ITF31719 Bildeanalyse (Vår 2025)

Emnet er tilknyttet følgende studieprogram

Obligatorisk emne i

• bachelorstudiet i informatikk - design og utvikling av IT-systemer med fordypning i maskinlæring

Valgfritt emne for øvrige.

Anbefalte forkunnskaper

Grunnleggende kunnskaper i:

• matematikk tilsvarende emnet Matematikk for IT / Diskret matematikk

• matematikk tilsvarende emnet Matematikk 1 / Kalkulus

• programmering tilsvarende emnet Objektorientert programmering / Programmering 2

Undervisningssemester

6. semester (vår).

Studentens læringsutbytte etter bestått emne

Kunnskap

Studenten

• forstår digitale bilder og deres egenskaper

• kjenner til representasjonsmetoder for digitale bilder, inkludert bildekoding og kompresjon

• forstår hvorledes bilder kan filtreres/prosesseres for å oppnå ønsket effekt

• forstår prinsipper og metoder i enkel mønstergjenkjenning

Ferdigheter

Studenten kan

• bruke standard filtre til å filtrere støy

• bruke standard filtre til å fremheve detaljer i et bilde

• bruke standard teknikker for å detektere kanter, hjørner og objekter i et bilde

• skrive programmer for enkel billedbehandling og mønstergjenkjenning

• få en datamaskin og/eller et datasystem til å gjenkjenne objekter i et bilde

Innhold

Representasjonsmetoder for digitale bilder, filtering, støyreduksjon, fremheving av detaljer, kantdeteksjon, bildetransformasjoner, behandling av former i et bilde, mønstergjenkjenning og klassifisering og programmering av metoder for bildebehandling. Grunnleggende om kunstige neurale nettverk, support vector machines og prinsipalkomponentanalyse og Deep Learning. 

Undervisnings- og læringsformer

Forelesninger, øvingsoppgaver og prosjektarbeid.

Dersom studenter fra internasjonale samarbeidspartnere deltar i undervisningen, vil den bli gjennomført på engelsk.

Arbeidsomfang

Ca 250 timer.

4 timer forelesning per uke. I tillegg kommer evt. kollokvier og prosjektarbeid.

Eksamen

Individuell mappeinnlevering

Studenten skal levere 2 oppgaver og 1 prosjekt underveis i semesteret etter spesifikasjoner og frister gitt av emneansvarlig.

Studenten gis en helhetlig, individuell karakter for mappen. I evalueringen vektes de to oppgavene til sammen 50% og prosjektet 50% av karakteren.  Det benyttes karakterskala A - F.

Sensorordning

Ekstern og intern sensor, eller to interne sensorer, skal medvirke.

Vilkår for ny/utsatt eksamen

Ved ny og utsatt eksamen må alle mappens elementer leveres på nytt.

Ny og utsatt eksamen gjennomføres samtidig med neste ordinære eksamen. Instituttledelsen kan likevel beslutte å arrangere utsatt eksamen i påfølgende semester for studenter med gyldig fravær ved ordinær eksamen.

Evaluering av emnet

Dette emnet evalueres på følgende måte:

• Sluttsemesterevaluering (obligatorisk)

Den emneansvarlige lager en oppsummering på bakgrunn av studentenes tilbakemeldinger og sine egne erfaringer med emnet. Oppsummeringen behandles av Programutvalget  ved institutt for  for informasjonsteknologi og kommunikasjon. 

Litteratur

Gjeldende litteraturliste for 2024 Vår finner du i Leganto