Анализ изображений и видео, часть 1
Санкт-Петербург, осень 2013
Описание
Курс познакомит слушателей с основными практическими задачами и методами в области анализа изображений и видео. Мы начнем с разбора классических алгоритмов пространственной и частотной обработки изображений (сглаживание изображений, повышение резкости, выделение контуров, и т.д.). Далее перейдем к более сложным и интересным задачам, таким как представление и сравнение изображений, индексирование и поиск по подобию, поиск нечетких дубликатов в коллекциях изображений, классификация, распознавание объектов, сегментация изображений и видео, обнаружение текста, обнаружение и распознавание лиц, вычитание фона и слежение за объектами в видео, и другие.
Курс будет состоять из лекций и практических занятий, будут даваться задачи для самостоятельного решения дома. В рамках курса у студентов будет возможность узнать и опробовать на практике классические алгоритмы; прочесть множество научных статьй; реализовать самостоятельно алгоритмы, описанные в статьях; поставить ряд экспериментов; предложить и реализовать свои собственные идеи по решению практических задач.
Осенью 2013 года запись лекций курса не ведётся, по ссылке можно найти лекции осени 2012. Обратите внимание, что прочтения могут немного отличаться.
Преподаватели
Список лекций
Введение в анализ изображений
- Введение
- Зачем нужен анализ изображений?
- Почему это сложно?
- Организация и программа курса
- Зрение человека и цифровое представление изображений
- Зрительное восприятие человека
- Модели цвета
- Цифровые изображения
Пространственное и частотное представление изображений, спектральный анализ, градационные преобразования, гистограммы, линейная и нелинейная фильтрация, пространственные и частотные фильтры, теорема о свертке, сглаживающие фильтры, фильтры повышения резкости.
Методы выделения контуров, выделение компонент связности, морфологические операции (дилатация, эрозия, размыкание, замыкание) и основанные на них алгоритмы.
- Зачем сравнивать изображения?
- Понятия вектора признаков, пространства признаков.
- Классификация признаков, дескрипторов изображений.
- Дескрипторы цвета, текстуры, формы, меры подобия на данных пространствах признаков.
Точечные особенности, детектор Харриса, Харрис-Лаплас, LoG, DoG. Локальные признаки, SIFT.
Проверка геометрической согласованности локальных признаков при сопоставлении изображений и обнаружении объектов. Параметризованные модели, методы оценки параметров модели: метод наименьших квадратов, М-оценки, RANSAC, обощенное преобразование Хафа.
Видео лекции А. Конушина по оценке параметров моделей
Курс Светланы Лазебник - см. темы Robust fitting, RANSAC, Hough transform Alignment concluded