Képfeldolgozás. iris recognition. A katonai UFO-felismeréstől
|
|
- Nándor Tibor Dudás
- 8 évvel ezelőtt
- Látták:
Átírás
1 iris recognition Képfeldolgozás Firtha Ferenc, BCE, Fizia A atonai UFO-felismeréstől Character Recognition a hétöznapig: felbontás: 1384x1034 nettó 4m/h túllépésnél: 2 fillér/pixel 30 ezer forint
2 1. Színmérés: milyenne látju? 2. Képfeldolgozás: hol? 3. Spetroszópia: mi? ontat optiai: RGB színinger THE 007, 228, távérzéelés + adatredució: szegmentálás, szín, ala, mintázat 4. Spetrális épfeldolgozás: hol, mi? ontat mérés + statisztiai modell: NIR reflexió -> víz, zsír, olaj, fehérje, távmérés+analízis -> multispetrális alalmazás ásványo, parlagfű, gyógyszer, élelmiszer
3 Képfeldolgozás Az optiai mérése o roncsolás-mentese, o érintés-mentese, o gyorsa A színmérés o csa az adott felület átlagos színét méri Miért épfeldolgozás? a felület nem homogén Képfeldolgozás hardver Szegmentálás üszöb, laszter, él orreció, szoftvere Színmérés feltételei stabil, alibrálás, 3D Alaleírás Fourier, célfv, spline görbült topológia Mintázat enyér, hús objetum távol van alaleírás, mintázat leírása a cél Eredmény: szín, ala, mintázat
4 Néhány épfeldolgozási példa: 1. Szegmentálás Sérülése detetálása gyümölcsön, zöldségen
5 2. Színmérés: Kajszi színváltozása az Lab síon az érés folyamán
6 3. Ala Fajtaazonosítás is történhet a szín és ala alapján
7 Még a 3D ala is becsülhető több amerával, vagy ügyesen választott megvilágítással
8 4. Mintázat Csoi miroszóp-fevétele: aaó, aaóvaj, cuor és tej Kenyér porozitásána leírása a lyua detetálásával
9 Hogyan? Méréselrendezés + adatreduciós algoritmus HARDVER: Setup: Képfeldolgozás hardver Szegmentálás üszöb, laszter, él orreció, szoftvere Színmérés feltételei stabil, alibrálás, 3D Alaleírás Fourier, célfv, spline görbült topológia Mintázat enyér, hús
10 Képfelvételi eszözö példái 1. video camera BW / Color Live imaging On-line application Robot sensing 2. photo camera still images higher resolution documentation, archivation 3. scanner precise recording of flat surfaces 4. line-scan camera continuous recording, on-line application 5. NIR-camera quality assessment (water, sugar)
11 Képfeldolgozás alapvető lépései Digitális ép átvitele számítógépre Előfeldolgozás éptartomány (ROI: region of interrest) iválasztása (pl. menete ford/p) épjavítás: zoom, ontraszt, türözése, invertálás (pl. endoszópos alalmazás) Szegmentálás 1. Objetum éppontjaina iválasztása -> objetum mérete (pixele száma) További épjellemző számítása 2. Színmérés 3. Körvonal meghatározása. Alaleírás: hossz, szélesség, speficius jellemző 4. Mintázat leírása: általában célalgoritmussal Mi a épfeldolgozás? ADATREDUKCIÓ: látható jellemző leírása pár számmal
12 Szegmentálás Küszöbölési techniá Klaszterezés Éleresés, élnövesztés Képfeldolgozás hardver Szegmentálás üszöb, laszter, él orreció, szoftvere Színmérés feltételei stabil, alibrálás, 3D Alaleírás Fourier, célfv, spline görbült topológia Mintázat enyér, hús
13 1.a. Szegmentálás üszöböléssel Szegmentálás az intenzitás (I=R+G+B, a sárga egyenesre való vetület) alapján: mintaép RGB oca histogram, üszöb A hisztogramon a háttér és az objetum csúcsai özött, a minimum-helyen választju a üszöböt (threshold). Az ennél világosabb pontoat teintjü az objetum pontjaina. object bacground Adott esetben, más egyenes vetülete, hatéonyabban választ el. Enne irányát manuálisan lehet megadni. Így az intenzitás: I = d r R + d g G + d b B = d c
14 Minden, amit tudni aartál a statisztiáról összeg: szorzat-összeg: X = Â xi XX Â x i x = i XY = Â x i yi Egy-vált: átlag (mean): M x = X n eltérés-szorzatösszeg (SQ product-moment): Â( xi - M i ) szórás (standard deviation): sx = szórásnégyzet (variance): s 2 n xx = s x = XX xx n - X X n xy = XY - X Y n becsült szórás (standard error): átlag becsült szórása: ~ s x s Mx xx = n -1 ~ sx = n onfidencia intervallum (confidence interval): Több-vált: ovariancia (covariance): orrelációs együttható: determinációs együttható: r 2 lineáris regresszió: y = ax+b a = xy xx n dimenzió esetén n-ismeretlenes egyenletrendszer megoldása M x ± s Mx q xy = r xy = b = M y xy n xy xx yy - a M x
15 Küszöbölés javítása színstatisztia alapján bacground object ovariancia-mátrix -> vetítés-> intenzitás: d I := d c in vivo alalmazás pl. napraforgó mago szegmentálására: d = {-1, 0, 1}
16 1.b. Szegmentálás laszterezéssel Kalibráció: Egérrel ijelölün mintafelületeet az objetumra és a háttérre is. Egy-egy ilyen osztály özéppontját átlagolással számolju. Klaszterezés: adott pont özéppontotól való távolsága, vagy szöge alapján döntjü el, melyi csoporthoz tartozi. fl RGB oca eredmény amior a szög alapján jobb szegmentálni
17 1.c. Szegmentálás éleresés alapján Lépései 1. Éleresés (edge-detection) 2. Élnövesztés (edge-growing) 1. Éleresés: Laplace operátor, Soebel, Roberts, Best plane, stb. Hibrid algoritmus: Gradient Non-maxima suppression Nevatia-Babu 2. Élnövesztés példája: egyenes eresése a Hough transzformáció terében Nincs világegyenlet megoldása, csa speciális megoldás, adott célfeladatra
18 Szegmentálás javítása, örvonal simítása, színstatisztia 1. Festő-algoritmus: egymás melletti pixele azonosítása, mint objetum 2. Zaj-szűrés: túl is szigeteet a örnyező tartományhoz sorolju. Képfeldolgozás hardver Szegmentálás üszöb, laszter, él orreció, szoftvere Színmérés feltételei stabil, alibrálás, 3D Alaleírás Fourier, célfv, spline görbült topológia Mintázat enyér, hús 3. Körvonal simítása morfologiai operátorral nyitás (opening= erosion + dilation) törli a csücsöet, pl. a szárat zárás (closing = dilation + erosion) törli az öblöet
19 ImgPro célszoftver (FF 1995-, nyelv: C-Assembly) Olvasás videó eszözről Előfeldolgozás Szegmentálás,színstatisztia Alaleírás: Fourier transzformáció Képfeldolgozás hardver Szegmentálás üszöb, laszter, él orreció, szoftvere Színmérés feltételei stabil, alibrálás, 3D Alaleírás Fourier, célfv, spline görbült topológia Mintázat enyér, hús
20 További operátoro A épfeldolgozás hősorában mindent fel ellett programozni: DOS alatt a grafiát, az egeret, a video eszözö elérését, mindent Win31 alatt, a nagyméretű épe ezelését Windows alatt a épe feldolgozásána összes lépését, a modulo özti adatcsere protoolját Nem létezte szabadon elérhető épfeldolgozó rutin-önyvtára.
