статьях; поставить ряд экспериментов; предложить и реализовать свои собственные идеи по решению практических задач.
Цель освоения дисциплины

Цель освоения дисциплины

  • Дать представление о современных алгоритмах интеллектуального анализа и обработки изображений.
Планируемые результаты обучения

Планируемые результаты обучения

  • знать модели представления изображений
  • знать модели формирования и искажения изобра-жений
  • знать основные алгоритмы визуализации изображений
  • знать основные алгоритмы обработки изображений
  • знать основные алгоритмы восстановления изображений
  • знать основные алгоритмы анализа изображений
  • знать основные алгоритмы сравнения, сопоставления и нормализации изображений
  • знать основные алгоритмы сжатия изображений
  • освоить математический аппарат анализа и обработки изображений
  • уметь применять основные алгоритмы обработки, визуализации, восстановления, анализа, сравнения, сопоставления, нормализации и сжатия изображений
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Введение в обработку изображений
    Примеры изображений. Физические (оптические) и цифровые изображения. Постановки задач обработки изображений (регистрация изображений, визуализация изображений; синтез изображений, обработка изображений, анализ изображений, сравнение изображений, сжатие изображений; фильтрация изображений, восстановление изображений, распознавание изоб-ражений, редактирование изображений). Прикладные области. Математический аппарат. Растровое представление изображений. Объектное («векторное») представление. При-знаковое представление. Однобитные (чёрно-белые) изображения. Скалярные (унихром-ные) изображения. Векторные (цветные) изображения. Особенности цифровых изображений. Мгновенные операции. Задача вычисления оконных сумм. Алгоритм компенсации отличий. Алгоритм на кумулятивных суммах. Проблема переполнения. Проблемы потери точности и дрейфа значений.
  • Формирование изображений
    Сцена, оптика, сенсор. Юстировка, калибровка и дисторсия. Формирование оптического изображения. Камера обскура. Геометрические дисторсии, виньетирование, дефокусировка, хроматические аберрации. Светосила, диафрагма, глубина резкости. Оптическое разрешение. Калиброванная бинокулярная система. Формирование цифрового изображения. Выдержка, смаз, усиление и шум. Спектральная чувствительность. Геометрический шум. Байеровские мозаики. Цветовая коррекция. Гамма-коррекция. Гетероскедастичность пуассоновского шума. Цветовые системы RGB, HSI. Принципы цветного зрения. Спектральное и цветовые пространства. Системы цветовых координат XYZ, CIE Lab. Источники излучения. Метамерия излучений. Планковские источники, цветовая температура. Изображения трёхмерных объектов в прозрачной среде. Разрывность изображений. Яр-кость объекта и освещенность сенсора. Спектральная двулучевая функция отражательной способности. Окраска. Линейная модель формирования изображения. Ослабление в сплошных средах. Закон Бугера-Ламберта-Бера. Формирование рентгеновских изображений. Рассеяние. Поглощение и рассеяние в тумане. Формирование под-водных изображений.
  • Примеры приложений
    Нормализация освещенности лица. Визуализация радоновским распылением. Двумерное обобщение метода Оцу. Нормализация текста на фотографии документа. Слепая калибровка радиальной дисторсии. Визуализация мультиспектральных изображений. Калибровка неоднородностей дисплея. Линейная цветовая сегментация. Панорамирование. Слепая калибров-ка геометрического шума. Томографическое оценивание ядра смаза.
  • Обработка изображений
    Пиксельные преобразования. Яркость, контраст и гамма. Цветовые преобразования. Цве-топодавление. Баланс белого. Геометрические преобразования. Сдвиг, перекос и поворот изображения. Проблема по-вторной дискретизации. Муаровый эффект. Масштабирование изображения. Аффинное и проективное преобразования. Радиальная дисторсия. Свёртки. Вычисление свёрток через БПФ. Быстрые свёртки с полиномами. Рекуррентные фильтры. Метод Дериша. Дифференцирование изображения. Оператор Щарра. Псевдогради-ент Ди Зензо. Структурный тензор. Лапласиан. Псевдолапласиан. Гессиан. Морфологические операции. Размыкание (opening) и замыкание (closing). Алгоритм ван Херка-Гила-Вермана. Морфологический контраст. Морфологическое восстановление. Карта расстояний. Бинаризация изображений. Глобальные и локальные методы бинаризации. Нульпарамет-рическая глобальная бинаризация. Критерий Киттлера-Иллингворта и два критерия Оцу. Параметризация нульпараметрических методов. Метод Ниблэка, многомасштабный метод Ниблэка. Обучение малопараметрических алгоритмов бинаризации.
  • Восстановление изображений
    Задача обращения аппаратной функции. Рефокусировка. Томография. Свертка и обратная проекция. Алгебраический подход. Задача шумоподавления. Аддитивный и выбросовый шум. Линейная фильтрация. Мор-фологическая фильтрация. Сглаживание с сохранением границ. Медианная фильтрация. Регуляризация полной ва-риации. Билатеральная фильтрация. Ведомая фильтрация. Восстановления контраста в дымке. Восстановление подводных изображений.
  • Анализ изображений
    Фурье-анализ. Преобразование Фурье с окном. Всплеск (wavelet) анализ. Частотно-временное окно. Текстуры. Фильтры Габора. Штрих-коды. Вращение комплексного вектора. Поиск границ. Детекторы Марра-Хилдред и Кэнни. Граничный тензор. Замыкание гра-ниц. Алгоритмы поиска кратчайшего пути. Поиск вершин. Фильтр «попал-промахнулся». Детектор Харриса. Поиск прямых и отрезков. Преобразование Хафа. Алгоритм Брэйди. Лучики (beamlet) Донохо. Алгоритм LSD. Трехмерный случай. Поиск плоскостей. Поиск точек схода и концентрических структур. Анализ проективных структур цветовых распределений. Сегментация изображений. Метод водоразделов. Методики слияния областей, разрезания областей, соревнования областей. Компоненты связности. Анализ видеопотока. Оценивание фона. Оценивание параметров равномерного движе-ния.
  • Визуализация изображений
    Визуализация яркостью и коэффициентом отражения. Цветовой охват. Основы цве-тосмешения. Цветовая система CMY(K). Стерео-дисплеи. Дисплеи светового поля. Аэро-зольные экраны. Голография. Модели восприятия цвета. Цветовые метрики, формула цветовых различий CIEDE2000. Линейная модель восприятия контраста, функции контрастной чувствитель-ности. Цветовое разрешение. Распыление.
  • Сжатие изображений и видеопотоков
    Сжатие изображений. Сжатие без потерь: RLE (PCX, TIFF), Хаффмана (TIFF), LZW (TIFF, GIF, PNG), арифметическое кодирование. Сжатие с потерями: косинусное преобразование (JPEG), вcплеск-преобразование (DjVu). Специализированные алгоритмы: CCITT Fax 4, DjVu. Сжатие видеопотоков. MPEG-1 и MPEG-2.
  • Сравнение, сопоставление и нормализация изображений
    Робастные и неробастные нормы сходства изображений. Сходство с точностью до шкали-рования. STRESS. Структурное сходство. Четкость совмещения. Модель визуального сход-ства sCIELAB. Сходство геометрических преобразований. Локальные сдвиги и вращения. Метод динамического программирования. Стереосопоставление. Регрессия монотонного преобразования яркости. Сопоставление при геометрических различиях. Оптический поток. Робастное сопостав-ление. Поиск особых точек. Локальные дескрипторы особых точек. Особые точки, инвари-антные к масштабированию. Сопоставление изображений. RANSAC. Эпиполярное сопо-ставление. Нормализация по яркости. Автоконтрастирование, эквилизация гистограммы. Нормали-зация поворотов и перекосов. Проективная нормализация. Алгоритм TILT. Нормализация ортотропных пучков. Принцип границы информативности.
Элементы контроля

