Bildanalys
Image Analysis

FMAN20, 7.5 högskolepoäng, A (Avancerad nivå)

Gäller för: 2024/25
Fakultet: Lunds tekniska högskola
Beslutad av: Programledning F/Pi
Beslutsdatum: 2024-04-15
Ikraftträdande: 2024-05-08

Allmänna uppgifter

Huvudområde: Maskininlärning, system och reglerteknik Fördjupning: Avancerad nivå, kurs/er som inte kan klassificeras
Huvudområde: Virtuell verklighet och förstärkt verklighet Fördjupning: Avancerad nivå, kurs/er som inte kan klassificeras
Obligatorisk för: MMSR1, MVAR1
Valfri för: BME4-sbh, BME4-bdr, C5, D4-bg, E4-mt, E4-bg, F4, F4-bg, F4-bm, L5-gi, Pi4-biek, Pi4-bam
Undervisningsspråk: Kursen ges på begäran på engelska

Syfte

Kursens huvudsyfte är att ge en grundläggande introduktion till teori och matematiska metoder inom bildanalys, i tillräcklig omfattning för att studenten skall kunna ta sig an industriella bildbehandlingsproblem. Vidare är syftet att få studenten att utveckla sin förmåga till problemlösning, både med och utan dator. Ett ytterligare syfte är att förbereda studenten för fortsatta studier i t ex datorseende, multispektral bildanalys och statistisk bildanalys.

Mål

Kunskap och förståelse
För godkänd kurs skall studenten

• kunna tydligt förklara och självständigt använda matematiska grundbegrepp inom bildanalys, speciellt med avseende på transformteori (både i rums- och frekvensplanet), bildförbättringsmetoder, komprimering och mönsterigenkänning.
• kunna beskriva och översiktligt förklara den matematiska teorin bakom några centrala bildbehandlingsalgoritmer (såväl deterministiska som stokastiska).
• ha förståelse för de statistiska principerna som ligger till grund för maskininlärning.

Färdighet och förmåga
För godkänd kurs skall studenten

• på ett ingenjörsmässigt sätt kunna använda programpaket på dator för att lösa bildanalysproblem.
• kunna självständigt applicera grundläggande bildtekniker på industriellt och forskningsmässigt relevanta bildbehandlingsproblem.
• med adekvat terminologi, väl strukturerat och logiskt sammanhängande kunna redogöra för lösningen till ett bildanalysproblem.

Värderingsförmåga och förhållningssätt
För godkänd kurs skall studenten

Kursinnehåll

Matematiska grundbegrepp: Bildtransformer, Diskret Fourier Transform, Fast Fourier Transform.

Bildförbättring: Grånivåtransformer, filtreringar.

Bildrestaurering: Filtreringar, inversa metoder.

Skalrumsteori: Kontinuerlig-diskret teori, interpolation.

Särdragsextraktion: Filtreringar, kant- och hörndetektion.

Segmentering: Graf-metoder, aktiva konturer, matematisk morfologi.

Bayesiansk bildbehandling: Maximum A Posteriori (MAP)-skattningar, simulering.

Mönsterigenkänning: Klassificering, SVM (StödVektorMaskin), PrincipalKomponentAnalys (PCA), inlärning.

Registrering

Maskininlärning: Inlärning, prövning, generalisering, hypotesrum

Kursens examination

Betygsskala: TH - (U, 3, 4, 5) - (Underkänd, Tre, Fyra, Fem)
Prestationsbedömning: Obligatoriska inlämningsuppgifter omfattande både teori och datorimplementeringar. Godkänt resultat på dessa räcker för godkänt på kursen. För överbetyg fordras godkänt resultat på en skrivning och en muntlig tentamen.

Om så krävs för att en student med varaktig funktionsnedsättning ska ges ett likvärdigt examinationsalternativ jämfört med en student utan funktionsnedsättning, så kan examinator efter samråd med universitetets avdelning för pedagogiskt stöd fatta beslut om alternativ examinationsform för berörd student.

Moduler
Kod: 0117. Benämning: Bildanalys.
Antal högskolepoäng: 7.5. Betygsskala: TH - (U, 3, 4, 5).

Antagningsuppgifter

Förutsatta förkunskaper: FMAF05 System och transformer eller liknande (t.ex. FMAF10 Tillämpad Matematik - Linjära system)
Begränsat antal platser: 145
Urvalskriterier: Inresande behöriga utbytesstudenter har företräde till 10 platser. Rangordning bland sådana sökande görs av kursansvarig baserat på vilka relevanta kurser de sökande läst. Bland de återstående sökande bestäms prioritetsordningen av antalet avklarade poäng inom programmet. Företräde ges till studenter på program som har kursen listad i läro- och timplanen. Bland sådana studenter ges platsgaranti till studenter på masterprogrammen i Maskininlärning, system och reglerteknik respektive i Virtuell verklighet och förstärkt verklighet, för vilka kursen är obligatorisk.
Kursen överlappar följande kurser: FMA170 FMA172 MATC20

Kurslitteratur

• Szeliski, R: Computer Vision - Algorithms and Applications. Springer, 2010, ISBN: 9781848829343. Det är möjligt att klara kursen utan att köpa boken, med användning av material på kurshemsidan.

Kontaktinfo

Lärare: Magnus Oskarsson, Magnus.Oskarsson@math.lth.se
Studierektor: Anders Holst, studierektor@math.lth.se
Kursadministratör: Studerandeexpeditionen, expedition@math.lth.se
Hemsida: https://canvas.education.lu.se/courses/20289