XIII Konferencja Sieci i Systemy Informatyczne Łódź, październik 2005 SZYBKIE WYZNACZANIE GŁĘBI W SCENIE TRÓJWYMIAROWEJ ZE STEREOSKOPII
|
|
- Ksawery Krupa
- 6 lat temu
- Przeglądów:
Transkrypt
1 XIII Konferencja Sieci i Sstem Informatczne Łódź, październik 005 PAWEŁ PEŁCZYŃSKI PAWEŁ STRUMIŁŁO Insttut Elektroniki Politechniki Łódzkiej SZYBKIE WYZNACZANIE GŁĘBI W SCENIE TRÓJWYMIAROWEJ ZE STEREOSKOPII Streszczenie Prezentowane badania miał na celu opracowanie szbkiej metod wznaczania głębi w scenie trójwmiarowej na podstawie par obrazów barwnch, rejestrowanch za pomocą kanonicznego układu kamer. Głębia jest reprezentowana tzw. obrazem dsparcji czli wzajemnego przesunięcia obiektów scen w obu obrazach. Zaproponowane przez autorów podejście polega na połączeniu koncepcji dopasowania cech i dopasowania bloków. Algortm operuje na trójwmiarowej tablic, której wartości są miarą prawdopodobieństwa wstąpienia powierzchni obiektów w wbranch punktach przestrzeni. Każd z elementów niesie informację o wstępowaniu i podobieństwie lokalnch cech w obu obrazach. Jako lokalne cech obrazu wbrano barwę oraz krawędzie pionowe. Obraz dsparcji dla wbranej kamer otrzmuje się przez wszukanie maksimów miar podobieństwa obrazów po filtracji wzdłuż promieni świetlnch związanch z daną kamerą. Prezentowane podejście zawiera nowe, orginale element w zakresie obliczania obrazu dsparcji. Dzięki poszukiwaniu łatwch do wdobcia cech obrazów algortm odznacza się niskim kosztem obliczeniowm.. Wstęp Informacja o przestrzennm ukształtowaniu otoczenia jest wkorzstwana w robotce do bezkolizjnego poruszania ramion wsięgników, a nawet całch robotów. Może bć też wkorzstana przez osob niewidome po jej przetworzeniu na sstem dźwięków. Innm obszarem jest telemetria dla celów dokumentacjnch. Celem realizowanego projektu badawczego bło opracowanie szbkiej techniki wznaczania dsparcji dla sstemu wspomagania osob niewidomej. Przjęto następujące założenia dotczące rodzaju dostarczanej informacji obrazowej i wmagań stawianch opracowwanej metodzie: - informacją wejściową do rekonstrukcji jest para barwnch fotografii otrzmanch ze skalibrowanch kamer o jednakowch parametrach optcznch, elektronicznch i równoległch osiach optcznch, stanowiącch tzw. układ kanoniczn (rs.), - dla użwanch kamer prawdziw jest model kamer obscur, - zadowalająca dokładność odwzorowania fizcznej scen w tzw. obraz dsparcji, - niewielki koszt obliczeniow rekonstrukcji scen.
2 P. Strumiłło, P.Pełczński Szbkie wznaczanie głębi w scenie trójwmiarowej ze stereoskopii Przjęcie warunków obserwacji scen zgodnch z rs. prowadzi do prostej zależności międz współrzędnmi obrazów obserwowanego punktu i jego współrzędnmi w przestrzeni trójwmiarowej: x λb x x ( λ Z ), Y = ( λ Z ), Z = λ, X = = λ λ () gdzie: B odległość osi optcznch kamer, λ ogniskowa kamer. Punkt świata w(x,y,z) x Obraz B (baza) (x, ) x Obraz (x, ) Rs.. Układ wzajemnej orientacji kamer stosowan w akwizcji obrazów W algortmach rekonstrukcji scen przestrzennej ze zdjęć stereoskopowch pierwszm etapem rekonstrukcji jest zazwczaj dopasowanie odpowiadającch sobie fragmentów obrazów ( stereo image matching ), wmagające znalezienia odpowiadającch sobie punktów (korespondującch) w obu obrazach. Daną wnikową jest tzw. obraz dsparcji, czli przesunięć punktów w jednm obrazie względem punktów w drugim, mierzonch w pikselach. Ze względu na decdujące znaczenie tego etapu dla szbkości i dokładności rekonstrukcji autorz projektu skupili się na tm problemie badawczm.. Krótka charakterstka szbkich metod rekonstrukcji Metod dopasowania obrazów dzielą się na globalne i lokalne []. Zdecdowanie większą szbkością działania algortmów odznaczają się metod lokalne i te będą dalej rozważane. Ceną za większą szbkość jest mniejsza dokładność, mniejsz zakres rekonstruowanej głębi i mniejsza odporność na wstępowanie powierzchni częściowo zakrtch (widzianch przez jedną kamerę).
