Köszönetnyilványítás. Digitális képelemzés alapvető algoritmusai. A kurzus témái. Képelemzés és képszűrés alapfogalmai. Csetverikov Dmitrij
|
|
- Balázs Veres
- 8 évvel ezelőtt
- Látták:
Átírás
1 Köszönetnyilványítás Digitális képelemzés alapvető algoritmusai Csetverikov Dmitrij Eötvös Lóránd Egyetem, Budapest Informatikai Kar A kurzus megírásában az alábbi munkatársaim segítettek: Verestóy Judit Lerch Attila Szabó Zsolt A kurzus témái Képelemzés és képszűrés alapfogalmai Képelemzés feladatai és alkalmazásai Képszűrés Megfeleltetés és mintaillesztés Élek és sarkok detektálása Képküszöbölés Vázreprezentációk és távolság-transzformáció Morfológiai képfeldolgozás Alakelemzés 1 Bevezetés Alapfogalmak Képelemzés tipikus alkalmazásai Képek és feladatok példái Képelemzés és felismerés fázisai 2 Képszűrés Korreláció és konvolúció 3 Irodalom
2 Alapfogalmak Számítógépes grafika és képelemzés Image Processing terület bemenet kimenet képfeldolgozás képek feldolgozott képek képelemzés képek képleírások alakfelismerés képleírások objektum osztályok számítógépes látás képek 3D-s modellek Képek: kép, képhalmaz, vagy video Számítógépes látás: képfeldolgozás, képelemzés, alakfelismerés Image Image Analysis Graphics Description Számítógépes grafika: matematikai modellből kép direkt probléma, szintézis Képelemzés: képből matematikai modell inverz probléma, analízis bonyolultabb Képfeldolgozás: képből kép Digitális kép Számítógépes látás főbb céljai Két- vagy többdimenziós mátrix: Tárgy, színtér vagy egy másik kép sík- vagy térbeli reprezentációja Intenzitás kép (világosság- vagy színkód) a felület által visszavert, kamera által érzékelt elektromágneses energia látható vagy láthatatlan tartományban (pl. hőmérséklet) Távolság kép (range image) a felület és az érzékelő közötti 3D-s távolság Szimbolikus kép képponthoz hozzárendelt osztálycimke, index, vagy szimbolum pl. talajtípus, mezőgazdasági felhasználás típusa Ismert objektumok detektálása és felismerése Ismeretlen objektumok 3D-s modellezése Pozició- és orientáció-meghatározás Geometriai tulajdonságok mérése távolságok, méretek, stb. Mozgáselemzés Szín- és textúraelemzés
3 Képelemzési alkalmazások 1/3 Képelemzési alkalmazások 2/3 Alkalmazások Területek Dokumentum- feldolgozás Orvosi Ipari automatizálás Robotika Levél szortírozás, cimkeolvasás, banki papirok feldolgozása, szövegolvasás, műszaki rajzok értelmezése Tumordetektálás, belső szervek mérét- és alakmérése, kromoszóma-elemzés, vérsejtek számlálása Alkatrész-felismerés szereléshez, hibadetektálás, minőségellenőrzés Tárgy- és környezet-felismerés, vizuális alapú mozgásirányítás Alkalmazások Térképek készítése fényképekből, időjárás-térképek készítése, épületek és utcák 3D-s modellezése Ujjlenyomat illesztés, arcfelismerés, járáselemzés, más biometrikus mérések, például, fül, irisz Arckifejezés-elemzés, szemmozgás-követés, gesztus-felismerés Autók és emberek követése, események és tevékenységek elemzése Területek Térképészet, térinformatika Bűnüldözés, biztonság Ember-gép interakció Térmegfigyelés Képelemzési alkalmazások 3/3 Ellenőrzés és vizsgálat Alkalmazások Kép- és video alapú színtér-rekonstrukció, fotórealisztikus modellezés Kép és video alapú keresés, indexelés; alakzat, textúra és mozgás reprezentációja és kódolása Célkeresés és -azonosítás, légi jármüvek és rakéták irányítása Multispektrális képelemzés, időjárás előrejelzés, városi, mezőgazdasági és vízi területek megfigyelése és osztályozása Területek Film- és játékipar, kulturális örökség Multimédia adatbázisok Radarképek feldolgozása Távérzékelés szilánk üveg alján kőzetrepedés szövethiba ferritmag repedés ultrahang. talajkép kábel ker.metszet
4 Bel- és kültéri színterek, képi adatbázisok Orvosi képek bel. sztereó 1 bel. sztereó 2 kül. sztereó 1 kül. sztereó 2 MRI (térd) sejtek (radiológia) bikaspermium logó fénykép ikon/festmény ujjlenyomat röntgen (szív) mammogram (mell) vizelet Dokumentumok Képelemzés lépéseii 1/2 folyóirat oldal térkép kézírás Képalkotás (imaging): Kamerák és más érzékelők, világítás, fényvisszaverődési modellek Képjavítás (enhancement): Képminőség javítása, képkorrekció, zavaró vagy fölösleges információ eltüntetése zajszűrés, kontrasztemelés Sajátság (jellemző) kiemelés (feature extraction): Jellemzőpontok meghatározása, lokális képleírások hozzárendelése képelemekhez képküszöbölés, éldetektálás bankszámla műszaki rajz