21 XXI.sz: MATLAB program-csomag Cél: adott ezelése gyöértömegre gyaorolt hatását mérni özvetlen tömegméréssel és in-vivo impedancia méréssel. Részfeladat: tömeg becslése gyors, optiai méréssel. Gyöér színe piros+zöld, ezért é alapon szenneltün. Megoldás: 3 sorban: im=imread('gyö137.jpg'); % open image R = im(:,:,1); BW = im2bw(r); BW = medfilt2(bw,[2 2]); % use Red channel % thresholding % remove Salt&Pepper noise msgbox(num2str( nnz(bw) )); imwrite(bw,'gyö0137_out.jpg'); % number of pixel % save result Eredmény 6 sorban
22 2. Színmérés feltételei: stabilitás, etalono, görbület hatása CIE onverzió alapjai: 1. Stabilitás: Algoritmus a pixel-flutuáció ezelésére RGB szórás a Gray etalonra : 3,20 1,59 2,10 Algoritmus a alibráció vezérlésére RGB szórás a 3 RGB etalonra, 22 hétre: 3,60 2,89 3,25 2. Etalono (standards): RGB tér ifeszítése Mért tartományban mintá Intnz. szórásána ezelése Eredmény: RGB -> XYZ onverzió 16 etalonra R 2 = Görbült felület: hogyan függ a mért jel a beesés- és visszaverődés szögétől Képfeldolgozás hardver Szegmentálás üszöb, laszter, él orreció, szoftvere Színmérés feltételei stabil, alibrálás, 3D Alaleírás Fourier, célfv, spline görbült topológia Mintázat enyér, hús Fénynyalábbal megvilágított felületet, ülönböző irányból mérjü
23 Görbült felület hatása a mért RGB jelre Fejlesztett méréselrendezés, forgózsámoly, szoftver a görbület hatásána mérésére. Izolált örnyezetben megvilágítás fénysugárral A felület a özéppontban, objetum és amera forgatva Terület szegmentálása üszöböléssel Tipius reflexiós viseledése aliforniai papria: dió: barac: BG:tüör, R:diffúz beesőtől függ nézettől függ (ezüst szőrö)
24 3. Alaleírás Körvonal pontjaina felsorolása Súlypont számítása és áttérés polár oordináta-rendszerbe Képfeldolgozás hardver Szegmentálás üszöb, laszter, él orreció, szoftvere Színmérés feltételei stabil, alibrálás, 3D Alaleírás Fourier, célfv, spline görbült topológia Mintázat enyér, hús Resampling 2 n adatra lineáris interpolációval (Fourier transzformáció igényli) Alaleírás: a) Általános FFT-vel (pl automatizáláshoz) b) Specifius (pl. szaértői rendszerhez) c) Morfológiai (pl. fajta-azonosításhoz)
25 3.a. Fourier transzformáció Folytonos jel adott perióduson előállítható többszörös frevenciájú szinuszo és oszinuszo ülönböző amplitúdójú összegeént. Időtartomány fl Frevenciatartomány folytonos Fourier sor amplitúdó-eltolással Euler-éplettel, ez a omplex exponenciális valós része: A transzformáció invertálható, pl. egyes frevenciá (pl. zajo) szűrése után visszaalaítható. Diszrét Fourier Transzformáció (DFT): véges minta transzformálása Fast Fourier Transzformáció (FFT): DFT gyors algoritmusa 2 n mintaszám esetére )) sin( ) cos( ( ) ( 1 0 t b t a a t f n + + =  = w w Ú = T dt t f T a 0 0 ) ( 1 Ú = T dt t t f T a 0 )cos ( 2 w x i x e ix sin cos + =  = + + = n i t A A t f 1 0 ) cos( ) ( j w b a b a b a sin sin cos cos ) cos( - = + t A t A t A - + = + w j w j w j sin ) sin ( cos ) cos ( ) cos( 2 2 b a A + = a b = -arctg j  = + + = n t i i e A A t f 1 ) ( 0 ) ( j w Ú = T dt t t f T b 0 )sin ( 2 w
26 3.a. Szimmetriá leírása Fourier együtthatóal Aörvonal súlypontra vonatoztatott r(α) polár oordinátáit transzformálva a Fourier térbe (mint hangból a spetrum), az a amplitúdói és a φ eltolásai a ülönböző hullámhosszana, jellemzi a2d ala szimmetriáit: polár: a 0 : átlagos sugár xy: a 3 polár: xy: a 1 :súlypont excentricitása a 4 a 2 : ellipszoid (major- / minor tengely) φ 2 : főtengely szöge a 25
27 3.b.Ala özelítése célfüggvény illesztésével Szaértői rendszere az értelmezhető paramétereet preferáljá. Egy megfelelő célfüggvény n paraméterét legisebb négyzete módszerével (LSE), regresszióval illeszthetjü a örvonal pontjaira. Hagymafajtá azonosítása 12 paraméteres függvény-szevenciával valósítható meg: onstans exponenciális oszinusz oszinusz exponenciális onstans + 3 paraméter a tengely asszimmetriájára