3 XIII Konferencja Sieci i Sstem Informatczne Łódź, październik 005 Mimo tch wad metod lokalne są najlepiej dopasowane do zadań rekonstrukcji w sstemach czasu rzeczwistego. Pośród metod lokalnch rozróżnia się trz grup technik: dopasowania bloków, optmalizacji na bazie gradientów oraz dopasowania lokalnch cech obrazu. Dopasowanie bloków polega na porównwaniu kwadratowego fragmentu lewego i prawego obrazu. Obszar bloku jest przesuwan w jednm z obrazów w celu znalezienia najlepszego dopasowania. Porównanie polega na obliczaniu błędu średniokwadratowego, sum modułów różnic jasności lub korelacji wzajemnej międz blokami. Wartość przesunięcia bloku w jednm z obrazów względem drugiego, dla którego otrzmuje się minimum funkcji błędu lub maksimum korelacji, jest poszukiwaną dsparcją. Metod gradientowe bazują na analizie gradientu jasności w obrazach oraz pomiędz fragmentami obu obrazów w funkcji ich wzajemnego przesunięcia. Odznaczają się ograniczeniem do znajdowania bardzo małch dsparcji. Problem ten jest częściowo eliminowan przez zastosowanie podejścia hierarchicznego: szukania dsparcji w kilku etapach rozpocznając od obrazów o silnie ograniczonej rozdzielczości. Dopasowanie cech charakterstcznch wmaga detekcji lokalnch cech w obu obrazach, a następnie testu wszstkich możliwch konfiguracji ich wzajemnego położenia w założonm zakresie dsparcji. Ta grupa metod jest bardziej odporna na wstępowanie obszarów częściowo zasłoniętch, lecz koszt obliczeniow zależ od treści obrazu i jest zazwczaj większ w porównaniu do metod dopasowania bloków. Dodatkowo zachodzi potrzeba uzupełnienia obrazu dsparcji w obszarach, gdzie nie wkrto cech. 3. Opracowana koncepcja przetwarzania danch Zaproponowane przez autorów podejście polega na połączeniu koncepcji dopasowania cech i dopasowania bloków. Obiektem działania algortmu jest przestrzenna struktura danch, której wartości są miarą prawdopodobieństwa wstąpienia powierzchni obiektów w wbranch punktach przestrzeni. Sposób mapowania punktów obserwowanej przestrzeni na element utworzonej struktur danch pokazuje schematcznie rsunek. Rs.. Idea mapowania punktów przestrzeni na element struktur danch, w której są realizowane obliczenia 3
4 P. Strumiłło, P.Pełczński Szbkie wznaczanie głębi w scenie trójwmiarowej ze stereoskopii Założenie ograniczenia minimalnej odległości obiektów w scenie od układu kamer powoduje obcięcie powstałej struktur, tak że w przekroju powstaje trapez. Barwne węzł na rsunku reprezentują punkt, dla którch następuje przecięcie w przestrzeni promieni prowadzonch od elementów obrazów (pikseli). W programie realizacja takiej struktur sprowadza się do obliczania miar podobieństwa cech obrazów jednocześnie przesuwanch o 0.5 piksela w kierunkach przeciwnch w miarę wzrostu dsparcji. Zastosowane podejście różni się od powszechnie spotkanego [], polegającego na traktowaniu jednego z obrazów jako odniesienie, a przesuwaniu drugiego z nich. Eliminuje to konieczność dwukrotnego poszukiwania dsparcji i nie powoduje odrzucania niezgodnch wników. Każd z węzłów niesie informację o wstępowaniu i mierze podobieństwa lokalnch cech w obu obrazach. Otrzmuje się zbiór przestrzennch map podobieństwa cech. W charakterze lokalnch cech obrazu wbrano barwę obrazu oraz krawędzie pionowe. Miara podobieństwa barw w została zdefiniowana następująco: SCOL ( x,,d ) = d + RL x +, RR x, + GL x +, GR x, + BL x +, BR x gdzie: R, G, B intenswności poszczególnch składowch koloru, indeks L oznacza obraz lew, R praw. Intenswność krawędzi pionowch została zdefiniowana wzorem: E R, L ( x, ) ( GR( x, ) GG( x, ) GB( x, ) ), = + exp 0.4 (3) () gdzie: GR, GG, GB liniowe gradient pionowe poszczególnch składowch koloru Miara podobieństwa krawędzi jest definiowana jako iloczn: S d d = L R COL COL (4) ( x,,d ) E ( x +, )* E ( x, )* S ( x,,d )* S ( x,,d ) EDGE + Krawędzie w obrazach barwnch powinn bć charakterzowane przez gradient wszstkich składowch barw w wbranm kierunku. Obliczenie ich intenswności zgodnie z wzorem (3) powoduje utratę znaczącej części informacji. Zatem przjęto, że miara podobieństwa krawędzi pionowch w obu obrazach jest zależna zarówno do ich intenswności (3) jak i od podobieństwa barw () po lewej i prawej stronie krawędzi. Miarę podobieństwa obrazów prz zadanej dsparcji zdefiniowano jako ważoną sumę: S ( x,,d) S ( x,,d ) * S ( x,,d) = COL + EDGE (5) 4
5 XIII Konferencja Sieci i Sstem Informatczne Łódź, październik 005 Ze względu na większe znaczenie krawędzi dla wznaczenia dsparcji, podobieństwu krawędzi przpisano większą wagę. Miara podobieństwa obrazów w wbranm węźle odzwierciedla prawdopodobieństwo wstąpienia powierzchni obiektu w obserwowanej przestrzeni. Otrzman, przestrzenn rozkład miar podobieństwa obrazów został poddan filtracji. Zastosowan filtr ma charakter dolnoprzepustow w kierunkach zgodnch ze współrzędnmi obrazowmi (Rs.3) oraz górnoprzepustow z nieograniczonm sąsiedztwem w kierunkach przebiegu promieni świetlnch. Kilkakrotne powtórzenie filtracji poprawiało wniki obliczeń. 0,05 0, 0,05 0, 0,4 0, 0,05 0, 0,05 Rs.3. Maska filtru dolnoprzepustowego stosowanego do popraw podobieństwa obrazów Obraz dsparcji dla wbranej kamer otrzmuje się przez wszukanie maksimów miar podobieństwa obrazów po filtracji wzdłuż promieni świetlnch związanch z daną kamerą. Obraz dsparcji bł poddawan filtracji medianowej w oknie 5x5 pikseli. Etap przetwarzania danch, prowadzące do wznaczenia ostatecznego obrazu dsparcji, został schematcznie pokazane na rs. 4. Opisane podejście zaimplementowano w środowisku Matlab. Obraz lew Obraz praw Wznaczenie lokalnch cech obrazu Podob. barw Podob. krawędzi Mapa miar podobieństwa Filtracja map miar podobieństwa Znalezienie maksimów w funkcji dsparcji Obraz dsparcji 5 Filtracja medianowa Poprawion obraz dsparcji Rs. 4 Etap przetwarzania obrazów prowadzące do wznaczenia obrazu dsparcji 4. Wniki badań Celem początkowch prac bła ocena znaczenia różnch, lokalnch cech zarówno obrazów monochromatcznch jak i barwnch. W tm celu sztucznie został wgenerowane uproszczone obraz testowe, które ułatwił obserwację rozkładu miar podobieństwa cech w przestrzennch mapach podobieństwa. W wniku tch prac wodrębniono dwie, zdefiniowane wcześniej cech, mające duże znaczenie dla ocen podobieństwa obrazów. Późniejsze prace prowadzono z użciem
6 P. Strumiłło, P.Pełczński Szbkie wznaczanie głębi w scenie trójwmiarowej ze stereoskopii obrazów scen naturalnch. Dla oszacowania dokładności zaproponowanego podejścia użto standardowe obraz testowe, zamieszczone na stronie www: wraz z prawidłowmi obrazami dsparcji. L P a) b) c) d) Rs. 5 Przkładowe obraz testowe a) - lew, b) - praw, c) modelow obraz dsparcji oraz d) wnik otrzman przez autorów Błąd pomiędz modelowm i otrzmanm w wniku działania własnego algortmu obrazem dsparcji zdefiniowano następująco: 6