5 Képelemzés lépései 2/2 Lokális operátorok Régió alapú szegmentálás (region-based segmentation, grouping): Hasonló tulajdonságokkal rendelkező, összefüggő képrészek kiemelése összefüggő komponensek (connected components), élláncok (edge linking) Régió leírás: Régiók geometriai, szín- és -textúra leírása, régiók közötti rélációk meghatározása terület, súlypont, orientáció, méretek, görbület, szín, textúra Megfeleltetés, illesztés (correspondence, matching): Modell és kapott képleírás megfeleltetése, képértelmezés betűfelismerés betűrészek megfeleltetése alapján Az (x, y) pontban az eredmeny a pont környezetétől (ablaktól) függ: g(x, y) = T[f(x, y)] f(x, y) a bemeneti (input) kép, g(x, y) a kimeneti (output) kép T egy, a környezeten definiált operátor Feltételezzük, hogy csak a közeli képelemek korrelálnak egymással korreláció csökken távolsággal nem igaz periodikus képek esetén y Image y (x,y) x Egy 3 3-as ablak az (x, y) pontban. x, y : lokális koord. x Rekurzív és nemrekurzív operátorok Általános nemrekurzív operátor Nemrekurzív lokális operátor az eredmény csak a bemenet aktuális környezetétől függ a kimenet el van választva a bemenettől: a működés során a bemenet nem módosul a művelet hatása korlátozódik a környezetre Rekurzív operátor az aktuális eredmény a bemenettől és az előző eredményektől is függhet a kimenet nincs elválasztva a bemenettől: a működés során a bemenet módosul a művelet hatása nem korlátozódik a környezetre hasznos, de sokkal bonyolultabb Csak a nemrekurzív operátorokkal foglalkozunk g(x, y) = φ[x, y, f(x, y ) : (x, y ) N(x, y)] f(x, y) a bemeneti kép, g(x, y) a kimeneti kép N(x, y): az (x, y) valamely környezete (pl. ablak) (x, y ): lokális koordináták a környezeten belül f(x, y ) : (x, y ) N(x, y) a környezbeli értékek listája φ függhet x, y-től (adaptív operátor) az N(x, y) környezet változhat az eredmény kiszámítási módja is változhat φ nemlineáris is lehet lineáris operátor A: A(αp + βq) = αap + βaq
6 Korreláció Konvolúció Lineáris eltolás-invariáns operátor a bemeneti értékek lineáris kombinációja: az f képnek a w maszkkal való kereszt-korrelációja g(x, y) = (f w)(x, y). = (x,y ) W (x+x,y+y ) F f(x + x, y + y ) w(x, y ) W az ablakon belüli, F a képen belüli poziciók halmaza a W ablak és a w(x, y ) súlyok nem függnek az x, y-től w: súlymátrix, maszk (angolul kernel, mask) Az f kép és a w maszk konvolúciója g(x, y) = (f w)(x, y) =. f(x x, y y ) w(x, y ) (x,y ) W (x x,y y ) F A W ablakot az ellenkezó sorrendben olvassuk be. Szimmetrikus maszkokkal fogunk dolgozni. nem lesz különbség korreláció és konvolúció között Konvolúció tulajdonságai 1/2 Konvolúció tulajdonságai 2/2 Asszociativitás: Tetszőleges f, g képekre és w, v maszkokra Korreláció a tükrözött maszkkal való konvolúció: f w = f w, ahol w (x, y) =. w( x, y) Kommutativitás (tetszőleges sorrend): w v = v w (f w) v = f (w v) w v: a w maszkot nullákkal körülvett képnek tekintjük és a v maszkkal konvolváljuk az eredmény egy nagyobb maszk asszociativitás gyors megvalósítás Disztributivitás: (f + g) w = f w + g w Homogénitás: tetszőleges α konstansra (αf) w = α(f w)
7 A kurzusban felhasznált irodalom Más hasznos irodalom és a kurzus diái 1 E.Trucco, A.Verri, "Introductory Techniques for 3-D Computer Vision", Prentice Hall. 2 R.Klette, P.Zamperoni, "Handbook of Image Processing Operators", J.Wiley and Sons. 3 I.Pitas, "Digital Image Processing Algorithms", Prentice-Hal. 4 R.C.Gonzales, R.E.Woods, "Digital Image Processing", Addison-Wesley. 5 R.M.Haralick, L.G.Shapiro, "Computer and Robot Vision", Addison-Wesley, volumes I-II. 6 A.K.Jain, "Fundamentals of Digital Image Processing", Prentice-Hall. 1 Álló G., "A Digitális Képfeldolgozás Alapproblemái", Akadémiai Kiadó, M.Sonka, V.Hlavac, R.Boyle, "Image Processing, Analysis and Machine Vision", Thomson. 3 B.Jähne, "Digital Image Processing", Springer. 4 W.K.Pratt, "Digital Image Processing", J.Wiley. 5 A.Rosenfeld, A.C.Kak, "Digital Picture Processing", Academic Press, vol. I-II. A kurzus diái: Lásd Csetverikov Dmitrij honlapját Google Csetverikov vagy Chetverikov
Digitális képelemzés alapvető algoritmusai
1 Digitális képelemzés alapvető algoritmusai Csetverikov Dmitrij Eötvös Lóránd Tudománygyetem Informatikai Kar Tartalomjegyzék 1. Bevezetés 10 1.1. A jegyzet tematikája.............................. 10
RészletesebbenKépfeldolgozás Szegmentálás Osztályozás Képfelismerés Térbeli rekonstrukció
Mesterséges látás Miről lesz szó? objektumok Bevezetés objektumok A mesterséges látás jelenlegi, technikai eszközökön alapuló világunkban gyakorlatilag azonos a számítógépes képfeldolgozással. Számítógépes
RészletesebbenSergyán Szabolcs szeptember 21.