28 Visszatérve a hagyma alajána 12 paraméteres özelítésére: MSE: 1,13 2,42 px 2 avr. error: 0,21 0,31 mm
29 Intermezzo: 3D grafia és a világítástechnia? Star wars ( 77), PC ( 86), hagyma ( 95) 3D rendering
30 3.c: Struturális leírás: mesterséges görbéel való özelítés Elsőént autótervezésben használtá. Az alapponto meghatározása után mesterséges görbéet ell illeszteni a örvonalra. Ilyene: Lagrange int, Bezier regr, Spline int, A töréspontoat a struturális elemzés adja. 5 pontos regresszió és interpoláció: Alalmazás a hagyma alaon: Bezier regresszió cubic spline interpoláció
31 Cubic spline özelítés: MSE: 1,31 3,16 px 2 avr. error: 0,23 0,35 mm
32 3.c: Morfológia: Strutúra, görbült tengely A természetes objetumo gyaran tengelyes szimmetriájúa, nem polárisa (lásd levél, banán, ubora, ). Ez a tengely viszont szinte mindig görbült. Az algoritmusna ezelni ell, hogy a ét oldalon a részlete máso, ezért a örvonalaon az úthossz ülönbözi. Stanislav Barton-nal (Czech, Brno) ifejlesztett algoritmusun minimalizálja a tengely görbületét. 1. Fourier özelítés (n<=10) Képfeldolgozás hardver Szegmentálás üszöb, laszter, él orreció, szoftvere Színmérés feltételei stabil, alibrálás, 3D Alaleírás Fourier, célfv, spline görbült topológia Mintázat enyér, hús 2. Bordá nem eresztezi egymást 3. özelítés eredménye
33 Természetes objetumo görbült topológiájána példája
34 4: Mintázat: Transzformálás polár oordinátára Borland C++ (FF, 2004) Képfeldolgozás hardver Szegmentálás üszöb, laszter, él orreció, szoftvere Színmérés feltételei stabil, alibrálás, 3D Alaleírás Fourier, célfv, spline görbült topológia Mintázat enyér, hús
35 4: Mintázat: Kenyér porozitás (FF, 2006) Borland C++ Képfeldolgozás hardver Szegmentálás üszöb, laszter, él orreció, szoftvere Színmérés feltételei stabil, alibrálás, 3D Alaleírás Fourier, célfv, spline görbült topológia Mintázat enyér, hús
36 4: Mintázat: Kenyér porozitás (FF, 2009) üszöböléssel (Matlab 11 sor): fname = 'enyer1.jpg'; I= imread(fname); I = rgb2gray(i); I = imadjust(i); % convert to grayscale % increases the contrast of grayscale image. imhist(i); level = graythresh(i); % get threshold using Otsu's method bw = im2bw(i,level); % Convert grayscale image to binary image bw = bwareaopen(bw, 50); % remove small objects (50px) GLCM2 = graycomatrix(i,'offset',[2 0;0 2]); stats = graycoprops(glcm2,{'contrast','homogeneity','energy','correlation'}); e = entropy(i);
37 4: Mintázat: Hús márványosság (FF, 2011) szegmentálás 8 paraméter ~ szaértői vél. PLS / neuron becslés Képfeldolgozás hardver Szegmentálás üszöb, laszter, él orreció, szoftvere Színmérés feltételei stabil, alibrálás, 3D Alaleírás Fourier, célfv, spline görbült topológia Mintázat enyér, hús
38 Képfeldolgozás után öv: a spetrális épalotás
Digitális Fourier-analizátorok (DFT - FFT)
6 Digitális Fourier-analizátoro (DFT - FFT) Eze az analizátoro digitális műödésűe és a Fourier-transzformálás elvén alapulna. A digitális Fourier analizátoro a folytonos időfüggvény mintavételezett jeleit
RészletesebbenKéprekonstrukció 3. előadás
Képrekonstrukció 3. előadás Balázs Péter Képfeldolgozás és Számítógépes Grafika Tanszék Szegedi Tudományegyetem Computed Tomography (CT) Elv: Röntgen-sugarak áthatolása 3D objektum 3D térfogati kép Mérések
RészletesebbenSzámítógépes Grafika SZIE YMÉK
Számítógépes Grafika SZIE YMÉK Analóg - digitális Analóg: a jel értelmezési tartománya (idő), és az értékkészletes is folytonos (pl. hang, fény) Diszkrét idejű: az értelmezési tartomány diszkrét (pl. a
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
RészletesebbenDrótos G.: Fejezetek az elméleti mechanikából 4. rész 1
Drótos G.: Fejezete az elméleti mechaniából 4. rész 4. Kis rezgése 4.. gyensúlyi pont, stabilitás gyensúlyi pontna az olyan r pontoat nevezzü valamely oordináta-rendszerben, ahol a vizsgált tömegpont gyorsulása