7 XIII Konferencja Sieci i Sstem Informatczne Łódź, październik 005 [ I( x, ) I ( x, ) ] REF ε = x (6) [ I REF ( x, ) I REF _ MEAN ] gdzie: I(x,) otrzman obraz dsparcji, I REF (x,) obraz modelow, I REF_MEAN średnia jasność obrazu modelowego. x Otrzmane w tab. zestawienie błędów uzasadnia zastosowanie wszstkich etapów przetwarzania danch. T a b e l a Porównanie błędów wznaczenia dsparcji w zależności od zaimplementowanch etapów przetwarzania Warunki pomiaru błędu Wartość błędu Bez jakichkolwiek Bez filtracji Bez filtarcji me- Po implementacji operacji przestrzennej dianowej obrazu wszstkich eta- popraw jakości map podobieństwa dsparcji pów Podsumowanie Prezentowane podejście zawiera nowe, orginale element w zakresie obliczania obrazu dsparcji. Dzięki poszukiwaniu łatwch do wdobcia cech obrazów algortm odznacza się niskim kosztem obliczeniowm. Barwa obrazu jest cechą wstępującą na całej jego powierzchni, co daje możliwość tworzenia kompletnego obrazu dsparcji, bez konieczności jego późniejszego uzupełniania w miejscach, dla którch nie znaleziono dopasowania lokalnch cech. Zastosowanie przestrzennej struktur danch do reprezentacji przestrzeni (rs. ) prowadzi do uproszczenia algortmu wznaczania obrazu dsparcji w stosunku do klascznego podejścia, stosowanego w metodach dopasowania bloków. Realizacja algortmu obliczeniowego polega na wkonwaniu takich samch operacji dla każdego piksela obrazu, co umożliwia jego implementację w sstemach sstolicznch lub sieci neuronowej, komórkowej. Dalsze prace będą miał na celu optmalizację filtracji przestrzennej map miar podobieństwa obrazów i wznaczanego obrazu dsparcji pod względem minimalizacji czasu obliczeń. Podziękowanie 7
8 P. Strumiłło, P.Pełczński Szbkie wznaczanie głębi w scenie trójwmiarowej ze stereoskopii Praca dofinansowana ze środków grantu badawczego Ministerstwa Nauki i Informatzacji nr 3 TB 038 7, pt. Zintegrowan interfejs wspomagając osobę niewidomą, z dźwiękowm interfejsem użtkownika. Literatura [] Brown M.Z., Burschka D., Hager G.D.: Advances in computational stereo, IEEE Trans. on Pattern Analsis and Machine Intelligence, vol.5(8), 003, pp ,. [] Mulchmann K., Maier D., Manner R.: Calculating dense disparit maps from colour stereo images, an efficient implementation, IEEE Workshop on Stereo and Multi-Baseline Vision, Kauai, Hawaii, June 00, pp [3] Więcek B., Sawicki P., Stein, S: 3-D reconstruction for video and thermal images, 4 th International Workshop Advanced Infrared Technolog and Applications, Florence 97, Florence, Sept. 5-6, 997. [4] J. Neumann and Y. Aloimonos. Spatio-temporal stereo using multi-resolution subdivision surfaces, International Journal of Computer Vision, 47(//3), 00, pp PAWEŁ PEŁCZYŃSKI pawelpel@p.lodz.pl PAWEŁ STRUMIŁŁO pstrumil@p.lodz.pl Insttut Elektroniki Politechnika Łódzka Łódź, ul. Wólczańska 3 tel. (4) , fax: (4)
Automatyczne tworzenie trójwymiarowego planu pomieszczenia z zastosowaniem metod stereowizyjnych
Automatyczne tworzenie trójwymiarowego planu pomieszczenia z zastosowaniem metod stereowizyjnych autor: Robert Drab opiekun naukowy: dr inż. Paweł Rotter 1. Wstęp Zagadnienie generowania trójwymiarowego
Bardziej szczegółowoParametryzacja obrazu na potrzeby algorytmów decyzyjnych
Parametryzacja obrazu na potrzeby algorytmów decyzyjnych Piotr Dalka Wprowadzenie Z reguły nie stosuje się podawania na wejście algorytmów decyzyjnych bezpośrednio wartości pikseli obrazu Obraz jest przekształcany
Bardziej szczegółowoAkademia Górniczo-Hutnicza
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie Wyznaczanie dysparycji z użyciem pakietu Matlab Kraków, 2012 1. Mapa dysparycji W wizyjnych metodach odwzorowania, cyfrowa reprezentacja sceny
Bardziej szczegółowoCyfrowe przetwarzanie obrazów i sygnałów Wykład 8 AiR III
1 Niniejszy dokument zawiera materiały do wykładu z przedmiotu Cyfrowe Przetwarzanie Obrazów i Sygnałów. Jest on udostępniony pod warunkiem wykorzystania wyłącznie do własnych, prywatnych potrzeb i może
Bardziej szczegółowoSpośród licznych filtrów nieliniowych najlepszymi właściwościami odznacza się filtr medianowy prosty i skuteczny.
Filtracja nieliniowa może być bardzo skuteczną metodą polepszania jakości obrazów Filtry nieliniowe Filtr medianowy Spośród licznych filtrów nieliniowych najlepszymi właściwościami odznacza się filtr medianowy
Bardziej szczegółowoSYSTEM OBRAZOWANIA STEREOSKOPOWEGO SEKWENCJI SCEN TRÓJWYMIAROWYCH
DAIUSZ ZESZOTASKI PAWEŁ STUMIŁŁO PAWEŁ PEŁCZYŃSKI BOGUSŁAW WIĘCEK ANDZEJ OENC SYSTEM OBAZOWANIA STEEOSKOPOWEGO SEKWENCJI SCEN TÓJWYMIAOWYCH Streszczenie: W prac opisano podstaw stereowizjnch metod rekonstrukcji
Bardziej szczegółowoFiltracja obrazu operacje kontekstowe
Filtracja obrazu operacje kontekstowe Główne zadania filtracji Usunięcie niepożądanego szumu z obrazu Poprawa ostrości Usunięcie określonych wad obrazu Poprawa obrazu o złej jakości technicznej Rekonstrukcja
Bardziej szczegółowoCyfrowe przetwarzanie obrazów i sygnałów Wykład 7 AiR III
1 Niniejszy dokument zawiera materiały do wykładu z przedmiotu Cyfrowe Przetwarzanie Obrazów i Sygnałów. Jest on udostępniony pod warunkiem wykorzystania wyłącznie do własnych, prywatnych potrzeb i może
Bardziej szczegółowoPrzetwarzanie obrazów rastrowych macierzą konwolucji
Przetwarzanie obrazów rastrowych macierzą konwolucji 1 Wstęp Obrazy rastrowe są na ogół reprezentowane w dwuwymiarowych tablicach złożonych z pikseli, reprezentowanych przez liczby określające ich jasność
Bardziej szczegółowoFiltracja obrazu operacje kontekstowe
Filtracja obrazu operacje kontekstowe Podział metod filtracji obrazu Metody przestrzenne i częstotliwościowe Metody liniowe i nieliniowe Główne zadania filtracji Usunięcie niepożądanego szumu z obrazu
Bardziej szczegółowoWielowymiarowe bazy danych
Wielowmiarowe baz danch Wielowmiarowe baz danch Dziedzin zastosowań Multimedialne baz danch dane medialne przechowwane jako wielowmiarowe wektor danch Sstem geograficzne, sstem wspomagania projektowania
Bardziej szczegółowoPRÓBNY EGZAMIN MATURALNY
PRÓBNY EGZAMIN MATURALNY Z MATEMATYKI ZESTAW PRZYGOTOWANY PRZEZ SERWIS WWW.ZADANIA.INFO POZIOM PODSTAWOWY MARCA 0 CZAS PRACY: 70 MINUT Zadania zamknięte ZADANIE ( PKT.) Stężenie roztworu poczatkowo wzrosło
Bardziej szczegółowoMetody kodowania wybranych cech biometrycznych na przykładzie wzoru naczyń krwionośnych dłoni i przedramienia. Mgr inż.
