KÉPI ADATBÁZISOK SZAKIRÁNY A Képi adatbázisok (KAB) szakirány célja, hogy a képi információk alapján történõ keresések megvalósításához szükséges képfeldolgozási és alakfelismerési ismereteket összegezze, a hallgatókat felkészítse egy komplex rendszer teammunkában történõ megvalósítására és bevezesse õket a K+F módszertanába. A legjobb néhány hallgató számára a lehetõségek szerint külföldi részképzést (ERASMUS) is igyekszünk biztosítani. Tantárgyak 5. szemeszter 6. szemeszter 7. szemeszter ea gy l k kr ea gy l k kr ea gy l k kr Bevezetés a képfeldolgozásba 2 0 0 v 3 Alakfelismerés 2 0 0 v 3 Matematikai szoftverek 0 0 3 f 3 Képfeldolgozási szoftverek 0 0 3 f 3 K+F projektmunka 0 0 2 f 3 Kutatási módszerek és menedzsment 2 0 0 v 3 KÉPI ADATBÁZISOK SZAKIRÁNY 99
K+F projektmunka Elõfeltételek: Alakfelismerés; Matematikai szoftverek szemeszter: 7. óraszám (ea/gy/l): 0/0/2 követelmény: f kredit: 3 dr. Hermann Gyula Elõre kiadott fejlesztési feladatok megoldása kétfõs teamek által, mely projektekrõl a beszámolás a félév végén rendezett hallgatói konferencia keretében történik. Az aktuális témától függõ internetoldalak. A célban megjelölt feladatokat a hallgatók választják, az oktatóval való egyeztetési eljárás során. Néhány projektcím az elmúlt évekbõl: JPEG tömörítõ algoritmusok, OCR, kézírás, kontúrkeresés, kottafelismerés, fraktáltömörítés. A projektek különbözõ súlyúak lehetnek, függõen a team méretétõl, ambícióitól. A projektek több esetben több féléven át is tartanak, tekintettel a kooperatív félévben, illetve ERASMUS tanulmányút által külföldön történõ folytathatóságra. A cél igényes szakdolgozat, ill. TDK-munka elõállítása, melyek a szerzõ-hallgató álláskeresésénél referenciamunkaként szolgálhatnak. 104 KÉPI ADATBÁZISOK SZAKIRÁNY
Képfeldolgozási szoftverek Elõfeltételek: Matematika szigorlat; Szoftver szigorlat szemeszter: 5. óraszám (ea/gy/l): 0/0/3 követelmény: f kredit: 3 Sergyán Szabolcs fõiskolai adjunktus Képfeldolgozási módszerek használatának gyakorlása képfeldolgozási szoftverekkel, valamint a vonatkozó C++ ismeretek elmélyítése. A laboratóriumi gyakorlat témái: Képfeldolgozásban hasznos C++ objektumok A képfeldolgozásban szokásosan használt objektumalapú adatszerkezetek hierarchikus tárgyalása. Programfejlesztés a PUMA 1 és ANIMALS 2 környezetben Környezetfüggetlen rendszerfejlesztés, automatikus dokumentáció generálás, beépített képfeldolgozási függvények használata. Objektumorientált programtervezés HIPPOS 3 rendszerben Képfeldolgozási objektumok hierarchikus rendszerének implementációja HIPPOS-ban. MATLAB Image Processing Toolbox Esettanulmány a MATLAB Image Processing Toolbox használatára: színes játékfigurák felismerése változatos környezetben. Palm, W. J.: Introduction to Matlab 6 for engineers, McGraw Hill, 2001. Paulus, D. W. R.: Objektorientierte Bildverarbeitung, PhD Dissertation, Erlangen, 1991. Paulus, D. W. R., Hornegger, J.: Pattern Recognition and Image Processing in C++, Vieweg, Wiesbaden, 1995. KÉPI ADATBÁZISOK SZAKIRÁNY 103
Matematikai szoftverek Elõfeltételek: Bevezetés a képfeldolgozásba; Képfeldolgozási szoftverek szemeszter: 6. óraszám (ea/gy/l): 0/0/3 követelmény: f kredit: 3 Sergyán Szabolcs fõiskolai adjunktus A képfeldolgozás számára hasznos néhány matematikai szoftver megismertetése. A laboratóriumi gyakorlat témái: Analízis Matlabbal Integrálás, integráltranszformációk, határértékek számítása, implicit függvények. Differenciálegyenletek Matlabbal Differenciáloperátorok, lineáris differenciálegyenletek megoldása, Lie csoportok, parciális differenciálegyenletek. Geometria Matlabbal 2D és 3D euklideszi geometria, távolságmérések, spline-ok. Kombinatorika és gráfelmélet Permutációk, kombinációk, variációk, gráfelméleti függvények, teljesség, összefüggõség, fák. Matlab nyelvû morfológiai programok készítése Berta, M.: Matlab 4. és 5. verzió: numerikus módszerek, grafika, statisztika, eszköztárak. (szerk.: Stoyan Gisbert) Typotex, Budapest, 1999. Sigmon, K., Davis, T. A.: MATLAB primer. Chapman and Hall, Boca Raton, 2002. 102 KÉPI ADATBÁZISOK SZAKIRÁNY