RészletesebbenDekonvolúció a mikroszkópiában. Barna László MTA Kísérleti Orvostudományi Kutatóintézet Nikon-KOKI képalkotó Központ
Dekonvolúció a mikroszkópiában Barna László MTA Kísérleti Orvostudományi Kutatóintézet Nikon-KOKI képalkotó Központ 2015 Fourier-Sorok Minden 2π szerint periodikus függvény előállítható f x ~ a 0 2 + (a
RészletesebbenA JÓLÉTI ÁLLAM KÖZGAZDASÁGTANA
A JÓLÉTI ÁLLAM KÖZGAZDASÁGTANA A JÓLÉTI ÁLLAM KÖZGAZDASÁGTANA Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázati projet eretében Tartalomfejlesztés az ELTE TátK Közgazdaságtudományi Tanszéén az ELTE Közgazdaságtudományi
RészletesebbenGeometriai modellezés. Szécsi László
Geometriai modellezés Szécsi László Adatáramlás vezérlés Animáció világleírás Modellezés kamera Virtuális világ kép Képszintézis A modellezés részfeladatai Geometria megadása [1. előadás] pont, görbe,
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
RészletesebbenKamerakalibráció és pozícióbecslés érzékenységi analízissel, sík mintázatokból. Dabóczi Tamás (BME MIT), Fazekas Zoltán (MTA SZTAKI)
, 2008 feb. 4-5 Kamerakalibráció és pozícióbecslés érzékenységi Bódis-Szomorú András Dabóczi Tamás (BME MIT), Fazekas Zoltán (MTA SZTAKI) Méréstechnika- és Információs Rendszerek Tanszék BME Rendszer-
RészletesebbenTrikromatikus és hiperspektrális képfeldolgozási módszerek élelmiszerek és termények vizsgálatára
Trikromatikus és hiperspektrális képfeldolgozási módszerek élelmiszerek és termények vizsgálatára Firtha Ferenc DOKTORI ÉRTEKEZÉS TÉZISEI Budapesti Corvinus Egyetem Élelmiszertudományi Kar Fizika-Automatika
RészletesebbenAutomatikus irányzás digitális képek. feldolgozásával TURÁK BENCE DR. ÉGETŐ CSABA
Automatikus irányzás digitális képek feldolgozásával TURÁK BENCE DR. ÉGETŐ CSABA Koncepció Robotmérőállomásra távcsővére rögzített kamera Képek alapján a cél automatikus detektálása És az irányzás elvégzése
RészletesebbenPanorámakép készítése
Panorámakép készítése Képregisztráció, 2009. Hantos Norbert Blaskovics Viktor Összefoglalás Panoráma (image stitching, planar mosaicing): átfedő képek összeillesztése Lépések: Előfeldolgozás (pl. intenzitáskorrekciók)
RészletesebbenSzámítógépes Grafika mintafeladatok
Számítógépes Grafika mintafeladatok Feladat: Forgassunk a 3D-s pontokat 45 fokkal a X tengely körül, majd nyújtsuk az eredményt minden koordinátájában kétszeresére az origóhoz képest, utána forgassunk
RészletesebbenStatisztikai módszerek a skálafüggetlen hálózatok
Statisztikai módszerek a skálafüggetlen hálózatok vizsgálatára Gyenge Ádám1 1 Budapesti Műszaki és Gazdaságtudományi Egyetem Villamosmérnöki és Informatikai Kar Számítástudományi és Információelméleti
RészletesebbenTérbeli transzformációk, a tér leképezése síkra
Térbeli transzformációk, a tér leképezése síkra Homogén koordináták bevezetése térben A tér minden P pontjához kölcsönösen egyértelműen egy valós (x, y, z) számhármast rendeltünk hozzá. (Descartes-féle
RészletesebbenProporcionális hmérsékletszabályozás
Proporcionális hmérséletszabályozás 1. A gyaorlat célja Az implzsszélesség modlált jele szoftverrel történ generálása. Hmérsélet szabályozás implementálása P szabályozóval. 2. Elméleti bevezet 2.1 A proporcionális
RészletesebbenGPK M1 (BME) Interpoláció / 16
Interpoláció Matematika M1 gépészmérnököknek 2017. március 13. GPK M1 (BME) Interpoláció 2017 1 / 16 Az interpoláció alapfeladata - Példa Tegyük fel, hogy egy ipari termék - pl. autó - előzetes konstrukciójának
Részletesebbenb) Ábrázolja ugyanabban a koordinátarendszerben a g függvényt! (2 pont) c) Oldja meg az ( x ) 2
1) Az ábrán egy ; intervallumon értelmezett függvény grafikonja látható. Válassza ki a felsoroltakból a függvény hozzárendelési szabályát! a) b) c) ( ) ) Határozza meg az 1. feladatban megadott, ; intervallumon
RészletesebbenFehérzajhoz a konstans érték kell - megoldás a digitális szűrő Összegezési súlyok sin x/x szerint (ez akár analóg is lehet!!!)