Metody kodowania wybranych cech biometrycznych na przykładzie wzoru naczyń krwionośnych dłoni i przedramienia Mgr inż. Dorota Smorawa Plan prezentacji 1. Wprowadzenie do zagadnienia 2. Opis urządzeń badawczych
Bardziej szczegółowoGrafika 2D. Przekształcenia geometryczne 2D. opracowanie: Jacek Kęsik
Grafika 2D Przekształcenia geometrczne 2D opracowanie: Jacek Kęsik Wkład obejmuje podstawowe przekształcenia geometrczne stosowane w grafice komputerowej. Opisane są w nim również współrzędne jednorodne
Bardziej szczegółowoOptyka Fourierowska. Wykład 7 Filtracja przestrzenna
Optka Fourierowska Wkład 7 Filtracja przestrzenna Optczna obróbka inormacji Układ liniowe są bardzo użteczne w analizie układów obrazującch Koncepcja ta pozwala na analizę pól optcznch w dziedzinie częstości
Bardziej szczegółowoĆwiczenie 361 Badanie układu dwóch soczewek
Nazwisko... Data... Wdział... Imię... Dzień tg.... Godzina... Ćwiczenie 36 Badanie układu dwóch soczewek Wznaczenie ogniskowch soczewek metodą Bessela Odległość przedmiotu od ekranu (60 cm 0 cm) l Soczewka
Bardziej szczegółowoProgramowanie nieliniowe optymalizacja funkcji wielu zmiennych
Ekonomia matematczna II Ekonomia matematczna II Prowadząc ćwiczenia Programowanie nieliniowe optmalizacja unkcji wielu zmiennch Modele programowania liniowego często okazują się niewstarczające w modelowaniu
Bardziej szczegółowoPRÓBNY EGZAMIN MATURALNY
PRÓBNY EGZAMIN MATURALNY Z MATEMATYKI ZESTAW PRZYGOTOWANY PRZEZ SERWIS WWW.ZADANIA.INFO POZIOM PODSTAWOWY 9 MARCA 019 CZAS PRACY: 170 MINUT 1 Zadania zamknięte ZADANIE 1 (1 PKT) Cena nart po obniżce o
Bardziej szczegółowoWektory. P. F. Góra. rok akademicki
Wektor P. F. Góra rok akademicki 009-0 Wektor zwiazan. Wektorem zwiazanm nazwam parę punktów. Jeżeli parę tę stanowią punkt,, wektor przez nie utworzon oznaczm. Graficznie koniec wektora oznaczam strzałką.
Bardziej szczegółowoCyfrowe przetwarzanie obrazów i sygnałów Wykład 12 AiR III
1 Niniejszy dokument zawiera materiały do wykładu z przedmiotu Cyfrowe Przetwarzanie Obrazów i Sygnałów. Jest on udostępniony pod warunkiem wykorzystania wyłącznie do własnych, prywatnych potrzeb i może
Bardziej szczegółowoĆ w i c z e n i e K 2 b
Akademia Górniczo Hutnicza Wdział Inżnierii Mechanicznej i Robotki Katedra Wtrzmałości, Zmęczenia Materiałów i Konstrukcji Nazwisko i Imię: Nazwisko i Imię: Wdział Górnictwa i Geoinżnierii Grupa nr: Ocena:
Bardziej szczegółowoImplementacja filtru Canny ego
ANALIZA I PRZETWARZANIE OBRAZÓW Implementacja filtru Canny ego Autor: Katarzyna Piotrowicz Kraków,2015-06-11 Spis treści 1. Wstęp... 1 2. Implementacja... 2 3. Przykłady... 3 Porównanie wykrytych krawędzi
Bardziej szczegółowoAerotriangulacja. 1. Aerotriangulacja z niezależnych wiązek. 2. Aerotriangulacja z niezależnych modeli
Aerotriangulacja 1. Aerotriangulacja z niezależnych wiązek 2. Aerotriangulacja z niezależnych modeli Definicja: Cel: Kameralne zagęszczenie osnowy fotogrametrycznej + wyznaczenie elementów orientacji zewnętrznej
Bardziej szczegółowoMotto. Czy to nie zabawne, że ci sami ludzie, którzy śmieją się z science fiction, słuchają prognoz pogody oraz ekonomistów? (K.