Éldetektálás Sergyán Szabolcs Budapesti Műszaki Főiskola Neumann János Informatikai Kar 2009. szeptember 21. Sergyán Sz. (BMF NIK) Éldetektálás 2009. szeptember 21. 1 / 28 Mit nevezünk élnek? Intuitív
Részletesebben3. Szűrés képtérben. Kató Zoltán. Képfeldolgozás és Számítógépes Grafika tanszék SZTE (http://www.inf.u-szeged.hu/~kato/teaching/)
3. Szűrés képtérben Kató Zoltán Képfeldolgozás és Számítógépes Grafika tanszék SZTE http://www.inf.u-szeged.hu/~kato/teaching/ 2 Kép transzformációk típusai Kép értékkészletének radiometriai információ
RészletesebbenSzámítógépes képelemzés 7. előadás. Dr. Balázs Péter SZTE, Képfeldolgozás és Számítógépes Grafika Tanszék
Számítógépes képelemzés 7. előadás Dr. Balázs Péter SZTE, Képfeldolgozás és Számítógépes Grafika Tanszék Momentumok Momentum-alapú jellemzők Tömegközéppont Irányultáság 1 2 tan 2 1 2,0 1,1 0, 2 Befoglaló
RészletesebbenKépfeldolgozás. 1. el adás. A képfeldolgozás alapfogalmai. Mechatronikai mérnök szak BME, 2008
Képfeldolgozás 1. el adás. A képfeldolgozás alapfogalmai BME, 2008 A digitális képfeldolgozás alapfeladata Deníció A digitális képfeldolgozás során arra törekszünk, hogy a természetes képek elemzése révén
RészletesebbenKépszűrés II. Digitális képelemzés alapvető algoritmusai. Laplace-operátor és approximációja. Laplace-szűrő és átlagolás. Csetverikov Dmitrij
Képszűrés II Digitális képelemzés alapvető algoritmusai Csetverikov Dmitrij Eötvös Lóránd Egyetem, Budapest csetverikov@sztaki.hu http://vision.sztaki.hu Informatikai Kar 1 Laplace-szűrő 2 Gauss- és Laplace-képpiramis
RészletesebbenKeresés képi jellemzők alapján. Dr. Balázs Péter SZTE, Képfeldolgozás és Számítógépes Grafika Tanszék
Keresés képi jellemzők alapján Dr. Balázs Péter SZTE, Képfeldolgozás és Számítógépes Grafika Tanszék Lusta gépi tanulási algoritmusok Osztályozás: k=1: piros k=5: kék k-legközelebbi szomszéd (k=1,3,5,7)
Részletesebben3D számítógépes geometria és alakzatrekonstrukció
3D számítógépes geometria és alakzatrekonstrukció 15. Digitális Alakzatrekonstrukció Méréstechnológia, Ponthalmazok regisztrációja http://cg.iit.bme.hu/portal/node/312 https://www.vik.bme.hu/kepzes/targyak/viiima01
Részletesebben3D - geometriai modellezés, alakzatrekonstrukció, nyomtatás
3D - geometriai modellezés, alakzatrekonstrukció, nyomtatás 15. Digitális Alakzatrekonstrukció Méréstechnológia, Ponthalmazok regisztrációja http://cg.iit.bme.hu/portal/node/312 https://www.vik.bme.hu/kepzes/targyak/viiiav54
RészletesebbenIllesztés. Digitális képelemzés alapvető algoritmusai. Adatregistráció és -fúzió 1/2. Adatregistráció és -fúzió 2/2. Csetverikov Dmitrij
Illesztés Digitális képelemzés alapvető algoritmusai Csetverikov Dmitrij Eötvös Lóránd Egyetem, Budapest csetverikov@sztaki.hu http://vision.sztaki.hu Informatikai Kar 1 Megfeleltetés és illesztés a számítógépes
Részletesebben3D számítógépes geometria és alakzatrekonstrukció
3D számítógépes geometria és alakzatrekonstrukció 14. Digitális Alakzatrekonstrukció - Bevezetés http://cg.iit.bme.hu/portal/node/312 https://www.vik.bme.hu/kepzes/targyak/viiima01 Dr. Várady Tamás, Dr.
RészletesebbenBevezetés. Kató Zoltán. Képfeldolgozás és Számítógépes Grafika tanszék SZTE (http://www.inf.u-szeged.hu/~kato/teaching/)
Bevezetés Kató Zoltán Képfeldolgozás és Számítógépes Grafika tanszék SZTE (http://www.inf.u-szeged.hu/~kato/teaching/) 2 Digitális képfeldolgozás digitális képfeldolgozás számítógépes grafika digitális
RészletesebbenBevezetés. Kató Zoltán. Képfeldolgozás és Számítógépes Grafika tanszék SZTE (http://www.inf.u-szeged.hu/~kato/teaching/)
Bevezetés Kató Zoltán Képfeldolgozás és Számítógépes Grafika tanszék SZTE (http://www.inf.u-szeged.hu/~kato/teaching/) 2 Digitális képfeldolgozás digitális képfeldolgozás számítógépes grafika digitális
RészletesebbenDigitális képelemzés alapvető algoritmusai Csetverikov, Dmitrij
Csetverikov, Dmitrij írta Csetverikov, Dmitrij Publication date 2015 Szerzői jog 2015 Csetverikov Dmitrij Tartalom Digitális képelemzés alapvető... 1 1. 1 Bevezetés... 1 1.1. 1.1 A jegyzet tematikája...