DSP processzorok: 1 2 3 HP zajgenerátor: 4 Shift regiszter + XOR kapu: 2 n állapot Autókorrelációs függvény: l. pénzdobálás: (sin x/x) 2 burkoló! Fehérzajhoz a konstans érték kell - megoldás a digitális
RészletesebbenKÉPFELDOLGOZÁS. 10. gyakorlat: Morfológiai műveletek, alakjellemzők
KÉPFELDOLGOZÁS 10. gyakorlat: Morfológiai műveletek, alakjellemzők Min-max szűrők MATLAB-ban SE = strel(alak, paraméter(ek)); szerkesztőelem generálása strel( square, w): négyzet alakú, w méretű strel(
RészletesebbenBiomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János
Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 12. Regresszió- és korrelációanaĺızis Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision
RészletesebbenLineáris leképezések. Wettl Ferenc március 9. Wettl Ferenc Lineáris leképezések március 9. 1 / 31
Lineáris leképezések Wettl Ferenc 2015. március 9. Wettl Ferenc Lineáris leképezések 2015. március 9. 1 / 31 Tartalom 1 Mátrixleképezés, lineáris leképezés 2 Alkalmazás: dierenciálhatóság 3 2- és 3-dimenziós
RészletesebbenA Föld alakja TRANSZFORMÁCIÓ. Magyarországon még használatban lévő vetületi rendszerek. Miért kell transzformálni? Főbb transzformációs lehetőségek
TRANSZFORMÁCIÓ A Föld alakja -A föld alakja: geoid (az a felület, amelyen a nehézségi gyorsulás értéke állandó) szabálytalan alak, kezelése nehéz -A geoidot ellipszoiddal közelítjük -A földfelszíni pontokat
RészletesebbenNem roncsoló tesztelés diszkrét tomográfiával
Nem roncsoló tesztelés diszkrét tomográfiával Dr. Balázs Péter, adjunktus Képfeldolgozás és Számítógépes Grafika Tanszék SZTE TTIK, Informatikai Tanszékcsoport A teszteléshez használt CT berendezés lapdetektor
RészletesebbenKépfeldolgozás. 1. el adás. A képfeldolgozás m veletei. Mechatronikai mérnök szak BME, 2008
Képfeldolgozás 1. el adás. A képfeldolgozás m veletei Mechatronikai mérnök szak BME, 2008 1 / 61 Alapfogalmak transzformációk Deníció Deníció Geometriai korrekciókra akkor van szükség, ha a képr l valódi
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
RészletesebbenShift regiszter + XOR kapu: 2 n állapot
DSP processzorok: 1 2 HP zajgenerátor: 3 Shift regiszter + XOR kapu: 2 n állapot Autókorrelációs függvény: l. pénzdobálás: (sin x/x) 2 burkoló! 4 Fehérzajhoz a konstans érték kell - megoldás a digitális
RészletesebbenAnyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek
Anyagvizsgálati módszerek Mérési adatok feldolgozása Anyagvizsgálati módszerek Pannon Egyetem Mérnöki Kar Anyagvizsgálati módszerek Statisztika 1/ 22 Mérési eredmények felhasználása Tulajdonságok hierarchikus
RészletesebbenBevezetés az elméleti zikába
Bevezetés az elméleti zikába egyetemi jegyzet Kúpszeletek Lázár Zsolt, Lázár József Babe³Bolyai Tudományegyetem Fizika Kar 2011 TARTALOMJEGYZÉK 6 TARTALOMJEGYZÉK Azokat a görbéket, amelyeknek egyenlete
Részletesebben1. Egyensúlyi pont, stabilitás
lméleti fizia. elméleti összefoglaló. gyensúlyi pont, stabilitás gyensúlyi pontna az olyan pontoat nevezzü, ahol a tömegpont gyorsulása 0. Ha a tömegpont egy ilyen pontban tartózodi, és nincs sebessége,
Részletesebben6. Modell illesztés, alakzatok
6. Modell illesztés, alakzatok Kató Zoltán Képfeldolgozás és Számítógépes Grafika tanszék SZTE (http://www.inf.u-szeged.hu/~kato/teaching/) 2 ROBOSZTUS EGYENES ILLESZTÉS Egyenes illesztés Adott a síkban
RészletesebbenDiszkréten mintavételezett függvények
Diszkréten mintavételezett függvények A függvény (jel) értéke csak rögzített pontokban ismert, de köztes pontokban is meg akarjuk becsülni időben mintavételezett jel pixelekből álló műholdkép rácson futtatott
RészletesebbenPéldák jellemzőkre: - minden pixelérték egy jellemző pl. neurális hálózat esetében csak kis képekre, nem invariáns sem a megvilágításra, sem a geom.
Lépések 1. tanító és teszt halmaz összeállítása / megszerzése 2. jellemzők kinyerése 3. tanító eljárás választása Sok vagy kevés adat áll-e rendelkezésünkre? Mennyi tanítási idő/memória áll rendelkezésre?
RészletesebbenCsoportosítás. Térinformatikai műveletek, elemzések. Csoportosítás. Csoportosítás
Csoportosítás Térinformatikai műveletek, elemzések Leíró (attribútum) adatokra vonatkozó kérdések, műveletek, elemzések, csoportosítások,... Térbeli (geometriai) adatokra vonatkozó kérdések, műveletek
RészletesebbenRegresszió számítás. Tartalomjegyzék: GeoEasy V2.05+ Geodéziai Kommunikációs Program
Regresszió számítás GeoEasy V2.05+ Geodéziai Kommunikációs Program DigiKom Kft. 2006-2010 Tartalomjegyzék: Egyenes x változik Egyenes y változik Egyenes y és x változik Kör Sík z változik Sík y, x és z
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
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
RészletesebbenSzélsőérték feladatok megoldása
Szélsőérték feladatok megoldása A z = f (x,y) függvény lokális szélsőértékének meghatározása: A. Szükséges feltétel: f x (x,y) = 0 f y (x,y) = 0 egyenletrendszer megoldása, amire a továbbiakban az x =
RészletesebbenFourier térbeli analízis, inverz probléma. Orvosi képdiagnosztika 5-7. ea ősz
Fourier térbeli analízis, inverz probléma Orvosi képdiagnosztika 5-7. ea. 2017 ősz 5. Előadás témái Fourier transzformációk és kapcsolataik: FS, FT, DTFT, DFT, DFS Mintavételezés, interpoláció Folytonos
RészletesebbenStatisztika I. 12. előadás. Előadó: Dr. Ertsey Imre
Statisztika I. 1. előadás Előadó: Dr. Ertsey Imre Regresszió analízis A korrelációs együttható megmutatja a kapcsolat irányát és szorosságát. A kapcsolat vizsgálata során a gyakorlatban ennél messzebb
RészletesebbenÁltalánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg
LMeasurement.tex, March, 00 Mérés Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg a mérendő mennyiségben egy másik, a mérendővel egynemű, önkényesen egységnek választott
RészletesebbenVéletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.
