At give kendskab til avancerede statistiske metoder og modeller til
analyse af billeddata, og give kompetence til at anvende disse
teknikker på konkrete problemstillinger. At give deltagerne den
erkendelse, at anvendelsen af en passende statistisk model kan
fremdrage sammenhænge, der ikke er umiddelbart tilgængelige i
billeddata. At forberede den studerende til at skrive
eksamensprojekt i billedanalyse.
Læringsmål:
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
Implementere avancerede billedbehandlingsalgoritmer i
MatLab.
Vurdere om resultatet af en implementeret
billedbehandlingsalgoritme er rigtigt, samt om den giver det
ønskede resultat.
Motivere og identificere de bagvedliggende antagelser bag
billedanalysemetoder og algoritmer.
Anvende Bayesianske metoder på billedanalyseproblemer.
Anvende skalarumsteknikker, samt vide hvorfor disse skal
anvendes.
Anvende teksturanalyse til at løse
billedeanalyseproblemer.
Anvende deformerbare modeller, samt estimere disse fra
data.
Anvende Markov Random Field modeller.
Anvende billedgeometriske teknikker til at løse
billedbehandlingsproblemer.
Kursusindhold:
Bayesiansk billedanalyse, regularisering, Markov felter,
segmentering og klassifikation, tekstur deskriptorer, deformerbare
formmodeller, geostatistiske modeller, ortogonale transformationer,
computer-vision. Emnerne med applikationer belyses ved
forelæsninger og de indlærte metoder afprøves ved øvelser i databar
ved anvendelse af Matlab og andre værktøjer.