Motto Cz to nie zabawne, że ci sami ludzie, którz śmieją się z science fiction, słuchają prognoz pogod oraz ekonomistów? (K. Throop III) 1 Specfika szeregów czasowch Modele szeregów czasowch są alternatwą
Bardziej szczegółowoElektroniczne systemy percepcji otoczenia dla niewidomych
Instytut Elektroniki Politechniki Łódzkiej Elektroniczne systemy percepcji otoczenia dla niewidomych Paweł Strumiłło, Paweł Pełczyski Zmysły człowieka wzrok (80( 80-90% informacji o otoczeniu) słuch dotyk
Bardziej szczegółowoANALIZA MOŻLIWOŚCI NORMALIZACJI WARTOŚCI SKŁADOWYCH TRÓJCHROMATYCZNYCH Z WYKORZYSTANIEM PRZEKSZTAŁCENIA NIELINIOWEGO
Wojciech MOĆKO Wojciech ŻAGAN ANALIZA MOŻLIWOŚCI NORMALIZACJI WARTOŚCI SKŁADOWYCH TRÓJCHROMATYCZNYCH Z WYKORZYSTANIEM PRZEKSZTAŁCENIA NIELINIOWEGO STRESZCZENIE W referacie przedstawiono koncepcję zastosowania
Bardziej szczegółowoAnaliza obrazów - sprawozdanie nr 2
Analiza obrazów - sprawozdanie nr 2 Filtracja obrazów Filtracja obrazu polega na obliczeniu wartości każdego z punktów obrazu na podstawie punktów z jego otoczenia. Każdy sąsiedni piksel ma wagę, która
Bardziej szczegółowoPomiar bezpośredni przyrządem wskazówkowym elektromechanicznym
. Rodzaj poiaru.. Poiar bezpośredni (prost) W przpadku poiaru pojednczej wielkości przrząde wskalowan w jej jednostkach wartość niedokładności ± określa graniczn błąd przrządu analogowego lub cfrowego
Bardziej szczegółowoW. Guzicki Zadanie 30 z Informatora Maturalnego poziom rozszerzony 1
W. uzicki Zadanie 0 z Informatora Maturalnego poziom rozszerzon Zadanie 0. an jest sześcian (zobacz rsunek), którego krawędź ma długość 5. unkt i dzielą krawędzie i w stosunku :, to znacz, że 0. łaszczzna
Bardziej szczegółowoPrzetwarzanie obrazu
Przetwarzanie obrazu Przekształcenia kontekstowe Liniowe Nieliniowe - filtry Przekształcenia kontekstowe dokonują transformacji poziomów jasności pikseli analizując za każdym razem nie tylko jasność danego
Bardziej szczegółowo2. Zarys metody SIFT (Scale Invariant Feature Transform)
PIOTR PAWLIK *, SŁAWOMIR MIKRUT ** WYSZUKIWANIE PUNKTÓW CHARAKTERYSTYCZNYCH NA POTRZEBY ŁĄCZENIA ZDJĘĆ LOTNICZYCH *** 1.Wstęp Artykuł dotyczy problemu dopasowania fotogrametrycznych zdjęć lotniczych. Istotą
Bardziej szczegółowoP R Z E T W A R Z A N I E S Y G N A Ł Ó W B I O M E T R Y C Z N Y C H
W O J S K O W A A K A D E M I A T E C H N I C Z N A W Y D Z I A Ł E L E K T R O N I K I Drukować dwustronnie P R Z E T W A R Z A N I E S Y G N A Ł Ó W B I O M E T R Y C Z N Y C H Grupa... Data wykonania
Bardziej szczegółowop, q oznaczają obrazy podlegające filtracji.
. Filtr liniowe Wkład. Filtracja obrazów cfrowch Filtr liniowe Filtr jest liniow jeżeli spełnia warunki liniowości które można sformułować następująco: addtwność: p q p q jednorodność: p p R gdzie jest
Bardziej szczegółowoLABORATORIUM PODSTAW AUTOMATYKI
LABORATORIUM PODSTAW AUTOMATYKI INSTRUKCJA DO ĆWICZENIA 4.Wstęp - DOBÓR NASTAW REGULATORÓW opr. dr inż Krzsztof Kula Dobór nastaw regulatorów uwzględnia dnamikę obiektu jak i wmagania stawiane zamkniętemu
Bardziej szczegółowoAproksymacja funkcji a regresja symboliczna
Aproksymacja funkcji a regresja symboliczna Problem aproksymacji funkcji polega na tym, że funkcję F(x), znaną lub określoną tablicą wartości, należy zastąpić inną funkcją, f(x), zwaną funkcją aproksymującą
Bardziej szczegółowox 1 x 2 x 3 x n w 1 w 2 Σ w 3 w n x 1 x 2 x 1 XOR x (x A, y A ) y A x A
Sieci neuronowe model konekcjonistczn Plan wkładu Perceptron - przpomnienie Uczenie nienadzorowane Sieci Hopfielda Perceptron w 3 Σ w n A Liniowo separowaln problem klasfikacji ( A, A ) Problem XOR 0 0
Bardziej szczegółowoPrzetwarzanie obrazów wykład 4
Przetwarzanie obrazów wykład 4 Adam Wojciechowski Wykład opracowany na podstawie Komputerowa analiza i przetwarzanie obrazów R. Tadeusiewicz, P. Korohoda Filtry nieliniowe Filtry nieliniowe (kombinowane)
Bardziej szczegółowoDETEKCJA PŁASZCZYZN W SCENIE TRÓJWYMIAROWEJ NA PODSTAWIE SEKWENCJI OBRAZÓW STEREOWIZYJNYCH
DETEKCJA PŁASZCZYZN W SCENIE TRÓJWYMIAROWEJ NA PODSTAWIE SEKWENCJI OBRAZÓW STEREOWIZYJNYCH Piotr Skulimowski Instytut Elektroniki Politechniki Łódzkiej ul. Wólczańska 211/215, 90-924 Łódź e-mail: piotr.skulimowski@p.lodz.pl
Bardziej szczegółowoZasady budowania prognoz ekonometrycznych
Zasad budowania prognoz ekonometrcznch Klasczne założenia teorii predkcji 1. Znajomość modelu kształtowania się zmiennej prognozowanej Znajomość postaci analitcznej wstępującch zależności międz zmiennmi
Bardziej szczegółowoRozpoznawanie obrazów na przykładzie rozpoznawania twarzy
Rozpoznawanie obrazów na przykładzie rozpoznawania twarzy Wykorzystane materiały: Zadanie W dalszej części prezentacji będzie omawiane zagadnienie rozpoznawania twarzy Problem ten można jednak uogólnić
Bardziej szczegółowoOprogramowanie wspierające kalibrację kamer 3D oraz analizę głębi obrazu stereoskopowego. Piotr Perek. Łódź, 7 grudnia Politechnika Łódzka
Oprogramowanie wspierające kalibrację kamer 3D oraz analizę głębi obrazu stereoskopowego Politechnika Łódzka Łódź, 7 grudnia 2015 1/19 Agenda 1 2 3 4 2/19 Rigi 3D Rig równoległy 3/19 Rigi 3D Rig równoległy
Bardziej szczegółowoDetekcja punktów zainteresowania
Informatyka, S2 sem. Letni, 2013/2014, wykład#8 Detekcja punktów zainteresowania dr inż. Paweł Forczmański Katedra Systemów Multimedialnych, Wydział Informatyki ZUT 1 / 61 Proces przetwarzania obrazów
Bardziej szczegółowoAnaliza ruchu. Marek Wnuk < > ZPCiR I-6 PWr. MW: SyWizE p.1/22
Analiza ruchu Marek Wnuk < marek.wnuk@pwr.wroc.pl > ZPCiR I-6 PWr MW: SyWizE p.1/22 Ruch w sekwencji obrazów Podstawowe problemy: złożoność obliczeniowa nadmiar informacji niejednoznaczność MW: SyWizE
Bardziej szczegółowoSpis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16
Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego
Bardziej szczegółowoFiltracja liniowa (metody konwolucyjne, tzn. uwzględniające pewne otoczenie przetwarzanego piksla):
WYKŁAD 3 Operacje sąsiedztwa Są to operacje, w których na wartość zadanego piksla obrazu wynikowego q o współrz. (i,j) mają wpływ wartości piksli pewnego otoczenia piksla obrazu pierwotnego p o współrzędnych
Bardziej szczegółowoZastosowanie stereowizji do śledzenia trajektorii obiektów w przestrzeni 3D
Zastosowanie stereowizji do śledzenia trajektorii obiektów w przestrzeni 3D autorzy: Michał Dajda, Łojek Grzegorz opiekun naukowy: dr inż. Paweł Rotter I. O projekcie. 1. Celem projektu było stworzenie
Bardziej szczegółowof x f y f, jest 4, mianowicie f = f xx f xy f yx
Zestaw 14 Pochodne wŝszch rzędów Niech będzie dana funkcja x f określona w pewnm obszarze D Przpuśćm Ŝe f x istnieją pochodne cząstkowe tej funkcji x x Pochodne cząstkowe tch pochodnch jeŝeli istnieją
Bardziej szczegółowoPodejmowanie decyzji w warunkach niepełnej informacji. Tadeusz Trzaskalik
Podejmowanie deczji w warunkach niepełnej informacji Tadeusz Trzaskalik 5.. Wprowadzenie Słowa kluczowe Niepełna informacja Stan natur Macierz wpłat Podejmowanie deczji w warunkach rzka Podejmowanie deczji
Bardziej szczegółowoCyfrowe przetwarzanie obrazów i sygnałów Wykład 9 AiR III
1 Na podstawie materiałów autorstwa dra inż. Marka Wnuka. Niniejszy dokument zawiera materiały do wykładu z przedmiotu Cyfrowe Przetwarzanie Obrazów i Sygnałów. Jest on udostępniony pod warunkiem wykorzystania
Bardziej szczegółowoROZWIĄZANIA I ODPOWIEDZI
Zastosowania matematki w analitce medcznej zestaw do kol. semestr. - rozwiązania i odpowiedzi (część I). ROZWIĄZANIA I ODPOWIEDZI Zadanie A1. a) Rozważając dwa przpadki ze względu na moduł mam: skąd ostatecznie,3>.