Элементы контроля

  • неблокирующий Домашнее задание
    Домашнее задание по выбору по одной из задач раздела 9
  • неблокирующий экзамен
    Экзамен (устный). Билет состоит из 2 вопросов: ТЕОРЕТИЧЕСКОГО и изложение метода решения домашнего задания. Тема теоретического вопроса не должна пересекаться с темами домашнего задания. Экзамен проводится в усной форме с использованием асинхронного прокторинга. Экзамен проводится на платформе zoom. К экзамену необходимо подключиться за 10 минут до начала. На платформе Экзамус доступно тестирование системы. Компьютер студента должен удовлетворять требованиям: https://elearning.hse.ru/data/2020/05/07/1544135594/Технические%20требования%20к%20ПК%20студента.pdf Для участия в экзамене студент обязан: подключиться в назначенное время к конференции, включить камеру и микрофон. Во время экзамена студентам запрещено: пользоваться подсказками. Во время экзамена студентам разрешено: пользоваться конспектами. Кратковременным нарушением связи во время экзамена считается 5 минут и более. Долговременным нарушением связи во время экзамена считается 10 минут и более. При долговременном нарушении связи студент не может продолжить участие в экзамене. Процедура пересдачи аналогична процедуре сдачи.
  • неблокирующий активность на занятии
    оцениваться будет посещаемость, а также работа на практических занятиях
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (4 модуль)
    0.3 * активность на занятии + 0.3 * Домашнее задание + 0.4 * экзамен
Список литературы

Список литературы

Рекомендуемая основная литература

  • Fairchild, M. D. (2013). Color Appearance Models (Vol. Third edition). Chichester, West Sussex: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=594640
  • Hartley, R., & Zisserman, A. (2015). Multiple View Geometry in Computer Vision (2nd ed). Australia, Australia/Oceania: Cambridge University Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.1FEA5378
  • Hartley, R., & Zisserman, A. (2015). Multiple View Geometry in Computer Vision (2nd ed). Australia, Australia/Oceania: Cambridge University Press. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.EAC977F6
  • Алгоритмы: построение и анализ : пер.с англ., Кормен, Т., 2013
  • Алгоритмы: построение и анализ, Кормен, Т., 2005
  • Алгоритмы: построение и анализ, Кормен, Т., 2007
  • Алгоритмы: построение и анализ, Кормен, Т., 2011
  • Цифровая обработка изображений, Яне, Б., 2007

Рекомендуемая дополнительная литература

  • Chorro, E., Martínez-Verdú, F. M., Fez Saiz, D. de, & Luque Cobija, M. J. (2008). Advances in the industrial colour classification of artificial and natural textures based on new imaging colour appearance models. Spain, Europe: Red Temática “Ciencia y Tecnología del Color.” Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.D900A179
  • Fairchild, M. D. (2005). Color Appearance Models (Vol. 2nd ed). Chichester, West Sussex, England: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=136262
  • Javoršek, D. (2015). Od CIE kolorimetrije do modelov barvnega zaznavanja ; From CIE colourimetry to colour appearance models. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.224C0238