Alakfelismerés Elõfeltételek: Bevezetés a képfeldolgozásba; Képfeldolgozási szoftverek szemeszter: 6. óraszám (ea/gy/l): 2/0/0 követelmény: v kredit: 3 dr. Csink László Az alakfelismerés gyakorlati problémáinak és algoritmusainak megismerése. Alapfogalmak Kép és hang fogalma, az alakfelismerés alkalmazási lehetõségei, környezet, problématartomány és minták, a beszéd jeleinek felvétele, mintafelvételi tétel a gyakorlatban. Képek a gyakorlatban Bináris, szürke és színes képek C++ adatstruktúrái, képformátumok, konverziók. Spektrálanalízis Fourier-sor, Fourier-transzformáció, 2D diszkrét gyors Fourier-transzformáció, LPC kódolás, rejtett Markov-modellek. Élfelismerés Robert, Laplace, Sobel-módszerek, diszkréte parciális deriváltak, vékonyítás, csontvázasítás. Vonalak felismerése Vonalak megkeresése, összefüggõség, szakadások kezelése, Hough-transzformáció, Canny-módszer. Paulus D.W.R., Hornegger J:. Pattern Recognition and Image Processing in C++, Vieweg, Wiesbaden, 1995. Niemann H.: Pattern Analysis and Image Understanding, Springer, 1991. KÉPI ADATBÁZISOK SZAKIRÁNY 101
Bevezetés a képfeldolgozásba Elõfeltételek: Matematika szigorlat; Szoftver szigorlat szemeszter: 5. óraszám (ea/gy/l): 2/0/0 követelmény: v kredit: 3 dr. Csink László A képfeldolgozás fõ problémáinak és alapvetõ módszereinek, algoritmusainak megismerése. Bevezetés Az emberi és gépi látás alapjai. Szürkelátás, színlátás, alakzatlátás. Matematikai összefoglalás Mátrixalgebra, valószínûségszámítás, statisztika, diszkrét geometria, analízis. Digitális képek Mintavételezés, kvantálás, képjavítások, hisztogram, simítás, élkiemelés, színkorrekciók. Geometriai korrekciók Lineáris koordináta transzformációk, nemlineáris transzformációk, egyenes szakaszok rajzolása, felületelemek. Szegmentálás Foltok keresése, lokális és hibrid módszerek, foltok elemzése, élkeresés. Képosztályozás Sajátságvektorok, Bayes-féle módszerek, távolságmérés, klaszterezés, textúrák. Álló G., Hegedüs Gy. Cs., Kelemen D., Szabó J.: A digitális képfeldolgozás alappproblémái, Akadémiai Kiadó, Budapest, 1989 Niemann H.: Pattern Analysis and Image Understanding, Springer, 1991. 100 KÉPI ADATBÁZISOK SZAKIRÁNY
Kutatási módszerek és menedzsment Elõfeltételek: Alakfelismerés; Matematikai szoftverek szemeszter: 7. óraszám (ea/gy/l): 2/0/0 követelmény: v kredit: 3 dr. Hermann Gyula A kutatási módszertan áttekintése, Magyarország és az EU informatikával kapcsolatos pályázati rendszerének vázolása. A kutatás mint tudományos tevékenység A tudományos kutatás alapfogalmai, módszerei, eszközei. A kutatás kutatása, a kutatással kapcsolatos statisztikák. A szakirodalom feldolgozásának módszerei Elektronikus könyvtári adatbázisok, OPAC, elektronikus folyóiratok, az idézés technikája, az idézettség, Science Citation Index. Tartalmi összefoglaló készítése Cikkolvasási gyakorlat: az olvasott publikációk angol és magyar nyelvû annotációinak elkészítése. State of the art Gyakorlat: egy-egy szûkebb szakterület ún. State of the art tanulmányának elkészítése, az internet felhasználásával. Az OM pályázatai Magyarországon I. Hálózatépítési pályázatok: EEF, KMA, CST, ITR, MEC, REG, TST. Az OM pályázatai Magyarországon II. Tematikus pályázatok: ALK, BIO, IKTA, KMF. Kutatási terv készítése Ötlet kidolgozottsága, a partnerek szerves illeszkedése, mérföldkövek, emberhónap igény becslés. Költségterv Összefüggés a munkatervvel, a terv realitása, elõírások figyelemmel kísérése. A bírálati folyamat Bírálati szempontok, panelek, átláthatóság. Az EU pályázatai Az EU-pályázatírás speciális szempontjai, összehasonlításban a magyar pályázatírással. Tomcsányi P.: Általános kutatásmódszertan, Budapest, 2000. Majoros P.: Kutatásmódszertan, Budapest, 1997. KÉPI ADATBÁZISOK SZAKIRÁNY 105