Részletesebben8. Pontmegfeleltetések
8. Pontmegfeleltetések Kató Zoltán Képfeldolgozás és Számítógépes Grafika tanszék SZTE (http://www.inf.u-szeged.hu/~kato/teaching/) 2 Példa: panoráma kép készítés 1. Jellemzőpontok detektálása mindkét
RészletesebbenStatisztikai eljárások a mintafelismerésben és a gépi tanulásban
Statisztikai eljárások a mintafelismerésben és a gépi tanulásban Varga Domonkos (I.évf. PhD hallgató) 2014 május A prezentáció felépítése 1) Alapfogalmak 2) A gépi tanulás, mintafelismerés alkalmazási
Részletesebben3D-s számítógépes geometria és alakzatrekonstrukció
3D-s számítógépes geometria és alakzatrekonstrukció 14. Digitális Alakzatrekonstrukció - Bevezetés http://cg.iit.bme.hu/portal/node/312 https://www.vik.bme.hu/kepzes/targyak/viiiav08 Dr. Várady Tamás,
RészletesebbenTávérzékelés, a jöv ígéretes eszköze
Távérzékelés, a jöv ígéretes eszköze Ritvayné Szomolányi Mária Frombach Gabriella VITUKI CONSULT Zrt. A távérzékelés segítségével: különböz6 magasságból, tetsz6leges id6ben és a kívánt hullámhossz tartományokban
RészletesebbenKépfeldolgozás jól párhuzamosítható
Képfeldolgozás jól párhuzamosítható B. Wilkinson, M. Allen: Parallel Programming, Pearson Education Prentice Hall, 2nd ed., 2005. könyv 12. fejezete alapján Vázlat A képfeldolgozás olyan alkalmazási terület,
Részletesebben"Vizuális informatikai tantárgyak" oktatási tapasztalatai
"Vizuális informatikai tantárgyak" oktatási tapasztalatai Berke József PATE, Georgikon Mezőgazdaságtudományi Kar, Szaktanácsadási, Továbbképzési és Informatikai Központ, Keszthely Gábor Dénes Főiskola,
Részletesebben7. Régió alapú szegmentálás
Digitális képek szegmentálása 7. Régió alapú szegmentálás Kató Zoltán http://www.cab.u-szeged.hu/~kato/segmentation/ Szegmentálási kritériumok Particionáljuk a képet az alábbi kritériumokat kielégítő régiókba
RészletesebbenA számítógépi grafika elemei. 2012/2013, I. félév
A számítógépi grafika elemei 2012/2013, I. félév Bevezető Grafika görög eredetű, a vésni szóból származik. Manapság a rajzművészet összefoglaló elnevezéseként ismert. Számítógépi grafika Két- és háromdimenziós
RészletesebbenTérinformatika és Geoinformatika
Távérzékelés 1 Térinformatika és Geoinformatika 2 A térinformatika az informatika azon része, amely térbeli adatokat, térbeli információkat dolgoz fel A geoinformatika az informatika azon része, amely
RészletesebbenAlgoritmusok Tervezése. Fuzzy rendszerek Dr. Bécsi Tamás
Algoritmusok Tervezése Fuzzy rendszerek Dr. Bécsi Tamás Bevezetés Mese a homokkupacról és a hidegről és a hegyekről Bevezetés, Fuzzy történet Két értékű logika, Boole algebra Háromértékű logika n értékű
RészletesebbenDIGITÁLIS KÉPFELDOLGOZÁS. Előadó: Póth Miklós
DIGITÁLIS KÉPFELDOLGOZÁS Előadó: Póth Miklós Kezdetek Az első alkalmazások a nyomdaiparban voltak Egy 1921-ben átvitt képet különleges karakterek nyomtatásával rekonstruáltak (halftones) 1922: egy fényképészeti
RészletesebbenTávérzékelés a precíziós gazdálkodás szolgálatában : látvány vagy tudomány. Verőné Dr. Wojtaszek Malgorzata
Távérzékelés a precíziós gazdálkodás szolgálatában : látvány vagy tudomány Verőné Dr. Wojtaszek Malgorzata Az előadás felépítése Trendek a Föld megfigyelésében (hol kezdődött, merre tart ) Távérzékelés
RészletesebbenÖsszeállította Horváth László egyetemi tanár
Óbudai Egyetem Neumann János Informatikai Kar Intelligens Mérnöki Rendszerek Intézet Intelligens Mérnöki Rendszerek Szakirány a Mérnök informatikus alapszakon Összeállította Horváth László Budapest, 2011
RészletesebbenAkusztikai tervezés a geometriai akusztika módszereivel
Akusztikai tervezés a geometriai akusztika módszereivel Fürjes Andor Tamás BME Híradástechnikai Tanszék Kép- és Hangtechnikai Laborcsoport, Rezgésakusztika Laboratórium 1 Tartalom A geometriai akusztika
RészletesebbenKONVOLÚCIÓS NEURONHÁLÓK. A tananyag az EFOP pályázat támogatásával készült.
KONVOLÚCIÓS NEURONHÁLÓK A tananyag az EFOP-3.5.1-16-2017-00004 pályázat támogatásával készült. 1. motiváció A klasszikus neuronháló struktúra a fully connected háló Két réteg között minden neuron kapcsolódik
RészletesebbenÖnálló labor beszámoló Képek szegmentálása textúra analízis segítségével. MAJF21 Eisenberger András május 22. Konzulens: Dr.
Önálló labor beszámoló Képek szegmentálása textúra analízis segítségével 2011. május 22. Konzulens: Dr. Pataki Béla Tartalomjegyzék 1. Bevezetés 2 2. Források 2 3. Kiértékelő szoftver 3 4. A képek feldolgozása
RészletesebbenMáté: Számítógépes grafika alapjai
Történeti áttekintés Interaktív grafikai rendszerek A számítógépes grafika osztályozása Valós és képzeletbeli objektumok (pl. tárgyak képei, függvények) szintézise számítógépes modelljeikből (pl. pontok,
RészletesebbenÉldetektálás, szegmentálás (folytatás) Orvosi képdiagnosztika 11_2 ea
Éldetektálás, szegmentálás (folytatás) Orvosi képdiagnosztika 11_2 ea Geometrikus deformálható modellek Görbe evolúció Level set módszer A görbe evolúció parametrizálástól független mindössze geometriai
RészletesebbenKépfeldolgozás jól párhuzamosítható
Képeldolgozás jól párhuzamosítható B. Wilkinson, M. Allen: Parallel Programming, Pearson Education Prentice Hall, nd ed., 005. könyv. ejezete alapján Vázlat A képeldolgozás olyan alkalmazási terület, amely
RészletesebbenEEE Kutatólaboratórium MTA-SZTAKI Magyar Tudományos Akadémia
DElosztott I S T R I B U T EEsemények D EV E N T S A NElemzé A L Y S I S se R E SKutatólaboratór E A R C H L A B O R A T Oium R Y L I D A R B a s e d S u r v e i l l a n c e Városi LIDAR adathalmaz szegmentációja
RészletesebbenJelfeldolgozás - ANTAL Margit. impulzusválasz. tulajdonságai. Rendszerek. ANTAL Margit. Sapientia - Erdélyi Magyar Tudományegyetem
Sapientia - Erdélyi Magyar Tudományegyetem 2007 Megnevezések Diszkrét Dirac jel Delta függvény Egységimpluzus függvény A diszkrét Dirac jel δ[n] = { 1, n = 0 0, n 0 d[n] { 1, n = n0 δ[n n 0 ] = 0, n n
RészletesebbenKépfeldolgozó eljárások áttekintés. Orvosi képdiagnosztika
Képfeldolgozó eljárások áttekintés Orvosi képdiagnosztika Tartalomjegyzék Képmanipulációs eljárások Képjavítás (kontraszt módosítás, intenzitásviszonyok módosításahisztogram módosítás, zajszűrés) Képelemzés
RészletesebbenDRÓNOK HASZNÁLATA A MEZŐGAZDASÁGBAN
DRÓNOK HASZNÁLATA A MEZŐGAZDASÁGBAN KÖRÖSPARTI JÁNOS NAIK Öntözési és Vízgazdálkodási Önálló Kutatási Osztály (ÖVKI) Szaktanári továbbképzés Szarvas, 2017. december 7. A drónok használata egyre elterjedtebb
RészletesebbenSzenzorcsatolt robot: A szenzorcsatolás lépései:
1. Mi a szenzorcsatolt robot, hogyan épül fel? Ismertesse a szenzorcsatolás lépéseit röviden az Egységes szenzorplatform architektúra segítségével. Mikor beszélünk szenzorfúzióról? Milyen módszereket használhatunk?
