02625 Computational Science in Imaging

2016/2017

Kurset kører kun i lige år. Næste gang vil være i 2018.
Kursusinformation
Computational Science in Imaging
Engelsk
5
Kandidat
Januar
Kurset afholdes hvert andet år.
Campus Lyngby
Forelæsninger, øvelser i databar og computer-projekt.
3-uger
Aftales med underviser
Mundtlig eksamen og bedømmelse af rapport(er)
To rapporter på hver én side baseret på spørgsmål fra øvelserne samt en poster, som laves i grupper af 2-3 studerende. Karakteren gives på baggrund af en helhedsvurdering.
Alle hjælpemidler er tilladt
7-trins skala , intern bedømmelse
02631/02633.02610.02601
Per Christian Hansen , Lyngby Campus, Bygning 303B, Tlf. (+45) 4525 3097 , pcha@dtu.dk
Yiqiu Dong , Lyngby Campus, Bygning 303B, Tlf. (+45) 4525 3108 , yido@dtu.dk
Martin Skovgaard Andersen , Lyngby Campus, Bygning 303B, Tlf. (+45) 4525 3036 , mskan@dtu.dk

01 Institut for Matematik og Computer Science
http://www.imm.dtu.dk/courses/02625
I studieplanlæggeren
Overordnede kursusmål
Dette kursus giver et overblik over matematiske modeller og beregningsmetoder, som anvendes hyppigt inden for billedbehandling til f.eks. billed-deblurring, denoising, inpainting og segmentering. Kursets primære fokus er variationelle metoder. Du lærer om grundlæggende principper for de underliggende matematiske modeller og om effektive beregningsmetoder, og du lærer at løse gængse billedbehandlingsproblemer.
Læringsmål
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
  • forklare hvorfor billedbehandlingsproblemer er ekstremt følsomme over for fejl i data
  • formulere og identificere de underliggende matematiske modeller
  • sammenligne fordele og ulemper ved forskellige regulariseringer
  • vælge en regulariseringsparameter baseret på forskellige metoder
  • anvende optimeringsprincipper til at analysere eksistens og entydighed af løsninger givet en matematisk model
  • anvende advancerede optimeringsalgoritmer til at løse matematiske problemer
  • implementere algoritmer til løsning af billedbehandlingsproblemer i MATLAB
  • gøre brug af variationelle metoder inden for anvendelsesområder som f.eks. tomografi
Kursusindhold
Billedbehandling: billed-deblurring og -denoising, billed-inpainting, billedsegmentering.
Matematiske teknikker: variationelle metoder med regularisering, optimering.
Algoritmer: gradient-algoritmer, primal-dual-algoritmer, level-set-algoritmer.
Litteraturhenvisninger
Undervisningsmaterialet består af udleverede noter.
Bemærkninger
Kurset leder op til et specialkursus eller eksamensprojekt.
Sidst opdateret
31. oktober, 2016