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. 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.

Bayesiansk billedanalyse, regularisering, Markov felter, segmentering og klassifikation, tekstur deskriptorer, deformerbare formmodeller, geostatistiske modeller, computer-vision. Emnerne med applikationer belyses ved forelæsninger og de indlærte metoder afprøves ved øvelser i databar ved anvendelse af Matlab og andre værktøjer. Kurset inkluderer peergrading af andre studerendes rapporter. 28. oktober, 2016