| Dersin Adı | Dersin Kodu | Dersin Türü | Dersin Düzeyi | Dersin Yılı | Dersin Verildiği Dönem | AKTS Kredisi |
|---|---|---|---|---|---|---|
| Dijital Görüntü İşleme | HRT328 | Zorunlu | Lisans | 3 | Bahar | 4 |
Öğretim Elemanı Adı
Prof. Dr. Ozan ARSLAN
Dersin Öğrenme Kazanımları
1) Temel digital görüntü işleme kavramlarını bilir
2) Digital görüntüler için temel aritmetik işlemleri ve matematik modelleri bilir
3) Temel digital görüntü zenginleştirme işlemlerine ait matematik modeller ve piksel bazlı operasyonları bilir.
4) Frekans-uzay bazlı görüntü işleme ve dönüşümler ile konvolüsyon işlemlerini bilir
5) Digital görüntü işleme ile ilgili temel algoritmaların uzaktan algılama alanındaki uygulamalarını bilir
Program Yeterliliği İlişkisi
| Program Yeterlilikleri | ||||||||||||
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | ||
| Öğrenme Kazanımları | ||||||||||||
| 1 | Orta | |||||||||||
| 2 | Orta | |||||||||||
| 3 | Orta | Düşük | ||||||||||
| 4 | Düşük | Orta | ||||||||||
| 5 | Yüksek | |||||||||||
Eğitim Şekli
Yüz Yüze
Ön Koşullar, Diğer Koşullar
Yok
Önerilen Destekleyici Dersler
Uzaktan Algılama
Dersin İçeriği
Görüntü oluşturma, matematik modeller , konvolüsyon ve türleri, pixel bazlı operasyonlar , uydu görüntüleri için aritmetik işlemler , görüntü zenginleştirme, görüntü restorasyonu, görüntüleme modelleri, noise ve nokta saçılım fonksiyonu, uzaktan algılanmış görüntülerde frekans bazlı görüntü işleme ve dönüşümler, örüntü tanıma ve sınıflandırma
Haftalık Ders İzlencesi
1) Görüntü tanımı, çözünürlük ve digitalleştirme (quantization), görüntü formatları, Renk uzayları, dönüşümler, Matlab’da görüntü gösterimi, okuma, yazma ve dönüştürme2) Görüntü oluşturma, matematik modeller , konvolüsyon ve türleri, Pixel bazlı operasyonlar (işlemler), görüntüler için aritmetik işlemler (cebrik, logic, eşikleme vb.)
3) Görüntüler üzerinde nokta bazlı işlemler (logical, üssel ve gama dönüşümleri)
4) Pixel dağılımları (histogramlar, eşikleme, kontrast germe, histogram eşitleme, histogram eşleme ve matematik teorileri)
5) Görüntü Zenginleştirme ( görüntü filtreleme ile zenginleştirme, pixel komşulukları, doğrusal filtreleme ve filtre çekirdekleri, doğrusal olmayan filtreleme)
6) Noise giderme için filtreleme (ortalama,medyan, rank ve Gaussian filreleme),- kenar belirleme (edge detection) için filtreleme (süreksizlikler için türev filtreler, birinci derece kenar belirleme, ikinci derece kenar belirleme (Laplacian, LoG vb.)
7) Frekans bazlı görüntü işleme ve dönüşümler, Fourier dönüşümleri, frekans-uzay filtreleme, konvolüsyon teoremi
8) Arasınav
9) Image restarosyonu, görüntüleme modelleri, noise ve nokta saçılım fonksiyonu, filtreleme ile restorasyon, görüntü restorasyonun matris formülasyonu, EKK çözümü (standart-constrained)
10) Geometri ve dönüşümler, şekil dönüşümleri ve homojen koordinatlar, afin-projektif-nonlineer dönüşümler
11) Morfolojik işlemler, binary görüntüler, yapılandırma elemanları ve komşuluklar, ayrıştırma (decomposition), sınır çıkarımı, bağlantı bileşenlerin çıkarımı, morfolojik inceltme, çatı oluşturma
12) Görüntü Detayları (özellikler), bölge tanımlayıcısı istatistikler, doku detayları, temel bileşenler analizi,
13) Görüntü bölütleme, bölütlemede kullanılan görüntü özellikleri ve detayların kullanımı, parlaklık (yoğunluk) eşikleme, ayırma-birleştirme algoritmaları, Canny kenar belirleme algoritmaları, ilgi operatörleri, bölütleme fonksiyonları
14) Sınıflandırma, kontrollü ve kontrolsüz sınıflandırma, doğrusal diskrimnant fonksiyonu, Bayesian sınıflandırma, min. uzaklık ve Mahalanobis sınıflandırma
15) Fischer doğrusal diskrimnant analizi
16) Yarıyıl sonu sınavı
Önerilen/İstenen Ders Kaynakları
Planlanan Öğrenim Faaliyetleri Ve Eğitim Yöntemi
1) Anlatım
2) Soru-Cevap
3) Alıştırma ve Uygulama
4) Gösteri
5) Laboratuvar/Çalıştay
Değerlendirme Yöntemi ve Ölçütleri
Ara Sınav Notunun Başarıya Oranı |
40% |
|---|---|
Yarıyıl Sonu Sınavının Başarıya Oranı |
60% |
Toplam |
100% |
Dersin Eğitim Dili
Türkçe
Mesleki Uygulama
İstenmemekte