Valószín ségelméleti és matematikai statisztikai alapfogalmak összefoglalása (Kemény Sándor - Deák András: Mérések tervezése és eredményeik értékelése, kivonat) Véletlen jelenség: okok rendszere hozza
Részletesebbenx 2 e x dx c) (3x 2 2x)e 2x dx x sin x dx f) x cosxdx (1 x 2 )(sin 2x 2 cos 3x) dx e 2x cos x dx k) e x sin x cosxdx x ln x dx n) (2x + 1) ln 2 x dx
Integrálszámítás II. Parciális integrálás. g) i) l) o) e ( + )(e e ) cos h) e sin j) (sin 3 cos) m) arctg p) arcsin e (3 )e sin f) cos ( )(sin cos 3) e cos k) e sin cos ln n) ( + ) ln. e 3 e cos 3 3 cos
RészletesebbenFüggvények Megoldások
Függvények Megoldások ) Az ábrán egy ; intervallumon értelmezett függvény grafikonja látható. Válassza ki a felsoroltakból a függvény hozzárendelési szabályát! a) x x b) x x + c) x ( x + ) b) Az x függvény
RészletesebbenMérési hibák 2006.10.04. 1
Mérési hibák 2006.10.04. 1 Mérés jel- és rendszerelméleti modellje Mérési hibák_labor/2 Mérési hibák mérési hiba: a meghatározandó értékre a mérés során kapott eredmény és ideális értéke közötti különbség
RészletesebbenKépfeldolgozó eljárások áttekintés. Orvosi képdiagnosztika
Képfeldolgozó eljárások áttekintés Orvosi képdiagnosztika Tartalomjegyzék Képmanipulációs eljárások Képjavítás (kontraszt módosítás, intenzitásviszonyok módosításahisztogram módosítás, zajszűrés) Képelemzés
RészletesebbenMinták automatikus osztályba sorolása a mintát leíró jellemzők alapján. Típusok: felügyelt és felügyelet nélküli tanuló eljárások
Minták automatikus osztályba sorolása a mintát leíró jellemzők alapján Típusok: felügyelt és felügyelet nélküli tanuló eljárások Különbség: előbbinél szükséges egy olyan tanulóhalmaz, ahol ismert a minták
Részletesebben13. előadás. Matlab 7. (Statisztika, regresszió, mérési adatok feldolgozása) Dr. Szörényi Miklós, Dr. Kallós Gábor. Széchenyi István Egyetem
13. előadás Matlab 7. (Statisztika, regresszió, mérési adatok feldolgozása) Dr. Szörényi Miklós, Dr. Kallós Gábor 2013 2014 1 Tartalom Statisztikai alapfogalmak Populáció, hisztogram, átlag, medián, szórás,
RészletesebbenMérési adatok illesztése, korreláció, regresszió
Mérési adatok illesztése, korreláció, regresszió Korreláció, regresszió Két változó mennyiség közötti kapcsolatot vizsgálunk. Kérdés: van-e kapcsolat két, ugyanabban az egyénben, állatban, kísérleti mintában,
RészletesebbenMátrixok és lineáris egyenletrendszerek
Mátrixok és lineáris egyenletrendszerek A fizika numerikus módszerei I. mf1n1a06- mf1n2a06 Csabai István Mátrixok megadása octave:##> A=[5 7 9-1 3-2] A = 5 7 9-1 3-2 Javasolt kiírni a,-t és ;-t octave:##>
RészletesebbenA SZÍNEKRŐL III. RÉSZ A CIE színrendszer
A SZÍNEKRŐL III. RÉSZ A CIE színrendszer Dr Wenzel Klára egyetemi magántanár Budapesti Műszaki és Gazdaságtudományi Egyetem Budapest, 2011 A CIE színinger mérő rendszer (1931) Commission Internationale
RészletesebbenJelgenerálás virtuális eszközökkel. LabVIEW 7.1
Jelgenerálás virtuális eszközökkel (mágneses hiszterézis mérése) LabVIEW 7.1 3. előadás Dr. Iványi Miklósné, egyetemi tanár LabVIEW-7.1 EA-3/1 Folytonos idejű jelek diszkrét idejű mérése A mintavételezési
RészletesebbenSZE, Doktori Iskola. Számítógépes grafikai algoritmusok. Összeállította: Dr. Gáspár Csaba. Felületmegjelenítés
Felületmegjelenítés Megjelenítés paramétervonalakkal Drótvázas megjelenítés Megjelenítés takarással Triviális hátsólap eldobás A z-puffer algoritmus Megvilágítás és árnyalás Megjelenítés paramétervonalakkal
RészletesebbenDIGITÁLIS KÉPANALÍZIS KÉSZÍTETTE: KISS ALEXANDRA ELÉRHETŐSÉG:
DIGITÁLIS KÉPANALÍZIS KÉSZÍTETTE: KISS ALEXANDRA ELÉRHETŐSÉG: kisszandi@mailbox.unideb.hu ImageJ (Fiji) Nyílt forrás kódú, java alapú képelemző szoftver https://fiji.sc/ Számos képformátumhoz megfelelő
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
RészletesebbenMatematika II. 1 sin xdx =, 1 cos xdx =, 1 + x 2 dx =
Matematika előadás elméleti kérdéseinél kérdezhető képletek Matematika II Határozatlan Integrálszámítás d) Adja meg az alábbi alapintegrálokat! x n 1 dx =, sin 2 x dx = d) Adja meg az alábbi alapintegrálokat!
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.
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,
RészletesebbenOptika gyakorlat 1. Fermat-elv, fénytörés, reexió sík és görbült határfelületen. Fermat-elv
Optika gyakorlat 1. Fermat-elv, fénytörés, reexió sík és görbült határfelületen Kivonat Geometriai optika: közelítés, amely a fényterjedést, közeghatáron való áthaladást geometriai alakzatok görbék segítségével
RészletesebbenSzínmérés Firtha Ferenc, BCE, Fizika
Színmérés Firtha Ferenc, BCE, Fizika 1. Színmérés: milyennek látjuk? 2. Képfeldolgozás: hol? 3. Spektroszkópia: mi? kontakt optikai: RGB színinger THE 007, 228, 20111130 távérzékelés + adatredukció: szegmentálás,
RészletesebbenMATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉPSZINT Függvények
MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉPSZINT Függvények A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek megoldásához!
RészletesebbenANTAL Margit. Sapientia - Erdélyi Magyar Tudományegyetem. Jelfeldolgozás. ANTAL Margit. Adminisztratív. Bevezetés. Matematikai alapismeretek.
Jelfeldolgozás 1. Sapientia - Erdélyi Magyar Tudományegyetem 2007 és jeleket generáló és jeleket generáló és jeleket generáló Gyakorlatok - MATLAB (OCTAVE) (50%) Írásbeli vizsga (50%) és jeleket generáló
RészletesebbenGeofizikai kutatómódszerek I.