RészletesebbenGeoinformatikai rendszerek
Geoinformatikai rendszerek Térinfomatika Földrajzi információs rendszerek (F.I.R. G.I.S.) Térinformatika 1. a térinformatika a térbeli információk elméletével és feldolgozásuk gyakorlati kérdéseivel foglalkozó
RészletesebbenJelfeldolgozás. Gyakorlat: A tantermi gyakorlatokon való részvétel kötelező! Kollokvium: csak gyakorlati jeggyel!
1 Jelfeldolgozás Jegyzet: http://itl7.elte.hu : Elektronika jegyzet (Csákány A., ELTE TTK 119) Jelek feldolgozása (Bagoly Zs. Csákány A.) angol nyelv DSP (PDF) jegyzet Gyakorlat: A tantermi gyakorlatokon
RészletesebbenTávérzékelés. Modern Technológiai eszközök a vadgazdálkodásban
Távérzékelés Modern Technológiai eszközök a vadgazdálkodásban A távérzékelés Azon technikák összessége, amelyek segítségével információt szerezhetünk a megfigyelés tárgyáról anélkül, hogy azzal közvetlen
RészletesebbenDinamikus modellek szerkezete, SDG modellek
Diagnosztika - 3. p. 1/2 Modell Alapú Diagnosztika Diszkrét Módszerekkel Dinamikus modellek szerkezete, SDG modellek Hangos Katalin PE Villamosmérnöki és Információs Rendszerek Tanszék Diagnosztika - 3.
Részletesebben3D Számítógépes Geometria II.
3D Számítógépes Geometria II. 1. Bevezetés http://cg.iit.bme.hu/portal/3dgeo2 https://www.vik.bme.hu/kepzes/targyak/viiiav16 Dr. Várady Tamás, Dr. Salvi Péter BME, Villamosmérnöki és Informatikai Kar Irányítástechnika
Részletesebben2014. szeptember 24. és 26. Dr. Vincze Szilvia
2014. szeptember 24. és 26. Dr. Vincze Szilvia Mind a hétköznapi, mind a tudományos életben gyakran előfordul, hogy bizonyos halmazok elemei között kapcsolat figyelhető meg. A kapcsolat fogalmának matematikai
Részletesebben2. Pont operációk. Kató Zoltán. Képfeldolgozás és Számítógépes Grafika tanszék SZTE (http://www.inf.u-szeged.hu/~kato/teaching/)
2. Pont operációk Kató Zoltán Képfeldolgozás és Számítógépes Grafika tanszék SZTE (http://www.inf.u-szeged.hu/~kato/teaching/) 2 Kép transzformációk típusai Kép értékkészletének (radiometriai információ)
RészletesebbenDigitális képek szegmentálása. 5. Textúra. Kató Zoltán.
Digitális képek szegmentálása 5. Textúra Kató Zoltán http://www.cab.u-szeged.hu/~kato/segmentation/ Textúra fogalma Sklansky: Egy képen egy területnek állandó textúrája van ha a lokális statisztikák vagy
RészletesebbenKépfeldolgozó eljárások áttekintés. Orvosi képdiagnosztika 9. ea ősz
Képfeldolgozó eljárások áttekintés Orvosi képdiagnosztika 9. ea. 2015 ősz Tartalomjegyzék Képmanipulációs eljárások Képjavítás (kontraszt módosítás, intenzitásviszonyok módosításahisztogram módosítás,
RészletesebbenRelációk Függvények. A diákon megjelenő szövegek és képek csak a szerző (Kocsis Imre, DE MFK) engedélyével használhatók fel!
függvények RE 1 Relációk Függvények függvények RE 2 Definíció Ha A, B és ρ A B, akkor azt mondjuk, hogy ρ reláció A és B között, vagy azt, hogy ρ leképezés A-ból B-be. Ha speciálisan A=B, azaz ρ A A, akkor
RészletesebbenENCARNACAO, J.L. PEITGEN, H.-O. SAKAS, G. ENGLERT, G. editors (1992): Fractal Geometry and Computer Graphics, Springer- Verlag, Berlin Heidelberg. EAR
Irodalomjegyzék ACM Multimedia'95 Proceedings, (1995): Addison-Wesley Publishing Company, ACM Press, USA. ADOBE Photoshop 4.0 User Guide for Macintosh and Windows. ADOBE Photoshop 3.5 User Guide for UNIX.
RészletesebbenMultimédiás adatbázisok
Multimédiás adatbázisok Multimédiás adatbázis kezelő Olyan adatbázis kezelő, mely támogatja multimédiás adatok (dokumentum, kép, hang, videó) tárolását, módosítását és visszakeresését Minimális elvárás
RészletesebbenAz informatika kulcsfogalmai
Az informatika kulcsfogalmai Kulcsfogalmak Melyek azok a fogalmak, amelyek nagyon sok más fogalommal kapcsolatba hozhatók? Melyek azok a fogalmak, amelyek más-más környezetben újra és újra megjelennek?