Bardziej szczegółowoPRÓBNY EGZAMIN MATURALNY
PRÓBNY EGZAMIN MATURALNY Z MATEMATYKI ZESTAW PRZYGOTOWANY PRZEZ SERWIS WWW.ZADANIA.INFO POZIOM PODSTAWOWY 8 MARCA 015 CZAS PRACY: 170 MINUT 1 Zadania zamknięte ZADANIE 1 (1 PKT) Przbliżenie dziesiętne
Bardziej szczegółowoWYDZIAŁ FIZYKI I INFORMATYKI STOSOWANEJ
WYDZIAŁ FIZYKI I INFORMATYKI STOSOWANEJ Hybrid Images Imię i nazwisko: Anna Konieczna Kierunek studiów: Informatyka Stosowana Rok studiów: 4 Przedmiot: Analiza i Przetwarzanie Obrazów Prowadzący przedmiot:
Bardziej szczegółowow analizie wyników badań eksperymentalnych, w problemach modelowania zjawisk fizycznych, w analizie obserwacji statystycznych.
Aproksymacja funkcji a regresja symboliczna Problem aproksymacji funkcji polega na tym, że funkcję F(), znaną lub określoną tablicą wartości, należy zastąpić inną funkcją, f(), zwaną funkcją aproksymującą
Bardziej szczegółowoPrzekształcenia kontekstowe. Filtry nieliniowe Typowy przykład usuwania zakłóceń z obrazu
Definicja Przekształcenia kontekstowe są to przekształcenia które dla wyznaczenia wartości jednego punktu obrazu wynikowego trzeba dokonać określonych obliczeń na wielu punktach obrazu źródłowego. Przekształcenia
Bardziej szczegółowoMetody prognozowania: Jakość prognoz Wprowadzenie (1) 6. Oszacowanie przypuszczalnej trafności prognozy
Metod prognozowania: Jakość prognoz Dr inż. Sebastian Skoczpiec ver. 03.2012 Wprowadzenie (1) 1. Sformułowanie zadania prognostcznego: 2. Określenie przesłanek prognostcznch: 3. Zebranie danch 4. Określenie
Bardziej szczegółowoZamiana reprezentacji wektorowej na rastrową - rasteryzacja
MODEL RASTROWY Siatka kwadratów lub prostokątów stanowi elementy rastra. Piksel - pojedynczy element jest najmniejszą rozróŝnialną jednostką powierzchniową, której własności są opisane atrybutami. Model
Bardziej szczegółowoV JURAJSKI TURNIEJ MATEMATYCZNY DLA UCZNIÓW GIMNAZJUM FINAŁ 14 maja 2005 r.
V JURAJSKI TURNIEJ MATEMATYCZNY DLA UCZNIÓW GIMNAZJUM FINAŁ 4 maja 005 r. Przecztaj uważnie poniższą instrukcję: Test składa się z dwóch części. Pierwsza część zawiera 0 zadań wielokrotnego wboru. Tlko
Bardziej szczegółowoMICHAŁ ZIELNICA, WŁODZIMIERZ TALARCZYK Przemysłowy Instytut Maszyn Rolniczych, Poznań
MICHAŁ ZIELNICA, WŁODZIMIERZ ALARCZYK Przemsłow Insttut Maszn Rolniczch, Poznań SIMULAION OF LOADS OF MULI-ROLE AGGREGAE FOR PLOUGHLESS SOIL ILLAGE S u m m a r In the paper presented are practical possibilities
Bardziej szczegółowoMetoda pasm skończonych płyty dwuprzęsłowe
etoda pasm skończonch płt dwuprzęsłowe Dla płt przedstawionej na rsunku należ: 1. Dla obciążenia ciężarem własnm q oraz obciążeniami p 1 i p obliczć ugięcia w punktach A i B oraz moment, i w punktach A,B
Bardziej szczegółowoPrzedziały ufności i testy parametrów. Przedziały ufności dla średniej odpowiedzi. Interwały prognoz (dla przyszłych obserwacji)
Wkład 1: Prosta regresja liniowa Statstczn model regresji liniowej Dane dla prostej regresji liniowej Przedział ufności i test parametrów Przedział ufności dla średniej odpowiedzi Interwał prognoz (dla
Bardziej szczegółowoTELEDETEKCJA Z ELEMENTAMI FOTOGRAMETRII WYKŁAD 10
TELEDETEKCJA Z ELEMENTAMI FOTOGRAMETRII WYKŁAD 10 Fotogrametria to technika pomiarowa oparta na obrazach fotograficznych. Wykorzystywana jest ona do opracowywani map oraz do różnego rodzaju zadań pomiarowych.