Geofizikai kutatómódszerek I. A gravitációs és mágneses kutatómódszer Dr. Szabó Norbert Péter egyetemi docens Miskolci Egyetem Geofizikai Intézeti Tanszék e-mail: norbert.szabo.phd@gmail.com 1. A gravitációs
RészletesebbenModern Fizika Labor Fizika BSC
Modern Fizika Labor Fizika BSC A mérés dátuma: 2009. február 23. A mérés száma és címe: 17. Folyadékkristályok Értékelés: A beadás dátuma: 2009. március 2. A mérést végezte: Zsigmond Anna Márton Krisztina
RészletesebbenÉRZÉKELŐK ÉS BEAVATKOZÓK I. 3. MÉRÉSFELDOLGOZÁS
ÉRZÉKELŐK ÉS BEAVATKOZÓK I. 3. MÉRÉSFELDOLGOZÁS Dr. Soumelidis Alexandros 2018.10.04. BME KÖZLEKEDÉSMÉRNÖKI ÉS JÁRMŰMÉRNÖKI KAR 32708-2/2017/INTFIN SZÁMÚ EMMI ÁLTAL TÁMOGATOTT TANANYAG Mérés-feldolgozás
RészletesebbenTÁVÉRZÉKELÉS (EG527-ABBAB) 1. feladat: Egyszerő mérések és számolások digitális légifényképeken
Nyugat-magyarországi Egyetem Erdımérnöi Kar Geomatiai, Erdıfeltárási és Vízgazdálodási Intézet Földmérési és Távérzéelési Tanszé TÁVÉRZÉKELÉS (EG527-ABBAB) 1. feladat: Egyszerő mérése és számoláso digitális
RészletesebbenDigitális Domborzat Modellek (DTM)
Digitális Domborzat Modellek (DTM) Digitális Domborzat Modellek (DTM) Digitális Domborzat Modellek (DTM) DTM fogalma A földfelszín számítógéppel kezelhető topográfiai modellje Cél: tetszőleges pontban
RészletesebbenVIK A1 Matematika BOSCH, Hatvan, 5. Gyakorlati anyag
VIK A1 Matematika BOSCH, Hatvan, 5. Gyakorlati anyag 2018/19 1. félév Függvények határértéke 1. Bizonyítsuk be definíció alapján a következőket! (a) lim x 2 3x+1 5x+4 = 1 2 (b) lim x 4 x 16 x 2 4x = 2
RészletesebbenSTATISZTIKA I. Változékonyság (szóródás) A szóródás mutatószámai. Terjedelem. Forgalom terjedelem. Excel függvények. Függvénykategória: Statisztikai
Változékonyság (szóródás) STATISZTIKA I. 5. Előadás Szóródási mutatók A középértékek a sokaság elemeinek értéknagyságbeli különbségeit eltakarhatják. A változékonyság az azonos tulajdonságú, de eltérő
RészletesebbenA CSOPORT 4 PONTOS: 1. A
A CSOPORT 4 PONTOS:. A szám: pí= 3,459265, becslése: 3,4626 abszolút hiba: A szám és a becslés özti ülönbség abszolút értée Pl.: 0.000033 Relatív hiba: Az abszolút hiba osztva a szám abszolút értéével
RészletesebbenOptikai méréstechnika alkalmazása járműipari mérésekben Kornis János
Optikai méréstechnika alkalmazása járműipari mérésekben Kornis János PhD, okleveles villamosmérnök, Budapesti Műszaki és Gazdaságtudományi Egyetem Fizika Tanszék, kornis@phy.bme.hu Absztrakt: Az optikai
RészletesebbenANALÍZIS II. Példatár
ANALÍZIS II. Példatár Többszörös integrálok 3. április 8. . fejezet Feladatok 3 4.. Kett s integrálok Számítsa ki az alábbi integrálokat:...3. π 4 sinx.. (x + y) dx dy (x + y) dy dx.4. 5 3 y (5x y y 3
RészletesebbenGépi tanulás a gyakorlatban. Lineáris regresszió
Gépi tanulás a gyakorlatban Lineáris regresszió Lineáris Regresszió Legyen adott egy tanuló adatbázis: Rendelkezésünkre áll egy olyan előfeldolgozott adathalmaz, aminek sorai az egyes ingatlanokat írják
Részletesebbencos 2 (2x) 1 dx c) sin(2x)dx c) cos(3x)dx π 4 cos(2x) dx c) 5sin 2 (x)cos(x)dx x3 5 x 4 +11dx arctg 11 (2x) 4x 2 +1 π 4
Integrálszámítás I. Végezze el a következő integrálásokat:. α, haα sin() cos() e f) a sin h) () cos ().. 5 4 ( ) e + 4 sin h) (+) sin() sin() cos() + f) 5 i) cos ( +) 7 4. 4 (+) 6 4 cos() 5 +7 5. ( ) sin()cos
RészletesebbenMérés és adatgyűjtés
Mérés és adatgyűjtés 4. óra Mingesz Róbert Szegedi Tudományegyetem 2012. február 27. MA - 4. óra Verzió: 2.1 Utolsó frissítés: 2012. március 12. 1/41 Tartalom I 1 Jelek 2 Mintavételezés 3 A/D konverterek
RészletesebbenKoordináta-rendszerek
Koordináta-rendszerek Térkép: a Föld felszín (részletének) ábrázolása síkban Hogyan határozható meg egy pont helyzete egy síkon? Derékszögű koordináta-rendszer: a síkban két, egymást merőlegesen metsző
RészletesebbenMagspektroszkópiai gyakorlatok
Magspektroszkópiai gyakorlatok jegyzıkönyv Zsigmond Anna Fizika BSc III. Mérés vezetıje: Deák Ferenc Mérés dátuma: 010. április 8. Leadás dátuma: 010. április 13. I. γ-spekroszkópiai mérések A γ-spekroszkópiai
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
RészletesebbenMorfológia. Sergyán Szabolcs Óbudai Egyetem Neumann János Informatikai Kar Szoftvertechnológia Intézet
Morfológia Sergyán Szabolcs sergyan.szabolcs@nik.uni-obuda.hu Óbudai Egyetem Neumann János Informatikai Kar Szoftvertechnológia Intézet 2013. szeptember 15. Sergyán (OE NIK) Morfológia 2013. szeptember
RészletesebbenBevezetés a Korreláció &
Bevezetés a Korreláció & Regressziószámításba Petrovics Petra Doktorandusz Statisztikai kapcsolatok Asszociáció 2 minőségi/területi ismérv között Vegyes kapcsolat minőségi/területi és egy mennyiségi ismérv
Részletesebbensin x = cos x =? sin x = dx =? dx = cos x =? g) Adja meg a helyettesítéses integrálás szabályát határozott integrálokra vonatkozóan!
