Emne

Bildebehandling og maskinsyn (ELE510)

I dette faget skal vi kombinere elementer fra tradisjonell bildebehandling og datasyn til å konstruere kunstige syn-system, robotsyn (maskinsyn). Faget er under sterk utvikling og blir mer og mer aktuelt i industri og forskningsvirksomhet. Det produseres en rekke produkter med kamera og tilhørende programvare for behandling og analyse av visuelle data. Formålet med faget er å gi en grunnleggende innføring i bildebehandling og robotsyn (maskinsyn) med eksempel på anvendelser.


Dette er emnebeskrivelsen for studieåret 2014-2015. Merk at det kan komme endringer.

Se emnebeskrivelse og eksamens-/vurderingsinfo for dette studieåret (2024-2025)

Semesters

Fakta

Emnekode

ELE510

Vekting (stp)

10

Semester undervisningsstart

Høst

Undervisningsspråk

Engelsk

Antall semestre

1

Vurderingssemester

Høst

Innhold

Faget starter med å beskrive digitale kamera, bildeinnsamling, lys og skygge, farge og geometriske kameramodeller. Deretter diskuteres lineære filter med anvendelser innen støyfjerning, utjevning, kantdeteksjon, hjørnedeteksjon og analyse av bildeegenskaper. Så følger avbilding med flere kamera, stereosyn. Segmentering, modelltilpasning og gruppering er neste tema. Bevegelse og "tracking" beskrives. Til slutt samles de forskjellige elementene i eksempler på system for robotsyn (maskinsyn).

Læringsutbytte

Kunnskap:

En god student skal ved semesterets slutt kunne: 1.Forstå digitale kamera, hvordan digitale bilder innhentes og representeres. Kjenne til grunnleggende sammenhenger for lys, skygge og farge. 2.Kjenne til prinsippene for geometriske kameramodeller. 3.Vite hvordan lineære filter kan brukes til støyfjerning, kantdeteksjon og analyse av bildeegenskaper. 4.Ha kjennskap til avbilding med flere kamera, spesielt stereosyn. 5.Beregne og estimere støy fra digitale kamera. 6.Kjenne til segmentering, gruppering og modeltilpasning i bildebehandling og datasyn. 7.Gjøre greie for prinsippene for bevegelse og "tracking" i bildesekvenser (video).

Ferdigheter:

Etter gjennomført studium skal studenten ha fått ferdigheter i behandling og analyse av digitale bilder samt kunne konstruere enkle robotsyn-system (maskinsyn). Bruke Matlab og dets "Image Processing Toolbox" for behandling og analyse av digitale bilder og til å konstruere enkle robotsyn-system

Forkunnskapskrav

HMS-kurs for masterstudenter (TN501)

Eksamen / vurdering

Vurderingsform Vekting Varighet Karakter Hjelpemiddel Exam system Withdrawal deadline Exam date
Skriftlig eksamen 50/100 4 Timer Bokstavkarakterer Godkjent kalkulator Inspera assessment 01.11.2014 02.12.2014
Skriftlig rapport 30/100 Bokstavkarakterer Alle 01.11.2014
Laboratorierapport 20/100 Bokstavkarakterer Alle 01.11.2014


Vilkår for å gå opp til eksamen/vurdering

Laboratoriearbeid og obligatoriske øvinger

Laboratoriearbeid (5 av 6 oppgaver).

Obligatorisk undervisningsaktivitet som må være gjennomført og godkjent før tilgang på laboratorium kan gis: Elektronisk HMS-kurs.

Gjennomføring av obligatorisk lab skal gjøres til de tider og i de grupper som er oppsatt og publisert på it's learning. Fravær på grunn av sykdom eller av andre årsaker skal snarest mulig kommuniseres til laboratorie- eller fagansvarlig. Det kan ikke påregnes å få gjennomføre lab utenom oppsatt tid hvis dette ikke er kommunisert og ny avtale gjort.

Konsekvens av at du ikke har fått godkjent laboratoriearbeid er at du ikke får gå opp til eksamen i faget.

Fagperson(er)

Faglærer:

Kjersti Engan

Emneansvarlig:

Kjersti Engan

Instituttleder:

Tom Ryen

Ansvarlig laboratorieøvelser:

Jorge Garcia Torres Fernandez

Arbeidsformer

Forelesning: 4 timer pr. uke, Øving og laboratoriearbeid: 2 timer pr uke. To uker i semesteret vil bli brukt til arbeid med prosjekt. Obligatoriske arbeidskrav (som innlevering, laboratorieoppgaver, prosjektoppgaver og lignende) skal være godkjent av faglærer innen 3 uker før eksamensdato.

Åpent for

Master nivå på Det teknisk-naturvitenskaplige fakultet.

Emneevaluering

Skjer vanligvis gjennom skjema og/eller samtaler i henhold til gjeldende retningslinjer.

Litteratur

Ivar Austvoll, "Image Processing and Robot Vision/Machine Vision", 2012, og David A.Forsyth & Jean Ponce,"Computer Vision: A Modern Approach",2/E 2012.
Emnebeskrivelsen er hentet fra Felles studentsystem Versjon 1