Bardziej szczegółowoAkademia Górniczo-Hutnicza
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie Kalibracja stereowizyjnego systemu wizyjnego z użyciem pakietu Matlab Kraków, 2011 1. System stereowizyjny Stereowizja jest działem szeroko
Bardziej szczegółowoAgnieszka Nowak Brzezińska
Agnieszka Nowak Brzezińska jeden z algorytmów regresji nieparametrycznej używanych w statystyce do prognozowania wartości pewnej zmiennej losowej. Może również byd używany do klasyfikacji. - Założenia
Bardziej szczegółowoKADD Minimalizacja funkcji
Minimalizacja funkcji n-wymiarowych Forma kwadratowa w n wymiarach Procedury minimalizacji Minimalizacja wzdłuż prostej w n-wymiarowej przestrzeni Metody minimalizacji wzdłuż osi współrzędnych wzdłuż kierunków
Bardziej szczegółowoBIBLIOTEKA PROGRAMU R - BIOPS. Narzędzia Informatyczne w Badaniach Naukowych Katarzyna Bernat
BIBLIOTEKA PROGRAMU R - BIOPS Narzędzia Informatyczne w Badaniach Naukowych Katarzyna Bernat Biblioteka biops zawiera funkcje do analizy i przetwarzania obrazów. Operacje geometryczne (obrót, przesunięcie,
Bardziej szczegółowoModelowane obszary z zaznaczonymi stacjami obserwacyjnymi
Institute of Oceanogph Gdańsk Universit Jan Jędrasik Walidacja elu hdrodnamicznego elowane obszar z zaznaczonmi stacjami obserwacjnmi Zatoka Gdañska W³ad P1 Gd_N ZN4 18 P116 Hel P1 P4 P1 NP ZN Œwib K Ba³t
Bardziej szczegółowoMetody systemowe i decyzyjne w informatyce
Metody systemowe i decyzyjne w informatyce Laboratorium MATLAB Zadanie nr 1 Regresja liniowa autorzy: A. Gonczarek, J.M. Tomczak Cel zadania Celem zadania jest zapoznanie się z liniowym zadaniem najmniejszych
Bardziej szczegółowoWYKŁAD 3. Przykłady zmian w obrazie po zastosowaniu Uniwersalnego Operatora Punktowego
WYKŁAD 3 Przykłady zmian w obrazie po zastosowaniu Uniwersalnego Operatora Punktowego 1 Przykłady zmian w obrazie po zastosowaniu Uniwersalnego Operatora Punktowego (c.d.) 2 Zestawienie zbiorcze - Regulacje
Bardziej szczegółowo25. RÓWNANIA RÓŻNICZKOWE PIERWSZEGO RZĘDU. y +y tgx=sinx
5. RÓWNANIA RÓŻNICZKOWE PIERWSZEGO RZĘDU 5.1. Pojęcia wstępne. Klasfikacja równań i rozwiązań Rozróżniam dwa zasadnicze tp równań różniczkowch: równania różniczkowe zwczajne i równania różniczkowe cząstkowe.
Bardziej szczegółowoAkwizycja obrazów HDR
Akwizycja obrazów HDR Radosław Mantiuk radoslaw.mantiuk@gmail.com 1 Składanie HDRa z sekwencji zdjęć LDR (1) Seria&zdjęć&sceny&wykonanych&z&różnymi&ustawieniami&ekspozycji& 2 Składanie HDRa z sekwencji
Bardziej szczegółowoVIII. ZBIÓR PRZYKŁADOWYCH ZADAŃ MATURALNYCH
VIII. ZBIÓR PRZYKŁADOWYCH ZADAŃ MATURALNYCH ZADANIA ZAMKNIĘTE Zadanie. ( pkt) 0 90 Liczba 9 jest równa 0 B. 00 C. 0 9 D. 700 7 Zadanie. 8 ( pkt) Liczba 9 jest równa B. 9 C. D. 5 Zadanie. ( pkt) Liczba
Bardziej szczegółowoWyznaczanie przyspieszenia ziemskiego za pomocą wahadła rewersyjnego (Katera)
Politechnika Łódzka FTIMS Kierunek: Informatyka rok akademicki: 2008/2009 sem. 2. grupa II Termin: 17 III 2009 Nr. ćwiczenia: 112 Temat ćwiczenia: Wyznaczanie przyspieszenia ziemskiego za pomocą wahadła
Bardziej szczegółowoSegmentacja przez detekcje brzegów
Segmentacja przez detekcje brzegów Lokalne zmiany jasności obrazu niosą istotną informację o granicach obszarów (obiektów) występujących w obrazie. Metody detekcji dużych, lokalnych zmian jasności w obrazie
Bardziej szczegółowoAlgorytmy decyzyjne będące alternatywą dla sieci neuronowych
Algorytmy decyzyjne będące alternatywą dla sieci neuronowych Piotr Dalka Przykładowe algorytmy decyzyjne Sztuczne sieci neuronowe Algorytm k najbliższych sąsiadów Kaskada klasyfikatorów AdaBoost Naiwny
Bardziej szczegółowoAkwizycja obrazów HDR
Akwizycja obrazów HDR Radosław Mantiuk radoslaw.mantiuk@gmail.com 1 Składanie HDRa z sekwencji zdjęć LDR (1) Seria zdjęć sceny wykonanych z różnymi ustawieniami ekspozycji 2 Składanie HDRa z sekwencji
Bardziej szczegółowoMichał Strzelecki Metody przetwarzania i analizy obrazów biomedycznych (1)
Michał Strzelecki Metody przetwarzania i analizy obrazów biomedycznych (1) Prezentacja multimedialna współfinansowana przez Unię Europejską w ramach Europejskiego Funduszu Społecznego w projekcie Innowacyjna
Bardziej szczegółowoLaboratorium. Cyfrowe przetwarzanie sygnałów. Ćwiczenie 11. Filtracja sygnałów wizyjnych
Laboratorium Cyfrowe przetwarzanie sygnałów Ćwiczenie 11 Filtracja sygnałów wizyjnych Operacje kontekstowe (filtry) Operacje polegające na modyfikacji poszczególnych elementów obrazu w zależności od stanu
Bardziej szczegółowoHierarchiczna analiza skupień
Hierarchiczna analiza skupień Cel analizy Analiza skupień ma na celu wykrycie w zbiorze obserwacji klastrów, czyli rozłącznych podzbiorów obserwacji, wewnątrz których obserwacje są sobie w jakimś określonym
Bardziej szczegółowoAnaliza obrazu. wykład 4. Marek Jan Kasprowicz Uniwersytet Rolniczy 2009
Analiza obrazu komputerowego wykład 4 Marek Jan Kasprowicz Uniwersytet Rolniczy 2009 Filtry górnoprzepustowe - gradienty Gradient - definicje Intuicyjnie, gradient jest wektorem, którego zwrot wskazuje
Bardziej szczegółowoKONSPEKT LEKCJI na temat: PRZESUWANIE PARABOLI
KONSPEKT LEKCJI na temat: PRZESUWANIE PARABOLI CELE LEKCJI: Poznawcze Uczeń utrwala wiadomości o: funkcji kwadratowej rsowanie wkresu, przesuwaniu wkresu funkcji wzdłuż osi 0 i 0 związkach międz równaniem