RészletesebbenRendszámfelismerő rendszerek
Problémamegoldó szeminárium Témavezető: Pataki Péter ARH Zrt. ELTE-TTK 2013 Tartalomjegyzék 1 Bevezetés 2 Út a megoldás felé 3 Felmerült problémák 4 Alkalmazott matematika 5 További lehetőségek Motiváció
RészletesebbenA fotogrammetria ismeretek és a szakmai tudás fontossága
Óbudai Egyetem Alba Regia Műszaki Kar Geoinformatikai Intézet A fotogrammetria ismeretek és a szakmai tudás fontossága 3. Légifotó Nap, Székesfehérvár, 2018. február 7. A fotogrammetria fogalma A fotogrammetria
RészletesebbenRE 1. Relációk Függvények. A diákon megjelenő szövegek és képek csak a szerző (Kocsis Imre, DE MFK) engedélyével használhatók fel!
RE 1 Relációk Függvények RE 2 Definíció: Ha A, B és ρ A B, akkor azt mondjuk, hogy ρ reláció A és B között, vagy azt, hogy ρ leképezés A-ból B-be. Ha speciálisan A=B, azaz ρ A A, akkor azt mondjuk, hogy
RészletesebbenMéréselmélet MI BSc 1
Mérés és s modellezés 2008.02.15. 1 Méréselmélet - bevezetés a mérnöki problémamegoldás menete 1. A probléma kitűzése 2. A hipotézis felállítása 3. Kísérlettervezés 4. Megfigyelések elvégzése 5. Adatok
RészletesebbenSztereó kamerarendszerre alapozott gyalogos felismerés Kornis János*, Szabó Zsolt**
Sztereó kamerarendszerre alapozott gyalogos felismerés Kornis János*, Szabó Zsolt** *PhD, okleveles villamosmérnök, Budapesti Műszaki és Gazdaságtudományi Egyetem Fizika Tanszék, kornis@phy.bme.hu **fizikus
RészletesebbenPanorámakép készítése
Panorámakép készítése Képregisztráció, 2009. Hantos Norbert Blaskovics Viktor Összefoglalás Panoráma (image stitching, planar mosaicing): átfedő képek összeillesztése Lépések: Előfeldolgozás (pl. intenzitáskorrekciók)
RészletesebbenIntelligens Rendszerek Elmélete. Párhuzamos keresés genetikus algoritmusokkal. A genetikus algoritmus működése. Az élet információ tárolói
Intelligens Rendszerek Elmélete dr. Kutor László Párhuzamos keresés genetikus algoritmusokkal http://mobil.nik.bmf.hu/tantargyak/ire.html login: ire jelszó: IRE07 IRE 5/ Természetes és mesterséges genetikus
RészletesebbenNeurális hálózatok bemutató
Neurális hálózatok bemutató Füvesi Viktor Miskolci Egyetem Alkalmazott Földtudományi Kutatóintézet Miért? Vannak feladatok amelyeket az agy gyorsabban hajt végre mint a konvencionális számítógépek. Pl.:
RészletesebbenAUTOMATIKUS KÉPFELDOLGOZÁS A HADITECHNIKÁBAN A CELLULÁRIS NEURÁLIS HÁLÓZAT
Buzási Tibor AUTOMATIKUS KÉPFELDOLGOZÁS A HADITECHNIKÁBAN A CELLULÁRIS NEURÁLIS HÁLÓZAT A következő bemutató témája a Celluláris Neurális Hálózat (CNN) technológiára épülő, a hagyományos képfeldolgozási
RészletesebbenAlgoritmusok és adatszerkezetek II.
Szegedi Tudományegyetem - Természettudományi és Informatikai Kar - Informatikai Tanszékcsoport - Számítógépes Algoritmusok és Mesterséges Intelligencia Tanszék - Németh Tamás Algoritmusok és adatszerkezetek
RészletesebbenInfobionika ROBOTIKA. X. Előadás. Robot manipulátorok II. Direkt és inverz kinematika. Készült a HEFOP P /1.0 projekt keretében
Infobionika ROBOTIKA X. Előadás Robot manipulátorok II. Direkt és inverz kinematika Készült a HEFOP-3.3.1-P.-2004-06-0018/1.0 projekt keretében Tartalom Direkt kinematikai probléma Denavit-Hartenberg konvenció
RészletesebbenMérési struktúrák
Mérési struktúrák 2007.02.19. 1 Mérési struktúrák A mérés művelete: a mérendő jellemző és a szimbólum halmaz közötti leképezés megvalósítása jel- és rendszerelméleti aspektus mérési folyamat: a leképezést
RészletesebbenKonvolúciós neurális hálózatok (CNN)
Konvolúciós neurális hálózatok (CNN) Konvolúció Jelfeldolgozásban: Diszkrét jelek esetén diszkrét konvolúció: Képfeldolgozásban 2D konvolúció (szűrők): Konvolúciós neurális hálózat Konvolúciós réteg Kép,
RészletesebbenMiről lesz szó? Videó tartalom elemzés (VCA) leegyszerűsített működése Kültéri védelem Közúthálózat megfigyelés Emberszámlálás
Videóanalitikát mindenhova! Princz Adorján Miről lesz szó? Videó tartalom elemzés (VCA) leegyszerűsített működése Kültéri védelem Közúthálózat megfigyelés Emberszámlálás VCA alapú detektorok Videótartalom
RészletesebbenTANTÁRGYI ÚTMUTATÓ DIGITÁLIS KÉPFELDOLGOZÁS. BSc/BA alapképzés
TANTÁRGYI ÚTMUTATÓ DIGITÁLIS KÉPFELDOLGOZÁS BSc/BA alapképzés 317 2011 /2012. tanév Tartalomjegyzék 1. A tantárggyal kapcsolatos fontosabb adatok... 2 2. A tantárgy célkitűzése és tematikája... 3 3. A
RészletesebbenRealisztikus 3D modellek készítése
Realisztikus 3D modellek készítése valós tárgyakról Jankó Zsolt Doktori értekezés tézisei Témavezető: Dr. Csetverikov Dmitrij Eötvös Loránd Tudományegyetem Informatikai Doktori Iskola Vezető: Dr. Demetrovics
RészletesebbenKépelemzési módszerek. Automatikus retina képelemzési módszerek 3/3/2011. MI módszerek a képelemzésben. A retina analízis digitális képei
