Ipari képfeldolgozás és képmegjelenítés

A tantárgy angol neve: Industrial Image Processing and Visualization

Adatlap utolsó módosítása: 2013. december 6.

Budapesti Műszaki és Gazdaságtudományi Egyetem
Villamosmérnöki és Informatikai Kar 		 Mérnök Informatikus BSc. Szak, Autonóm Intelligens Rendszerek Szakirány
Tantárgykód Szemeszter Követelmények Kredit Tantárgyfélév
VIIIA356 6 3/1/0/v 4  
3. A tantárgyfelelős személy és tanszék Dr. Vajta László,
4. A tantárgy előadója
Név:Beosztás:Tanszék, Int.:
Dr. Vajta László egyetemi docens IIT
Dr. Loványi István egyetemi docensIIT
5. A tantárgy az alábbi témakörök ismeretére épít Képfeldolgozás és számítógépes grafikai alapismeretek
6. Előtanulmányi rend
Kötelező:
Szakirany("AMIaut", _) VAGY Szakirany("AMIintr", _)

ÉS NEM ( TárgyEredmény( "BMEVIIIAD00" , "jegy" , _ ) >= 2
VAGY
TárgyEredmény("BMEVIIIAD00", "FELVETEL", AktualisFelev()) > 0)

A fenti forma a Neptun sajátja, ezen technikai okokból nem változtattunk.

A kötelező előtanulmányi rend az adott szak honlapján és képzési programjában található.

Ajánlott:
A tárgy felvételéhez ajánlott a Számítógépes Grafika c. tárgy abszolválása.
7. A tantárgy célkitűzése A számítástechnika fejlődésével a képi információk automatikus kiértékelése napi gyakorlattá vált a minőségellenőrzés, folyamatirányítás, navigáció, biztonságtechnika, orvosi diagnosztika és számos egyéb területen. Az egyre jobb minőségű megjelenítő technikák alkalmazásával a grafikus szimuláció és a teleoperáció hétköznapi technológiákká vált. A tantárgy célja a korszerű számítógépes képfeldolgozási és megjelenítési eljárások elveinek és alkalmazásának készségszintű megismertetése, a távfelügyelt autonóm ipari folyamatok kezelésében kulcsszerepet játszó virtuális technikák bemutatása.
8. A tantárgy részletes tematikája Az emberi látás működése, háromdimenziós érzékelés. A térérzet komponensei, a monokuláris és binokuláris érzékelés alapjai. A látványt leíró függvények fogalma, matematikai tulajdonságai. Színrendszerek. A térbeli látvány leképzésének matematikai modellje. Az intenzitás és a távolságadatok közötti összefüggés. A reflexiós modellek szerepe a képértelmezésben. Koordináta transzformációk, kamera modellek és kalibrációs eljárások. Alapvető érzékelő eszközök. Képbeviteli berendezések illesztési kérdései- esettanulmány. (6+2 óra)Getting started: A képi információ feldolgozásának alapjai. Bináris képek feldolgozása. Matematikai morfológiai alapok. Geometriai tulajdonságok mérése. A valósidejű realizáció kérdései.. Topológiai tulajdonságok analízise. Additív halmaz tulajdonságmérték fogalma. Euler-szám fogalma. Ipari alkalmazási példák. (3+1 óra)A képek előkészítő feldolgozása. Fourier transzformáció (ismétlés). Mintavételezés, kvantálás hatása. Egyéb tér-transzformációk. Hisztogram transzformációk. Szűrések a tér- és a frekvenciatartományban. Képszegmentálás matematikai modellje. Szintek hasonlóságán alapuló szegmentálás. Gyors változásokon alapuló szegmentálási eljárások. Hough transzformáció. Mozgásalapú szegmentálás. Textúra szegmentálás. Biztonságtechnikai és közlekedési alkalmazási példák (6+2 óra).Gyors objektumkövetési módszerek. Optikai áramlás. Szinek, élek, textúrák követése. SSD algoritmus. Vizuális visszacsatolás. Navigációs, felhasználó követési alkalmazási példák.  (3+1 óra)Tulajdonság reprezentáció. Objektumfelismerési (osztályozási) módszerek. Aktív látás.   Képtömörítési eljárások,. Keresés képi adatbázisokban. Teleoperációs alkalmazási példák. (6+2 óra)Korszerű képfeldolgozó programkönyvtárak lehetőségeinek összehasonlítása, alkalmazástechnikája (pl. Halcon, Matlab, ITK, openCV, LabView). Egyszerűbb képfeldolgozási problémák alternatív megoldásainak bemutatása. (3+1 óra)Korszerű képmegjelenítési eszközök (pl. HMD, polárszűrős, anaglif, shutter, holoTV) és alkalmazott renderelési módszerek. 3D megjelenítés, térhatású megjelenítők tervezése és alkalmazása. „Hagyományos” képek átszámítása sztereo megjelenítés céljából. Bemerüléses virtuális valóság a teleoperációban. Orvosi és telerobotikai példák. (6+2 óra)Szimulátor rendszerek. Hardver in the Loop szimulációval támogatott terméktervezés és –tesztelés. Járműipari alkalmazási példák. (3+1 óra)IP alapú képátvitel. DSP alapú intelligens kamerák. Valósidejű képfeldolgozás. Real-time eljárások és architektúrák.  Gyártásautomatizálási alkalmazási példák. (3+1 óra)
9. A tantárgy oktatásának módja (előadás, gyakorlat, laboratórium) A tárgy ismeretanyaga előadásokon, az esettanulmányok a gyakorlatokon kerülnek ismertetésre. A gyakorlatokhoz minden hallgató önállóan dolgoz fel egy-egy esettanulmányt. A félév során a hallgatók egy házi feladatot készítenek, amely egy gyakorlati alkalmazás (rész)megoldását tartalmazza.
10. Követelmények
  1. A szorgalmi időszakban:
esettanulmány, házi feladat és zárthelyi
  1. A vizsgaidőszakban:
a vizsga írásbeli.
  1. Elővizsga:
Nincs.
11. Pótlási lehetőségek A házi feladat elkészítése a vizsgaidőszakban nem pótolható. A zárthelyi pótlására a TVSZ előírásai szerint van lehetőség.
12. Konzultációs lehetőségek A házi feladat elkészítéséhez egy alkalommal, valamint minden vizsga előtt konzultációs lehetőséget biztosítunk.
13. Jegyzet, tankönyv, felhasználható irodalom §         Óravázlat mélységű tematika és slideok§         R. Gonzales: Digital Image Processing, Addison-Wesley, ISBN 0-201-50803-6

§         Besl, P.J.: "Surfaces in range image understanding". Springer, 1988.

§         Computer Vision online tananyag: http://www.dai.ed.ac.uk/CVonline/

14. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka
Kontakt óra48
Félévközi készülés órákra
Felkészülés zárthelyire15
Házi feladat elkészítése25
Kijelölt írásos tananyag elsajátítása12
Vizsgafelkészülés20
Összesen120
15. A tantárgy tematikáját kidolgozta
Név:Beosztás:Tanszék, Int.:
Dr. Vajta LászlóEgyetemi docensIIT
Dr. Loványi IstvánEgyetemi docensIIT