Matematika előadás elméleti kérdéseinél kérdezhető képletek Analízis II Határozatlan integrálszámítás g) t = tg x 2 helyettesítés esetén mivel egyenlő sin x = cos x =? g) t = tg x 2 helyettesítés esetén
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
Részletesebben7. Koordináta méréstechnika
7. Koordináta méréstechnika Coordinate Measuring Machine: CMM, 3D-s mérőgép Egyiptomi piramis kövek mérése i.e. 1440 Egyiptomi mérővonalzó, Amenphotep fáraó (i.e. 1550) alkarjának hossza: 524mm A koordináta
RészletesebbenMechatronika alapjai órai jegyzet
- 1969-ben alakult ki a szó - Rendszerek és folyamatok, rendszertechnika - Automatika, szabályozás - számítástechnika Cd olvasó: Dia Mechatronika alapjai órai jegyzet Minden mechatronikai rendszer alapstruktúrája
RészletesebbenWavelet transzformáció
1 Wavelet transzformáció Más felbontás: Walsh, Haar, wavelet alapok! Eddig: amplitúdó vagy frekvencia leírás: Pl. egy rövid, Dirac-delta jellegű impulzus Fourier-transzformált: nagyon sok, kb. ugyanolyan
RészletesebbenRENDSZERTECHNIKA 8. GYAKORLAT
RENDSZERTECHNIKA 8. GYAKORLAT ÜTEMTERV VÁLTOZÁS Gyakorlat Hét Dátum Témakör Házi feladat Egyéb 1 1. hét 02.09 Ismétlés, bevezetés Differenciálegyenletek mérnöki 2 2. hét 02.16 szemmel 1. Hf kiadás 3 3.
RészletesebbenVárosi környezet vizsgálata távérzékelési adatok osztályozásával
Városi környezet vizsgálata távérzékelési adatok osztályozásával Verőné Dr. Wojtaszek Małgorzata Óbudai Egyetem AMK Goeinformatika Intézet 20 éves a Térinformatika Tanszék 2014. december. 15 Felvetések
RészletesebbenOptika gyakorlat 6. Interferencia. I = u 2 = u 1 + u I 2 cos( Φ)
Optika gyakorlat 6. Interferencia Interferencia Az interferencia az a jelenség, amikor kett vagy több hullám fázishelyes szuperpozíciója révén a térben állóhullám kép alakul ki. Ez elektromágneses hullámok
RészletesebbenSzámítógépes Grafika mintafeladatok
Számítógépes Grafika mintafeladatok Feladat: Forgassunk a 3D-s pontokat 45 fokkal a X tengely körül, majd nyújtsuk az eredményt minden koordinátájában kétszeresére az origóhoz képest, utána forgassunk
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 8 VIII. REGREssZIÓ 1. A REGREssZIÓs EGYENEs Két valószínűségi változó kapcsolatának leírására az eddigiek alapján vagy egy numerikus
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,
Részletesebbenc adatpontok és az ismeretlen pont közötti kovariancia vektora
1. MELLÉKLET: Alkalmazott jelölések A mintaterület kiterjedése, területe c adatpontok és az ismeretlen pont közötti kovariancia vektora C(0) reziduális komponens varianciája C R (h) C R Cov{} d( u, X )
RészletesebbenFourier-sorfejtés vizsgálata Négyszögjel sorfejtése, átviteli vizsgálata
Fourier-sorfejtés vizsgálata Négyszögjel sorfejtése, átviteli vizsgálata Reichardt, András 27. szeptember 2. 2 / 5 NDSM Komplex alak U C k = T (T ) ahol ω = 2π T, k módusindex. Időfüggvény előállítása
RészletesebbenInformatika Rendszerek Alapjai
Informatika Rendszerek Alapjai Dr. Kutor László Alapfogalmak Információ-feldolgozó paradigmák Analóg és digitális rendszerek jellemzői Jelek típusai Átalakítás rendszerek között http://uni-obuda.hu/users/kutor/
RészletesebbenKorreláció és lineáris regresszió
Korreláció és lineáris regresszió Két folytonos változó közötti összefüggés vizsgálata Szűcs Mónika SZTE ÁOK-TTIK Orvosi Fizikai és Orvosi Informatikai Intézet Orvosi Fizika és Statisztika I. előadás 2016.11.02.
RészletesebbenLáthatósági kérdések
Láthatósági kérdések Láthatósági algoritmusok Adott térbeli objektum és adott nézőpont esetén el kell döntenünk, hogy mi látható az adott alakzatból a nézőpontból, vagy irányából nézve. Az algoritmusok
RészletesebbenMATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉP SZINT Függvények
MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉP SZINT Függvények A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek
RészletesebbenMorfológia. Sergyán Szabolcs Óbudai Egyetem Neumann János Informatikai Kar Szoftvertechnológia Intézet
Morfológia Sergyán Szabolcs sergyan.szabolcs@nik.uni-obuda.hu Óbudai Egyetem Neumann János Informatikai Kar Szoftvertechnológia Intézet 2012. október 9. Sergyán (OE NIK) Morfológia 2012. október 9. 1 /
RészletesebbenMATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉP SZINT Függvények
MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK KÖZÉP SZINT Függvények A szürkített hátterű feladatrészek nem tartoznak az érintett témakörhöz, azonban szolgálhatnak fontos információval az érintett feladatrészek
Részletesebben