SNY har ordet

Kursen tillämpar begrepp och metoder från grundläggande linjär algebra på olika typer av skattningsproblem inom geometri och signalbehandling, och introducerar bland annat homogena representationer för geometri i 2 och 3 dimensioner

Kursutvärderingar

Logga in för att läsa kursutväderingar

Innehåll

Signalrum och signalbaser, dualbaser. Minstakvadratproblem, normaliserad faltning. Egenvärdes- och singulärvärdesanalys. Principalkomponentanalys. Ramar, wavelet- transform och filterbankar. Projektiva rum, homogena koordinater, homografier, kameraprojektioner, epipolargeometri. Representation och skattning av ett flertal olika geometriska objekt.

Mål

Målet med kursen är att ge en stadig teoretisk grund för fortsatta studier och tillämpningar i 3D-datorseende och i maskininlärning med bilder. Vid avklarad kurs ska studenten kunna använda begrepp och metoder i datorseende och
signalanalys som baseras på teori från linjär algebra. Studenten förväntas då kunna:

• Använda och förklara homogena koordinater för geometriska beräkningar i två och tre dimensioner. Detta inkluderar punkter och linjer i två dimensioner, samt punkter, plan, och linjer i tre dimensioner, homografier, kameraprojektioner, och epipolargeometri
• Använda och förklara minstakvadrat-tekniker för att definiera estimeringsproblem för olika geometriska objekt. Detta inkluderar triangulering, bildfiltrering, och stelkroppstransformationer
•  Använda och förklara baser, dualbaser, underrumsbaser och ramar for att göra beräkningar för signalanalys.
• Tillämpa linjära signalrepresentationer på praktiska problem, exempelvis normaliserad faltning , översampling, PCA, wavelettransform och filterbankar.

Examinationsmoment

KTR1 - 0,0 HP
Frivillig kontrollskrivning (U, G)
LAB1 - 3,0 HP
Laborationskurs (U, G)
TEN2 - 3,0 HP
Skriftlig tentamen (U, 3, 4, 5)

Examination

Organisation

Kursen har föreläsningar som presenterar grundläggande begrepp och teori. I kursen ingår även lektioner med fokus på räkneuppgifter för att konkretisera och förstärka begreppen och teorin från föreläsningarna. Vid ett antal obligatoriska laborationer får kursdeltagarna demonstrera förmåga att programmera mer komplexa beräkningar och besvara relaterade frågor.
Kursen pågår hela höstterminen.  Delar av kursen som presenteras under HT1 examineras i samband med kontrollskrivningen KTR1, som vid godkänt resultat ger bonuspoäng till första ordinarie tentamen.

Litteratur

Kompendier

• Prerequisites for studies at advanced level in Image Science at Linköping University
  I övrigt används artiklar och utdrag ur böcker eller kompendier, vilka anges i kursinformationen vid kursstart.
• Klas Nordberg, Introduction to Representations and Estimation in Geometry
  Täcker den del av kursen som handlar om geometri.

Relaterade profiler

Datadriven analys och maskinintelligens DAMI - ISY

Medicinsk bildanalys och visualisering BV - IMT

Medicinsktekniska modeller MOD - IMT

Signal- och bildbehandling SBB - ISY

Rekommenderade förkunskaper

Grundläggande linjär algebra: vektorrum, baser, skalärprodukter, minstakvadratproblem, egenvärdesproblem. Grundläggande signalbehandling motsvarande linjära system: sampling, faltning och Fourier-transform av envariabelsignaler. Grundläggande färdigheter i användning av Matlab rekommenderas.

Introduktionskurs i Matlab TSRT04 - 2,0 HP - VT1 block 2 | VT2 block 1

Linjär algebra TATA24 - 8,0 HP - HT1 block 1, HT2 block 4 | HT1 block 4, HT2 block 4

Signaler och system TSDT18 - 6,0 HP - HT2 block 3

Påbyggnadskurser

Bild- och ljudkodning TSBK02 - 6,0 HP - VT2 block 4

Bildsensorer TSBB09 - 6,0 HP - HT2 block 4

Datorseende TSBB15 - 12,0 HP - VT1 block 1, VT2 block 3

Medicinsk bildanalys TBMI02 - 6,0 HP - HT2 block 1

Neuronnät och lärande system TBMI26 - 6,0 HP - VT1 block 2

Kommentarer

Logga in för att kunna läsa och skriva kommentarer.