Kursplan för Bildbehandling

Matematisk analys i flera variabler och statistik, samt erfarenhet av Matlab.

Syftet med kursen är att studenterna att bekanta sig med en mängd olika tekniker inom modern bildbehandling. Dessa tekniker kan användas för att subjektivt förbättra bildkvaliteten för slutanvändaren (bildförbättring), ta bort kända bild snedvridningar (bildrestaurering) och för att minska bilddata storlekar för lagring eller överföring (bildkomprimering). Dessa tekniker är värdefulla i en rad applikationer och karriärer, inklusive, men inte begränsat till, medicinsk bildbehandling, astronomi, fjärranalys, automation etc. Stress placeras på djup förståelse av principerna bakom teknikerna snarare än minnes inlärning av algoritmer.

• Visualisera genom hjälp av mentala bilder processen med att bilda 1D och 2D Fourier transformer och även faltning processen. Beskriv likheter och skillnader mellan de kontinuerliga och diskreta Fouriertransformer och deras inbördes förhållande.
• Välj och tillämpa lämpliga bildförbättringsmetoder för olika applikationer. Diskriminera mellan fall där automatiserade bildförbättringsmetoderger lämpliga resultat och där de inte gör det.
• Förstå skillnaderna mellan medelvärdes och medianfiltreringför att minska bildbrus.
• Visa förståelse för bildutjämningoch skärpning i både bilden och Fourier-domäner. Välj mellan optimala metoder för kantdetekteringi olika applikationer.
• Beskriva vanliga förvrängda bilder som vindlingar av den sanna bilden med punkt spridningsfunktioner (PSF). Beskriva och bestämma under vilka villkor olika bildrestaureringsalgoritmer kan användas och beskriva styrkor och svagheter i dessa algoritmer.
• Beskriv kosinustransform och dess förhållande till Fouriertransformen.
• Visa grundläggande förståelse för wavelets och vet hur man använder dem för att komprimera och Denoise uppgifter.
• Förklara skillnaden mellan förstörande och förlustfria komprimeringsmetoder och förklara begreppet dataredundans som källa för kompression . Beskriv delkomponenterna i allmänna kompressor/expanderare algoritmer. Beräkna teoretiska gränser för förlustfri komprimering med hjälp av Shannon ljudlös kodning sats och genomföra Huffman kodning.
• Beskriv en mängd olika funktioner kartläggning som kan användas för att erhålla kompression och bestämma när olika metoder är lämpliga. Visa via exempel varför Digital Pulse Code Modulation (DPCM) fungerar och är stabil i ansiktet av kvantiseringsfel.
• Beskriv de viktigaste komponenterna i JPEG-standarden.
• Skriv datakod i MATLAB för att genomföra valda bildbehandlingsalgoritmer.