Képelemzési módszerek Mesterséges Intelligencia II. előadás Dr. Nyúl László Szegedi Tudományegyetem Képeld 2011.03.01. MI módszerek a képelemzésben Képjavítás Képszegmentálás Alakelismerés Képleírás (jelenet
RészletesebbenElőadás célja: ERDAS IMAGINE történelem a Georgikon Karon. ERDAS IMAGINE alkalmazása Karunk oktatási feladataiban
ERDAS IMAGINE ERDAS IMAGINE8.x osztályozó eljárások gyakorlati alkalmazása a Georgikon Karon gyakorlati alkalmazásának 1 Pallér Norbert2 Berke József lehetőségei berke@georgikon.hu Berke József 1 - Veszprémi
RészletesebbenMérés és modellezés Méréstechnika VM, GM, MM 1
Mérés és modellezés 2008.02.04. 1 Mérés és modellezés A mérnöki tevékenység alapeleme a mérés. A mérés célja valamely jelenség megismerése, vizsgálata. A mérés tervszerűen végzett tevékenység: azaz rögzíteni
RészletesebbenBevezetés. Berke Virág - Tóth: Számítógépes grafika és prezentáció
Berke Virág - Tóth: Számítógépes grafika és prezentáció Bevezetés A XX. század végén földünk fejlett és fejlődő társadalmai jelentős változáson esnek át, amelyet elsősorban az informatika generál. Hazánk
RészletesebbenA KÉPFELDOLGOZÁS OKTATÁSA A BSC ÉS AZ MSC KÉPZÉSEKEN A SZEGEDI TUDOMÁNYEGYETEMEN
A KÉPFELDOLGOZÁS OKTATÁSA A BSC ÉS AZ MSC KÉPZÉSEKEN A SZEGEDI TUDOMÁNYEGYETEMEN TEACHING IMAGE PROCESSING AT THE UNIVERSITY OF SZEGED Balázs Péter, Erdőhelyi Balázs, Katona Endre, Kató Zoltán, Máté Eörs,
RészletesebbenI S R G Gépi tanulás, neuronhálók
I S R G Gépi tanulás, neuronhálók MI Horváth Gábor Egy intelligens rendszernek szükségszerűen rendelkeznie kell adaptációs, tanulási képességgel. Mi a (gépi) tanulás? A gépi tanulás során egy gép a tanuló
RészletesebbenAutomatikus épület-felismerés ortofotókon objektum-alapú eljárással
Automatikus épület-felismerés ortofotókon objektum-alapú eljárással Gera Dávid Ákos, Nádor Gizella, Surek György Földmérési és Távérzékelési Intézet Távérzékelési Igazgatóság 1. Bevezetés Napjainkban a
RészletesebbenMi legyen az informatika tantárgyban?
Mi legyen az informatika tantárgyban? oktatás fő területei: digitális írástudás; számítástudomány; információs technológiák. Digitális írástudás szövegszerkesztés, adat vizualizáció, prezentáció, zeneszerkesztés,
RészletesebbenA félév során előkerülő témakörök
A félév során előkerülő témakörök rekurzív algoritmusok rendező algoritmusok alapvető adattípusok, adatszerkezetek, és kapcsolódó algoritmusok dinamikus programozás mohó algoritmusok gráf algoritmusok
Részletesebben3D számítógépes geometria és alakzatrekonstrukció
3D számítógépes geometria és alakzatrekonstrukció 1a. Bevezetés http://cg.iit.bme.hu/portal/node/312 https://www.vik.bme.hu/kepzes/targyak/viiima01 Dr. Várady Tamás, Dr. Salvi Péter BME, Villamosmérnöki
RészletesebbenSzámítógépes grafika
Számítógépes grafika HEFOP 3.5.1 Korszerű felnőttképzési módszerek kifejlesztése és alkalmazása EMIR azonosító: HEFOP-3.5.1-K-2004-10-0001/2.0 Tananyagfejlesztő: Máté István Lektorálta: Brückler Tamás
RészletesebbenSzámítógépes látás alapjai
Számítógépes látás alapjai Csetverikov Dmitrij, Hajder Levente Eötvös Lóránd Egyetem, Informatikai Kar Csetverikov, Hajder (ELTE Informatikai Kar) Számítógépes látás 1 / 23 Rekonstrukció speciális hardverekkel
RészletesebbenKépfeldolgozó eljárások áttekintés. Orvosi képdiagnosztika 9. ea ősz
Képfeldolgozó eljárások áttekintés Orvosi képdiagnosztika 9. ea. 2015 ősz Tartalomjegyzék Képmanipulációs eljárások Képjavítás (kontraszt módosítás, hisztogram módosítás, zajszűrés, élkiemelés) Képelemzés
RészletesebbenSzámítógépes képelemzés
Számítógépes képelemzés ANYAGMÉRNÖKI MESTERKÉPZÉS (MSc) Anyag- és szerkezetdiagnosztikai Anyaginformatikai Anyagvizsgálati kiegészítő szakirány TANTÁRGYI KOMMUNIKÁCIÓS DOSSZIÉ MISKOLCI EGYETEM MŰSZAKI
RészletesebbenGépi tanulás a gyakorlatban. Bevezetés
Gépi tanulás a gyakorlatban Bevezetés Motiváció Nagyon gyakran találkozunk gépi tanuló alkalmazásokkal Spam detekció Karakter felismerés Fotó címkézés Szociális háló elemzés Piaci szegmentáció analízis
RészletesebbenRobotok inverz geometriája
Robotok inverz geometriája. A gyakorlat célja Inverz geometriai feladatot megvalósító függvények implementálása. A megvalósított függvénycsomag tesztelése egy kétszabadságfokú kar előírt végberendezés
RészletesebbenAz IDRISI szoftver fejlesztésének új eredményei. Az IDRISI Taiga eszköztára: Új fejlesztések. Image Processing: Szegmentálás SEGMENTATION
Az IDRISI szoftver fejlesztésének új eredményei Az IDRISI Taiga eszköztára: térinformatikai elemzés (GIS analysis) képfeldolgozás (image processing) térbeli elemzések (surface analysis) változás és idősoros
RészletesebbenMit látnak a robotok? Bányai Mihály Matemorfózis, 2017.
Mit látnak a robotok? Bányai Mihály Matemorfózis, 2017. Vizuális feldolgozórendszerek feladatai Mesterséges intelligencia és idegtudomány Mesterséges intelligencia és idegtudomány Párhuzamos problémák
RészletesebbenGEOSTATISZTIKA II. Geográfus MSc szak. 2019/2020 I. félév TANTÁRGYI KOMMUNIKÁCIÓS DOSSZIÉ
GEOSTATISZTIKA II. Geográfus MSc szak 2019/2020 I. félév TANTÁRGYI KOMMUNIKÁCIÓS DOSSZIÉ Miskolci Egyetem Műszaki Földtudományi Kar Geofizikai és Térinformatikai Intézet A tantárgy adatlapja Tantárgy neve:
Részletesebben6. Éldetektálás. Kató Zoltán. Képfeldolgozás és Számítógépes Grafika tanszék SZTE (http://www.inf.u-szeged.hu/~kato/teaching/)
6. Éldetektálás Kató Zoltán Képeldolgozás és Számítógépes Graika tanszék SZTE (http://www.in.u-szeged.hu/~kato/teaching/) 2 Élek A képen ott található él, ahol a kép-üggvény hirtelen változik. A kép egy
Részletesebben4. Fuzzy relációk. Gépi intelligencia I. Fodor János NIMGI1MIEM BMF NIK IMRI
4. Fuzzy relációk Gépi intelligencia I. Fodor János BMF NIK IMRI NIMGI1MIEM Tartalomjegyzék I 1 Klasszikus relációk Halmazok Descartes-szorzata Relációk 2 Fuzzy relációk Fuzzy relációk véges alaphalmazok
Részletesebben3D - geometriai modellezés, alakzatrekonstrukció, nyomtatás
3D - geometriai modellezés, alakzatrekonstrukció, nyomtatás 1a. Bevezetés http://cg.iit.bme.hu/portal/node/312 https://www.vik.bme.hu/kepzes/targyak/viiiav54 Dr. Várady Tamás, Dr. Salvi Péter BME, Villamosmérnöki
RészletesebbenSúlyozott automaták alkalmazása
Súlyozott automaták alkalmazása képek reprezentációjára Gazdag Zsolt Szegedi Tudományegyetem Számítástudomány Alapjai Tanszék Tartalom Motiváció Fraktáltömörítés Súlyozott véges automaták Képek reprezentációja
Részletesebben3D Számítógépes Geometria II.
3D Számítógépes Geometria II. 1. Bevezetés http://cg.iit.bme.hu/portal/3dgeo2 https://www.vik.bme.hu/kepzes/targyak/viiiav16 Dr. Várady Tamás, Dr. Salvi Péter BME, Villamosmérnöki és Informatikai Kar Irányítástechnika
RészletesebbenIdősorok elemzése. Salánki Ágnes
Idősorok elemzése Salánki Ágnes salanki.agnes@gmail.com 2012.04.13. Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék 1 Idősorok analízise Alapfogalmak Komponenselemzés
RészletesebbenHibadetektáló rendszer légtechnikai berendezések számára
Hibadetektáló rendszer légtechnikai berendezések számára Tudományos Diákköri Konferencia A feladatunk Légtechnikai berendezések Monitorozás Hibadetektálás Újrataníthatóság A megvalósítás Mozgásérzékelő
RészletesebbenIntelligens Rendszerek Elmélete. Versengéses és önszervező tanulás neurális hálózatokban
Intelligens Rendszerek Elmélete : dr. Kutor László Versengéses és önszervező tanulás neurális hálózatokban http://mobil.nik.bmf.hu/tantargyak/ire.html Login név: ire jelszó: IRE07 IRE 9/1 Processzor Versengéses
RészletesebbenKépszegmentáló eljárások. Orvosi képdiagnosztika 2018 ősz
Képszegmentáló eljárások Orvosi képdiagnosztika 2018 ősz Képszegmentálás Anatómiai részek elkülönítés: pl. csontok, szív, erek, szürkefehér állomány, stb Vizsgálandó terület körbehatárolása: pl. tüdőterület
RészletesebbenMérés és modellezés 1
Mérés és modellezés 1 Mérés és modellezés A mérnöki tevékenység alapeleme a mérés. A mérés célja valamely jelenség megismerése, vizsgálata. A mérés tervszerűen végzett tevékenység: azaz rögzíteni kell
RészletesebbenPONTFELHŐ REGISZTRÁCIÓ
PONTFELHŐ REGISZTRÁCIÓ ITERATIVE CLOSEST POINT Cserteg Tamás, URLGNI, 2018.11.22. TARTALOM Röviden Alakzatrekonstrukció áttekintés ICP algoritmusok Projektfeladat Demó FORRÁSOK Cikkek Efficient Variants
RészletesebbenGrafikonok automatikus elemzése
Grafikonok automatikus elemzése MIT BSc önálló laboratórium konzulens: Orosz György 2016.05.18. A feladat elsődleges célkitűzései o eszközök adatlapján található grafikonok feldolgozása, digitalizálása
RészletesebbenMOBOT Project. II. Irodalomkutatás. (részlet) 2008. november 30. Marton Attila Urbán András Tandari János
Budapesti Műszaki Főiskola Neumann János Informatikai Kar Mérnök informatikus szak Informatikai Automatizált Rendszerek MOBOT Project II. Irodalomkutatás 2008. november 30. (részlet) Marton Attila Urbán
Részletesebben