Bardziej szczegółowoMetoda określania pozycji wodnicy statków na podstawie pomiarów odległości statku od głowic laserowych
inż. Marek Duczkowski Metoda określania pozycji wodnicy statków na podstawie pomiarów odległości statku od głowic laserowych słowa kluczowe: algorytm gradientowy, optymalizacja, określanie wodnicy W artykule
Bardziej szczegółowoAnna Fabijańska. Algorytmy segmentacji w systemach analizy ilościowej obrazów
POLITECHNIKA ŁÓDZKA Wydział Elektrotechniki Elektroniki Informatyki i Automatyki Katedra Informatyki Stosowanej Anna Fabijańska Nr albumu: 109647 Streszczenie pracy magisterskiej nt.: Algorytmy segmentacji
Bardziej szczegółowoZygmunt Wróbel i Robert Koprowski. Praktyka przetwarzania obrazów w programie Matlab
Zygmunt Wróbel i Robert Koprowski Praktyka przetwarzania obrazów w programie Matlab EXIT 2004 Wstęp 7 CZĘŚĆ I 9 OBRAZ ORAZ JEGO DYSKRETNA STRUKTURA 9 1. Obraz w programie Matlab 11 1.1. Reprezentacja obrazu
Bardziej szczegółowoProjektowanie naziemnego pomiaru fotogrametrycznego. Dokładność - specyfikacja techniczna projektu
Projektowanie naziemnego pomiaru fotogrametrycznego Dokładność - specyfikacja techniczna projektu Aparat cyfrowy w fotogrametrii aparat musi być wyposażony w obiektyw stałoogniskowy z jednym aparatem można
Bardziej szczegółowoProjekt zaliczeniowy z przedmiotu Statystyka i eksploracja danych (nr 3) Kamil Krzysztof Derkowski
Projekt zaliczeniowy z przedmiotu Statystyka i eksploracja danych (nr 3) Kamil Krzysztof Derkowski Zadanie 1 Eksploracja (EXAMINE) Informacja o analizowanych danych Obserwacje Uwzględnione Wykluczone Ogółem
Bardziej szczegółowoZmienne zależne i niezależne
Analiza kanoniczna Motywacja (1) 2 Często w badaniach spotykamy problemy badawcze, w których szukamy zakresu i kierunku zależności pomiędzy zbiorami zmiennych: { X i Jak oceniać takie 1, X 2,..., X p }
Bardziej szczegółowoZAGADNIENIA ZALICZENIOWE i PRZYKŁADY PYTAŃ z METOD KOMPUTEROWYCH w TSiP
ZAGADNIENIA ZALICZENIOWE i PRZYKŁADY PYTAŃ z METOD KOMPUTEROWYCH w TSiP. Podstawowe związki (równania równowagi, liniowe i nieliniowe związki geometrczne, związki fizczne, warunki brzegowe) w zapisie wskaźnikowm
Bardziej szczegółowoDiagnostyka obrazowa
Diagnostyka obrazowa Ćwiczenie szóste Transformacje obrazu w dziedzinie częstotliwości 1 Cel ćwiczenia Ćwiczenie ma na celu zapoznanie uczestników kursu Diagnostyka obrazowa z podstawowymi przekształceniami
Bardziej szczegółowo10. Redukcja wymiaru - metoda PCA
Algorytmy rozpoznawania obrazów 10. Redukcja wymiaru - metoda PCA dr inż. Urszula Libal Politechnika Wrocławska 2015 1 1. PCA Analiza składowych głównych: w skrócie nazywana PCA (od ang. Principle Component
Bardziej szczegółowoUKŁADY JEDNOWYMIAROWE. Część III UKŁADY NIELINIOWE
UKŁADY JEDNOWYMIAROWE Część III UKŁADY NIELINIOWE 1 15. Wprowadzenie do części III Układ nieliniowe wkazją czter właściwości znacznie różniące je od kładów liniowch: 1) nie spełniają zasad sperpozcji,
Bardziej szczegółowoRealizacja funkcji przełączających
Realizacja funkcji przełączającch. Wprowadzenie teoretczne.. Podstawowe funkcje logiczne Funkcja logiczna NOT AND OR Zapis = x x = = x NAND NOR.2. Metoda minimalizacji funkcji metodą tablic Karnaugha Metoda
Bardziej szczegółowoImperfekcje globalne i lokalne
Imperfekcje globalne i lokalne Prz obliczaniu nośności i stateczności konstrukcji stalowch szczególnego znaczenia nabiera konieczność uwzględniania warunków wkonania, transportu i montażu elementów konstrukcjnch.
Bardziej szczegółowoWyznaczanie długości fali świetlnej metodą pierścieni Newtona
Politechnika Łódzka FTIMS Kierunek: Informatyka rok akademicki: 2008/2009 sem. 2. grupa II Termin: 26 V 2009 Nr. ćwiczenia: 412 Temat ćwiczenia: Wyznaczanie długości fali świetlnej metodą pierścieni Newtona
Bardziej szczegółowoRozpoznawanie obiektów z użyciem znaczników
Rozpoznawanie obiektów z użyciem znaczników Sztuczne znaczniki w lokalizacji obiektów (robotów) Aktywne znaczniki LED do lokalizacji w przestrzeni 2D (do 32): Znaczniki z biblioteki AruCo (do 1024) Id
Bardziej szczegółowoStatystyka opisowa. Wykład V. Regresja liniowa wieloraka
Statystyka opisowa. Wykład V. e-mail:e.kozlovski@pollub.pl Spis treści 1 Prosta regresji cechy Y względem cech X 1,..., X k. 2 3 Wyznaczamy zależność cechy Y od cech X 1, X 2,..., X k postaci Y = α 0 +
Bardziej szczegółowoDiagnostyka obrazowa
Diagnostyka obrazowa Ćwiczenie szóste Transformacje obrazu w dziedzinie częstotliwości 1. Cel ćwiczenia Ćwiczenie ma na celu zapoznanie uczestników kursu Diagnostyka obrazowa z podstawowymi przekształceniami
Bardziej szczegółowoKodowanie i kompresja Streszczenie Studia Licencjackie Wykład 11,
1 Kwantyzacja skalarna Kodowanie i kompresja Streszczenie Studia Licencjackie Wykład 11, 10.05.005 Kwantyzacja polega na reprezentowaniu dużego zbioru wartości (być może nieskończonego) za pomocą wartości
Bardziej szczegółowoKlasyfikatory: k-nn oraz naiwny Bayesa. Agnieszka Nowak Brzezińska Wykład IV
Klasyfikatory: k-nn oraz naiwny Bayesa Agnieszka Nowak Brzezińska Wykład IV Naiwny klasyfikator Bayesa Naiwny klasyfikator bayesowski jest prostym probabilistycznym klasyfikatorem. Zakłada się wzajemną
Bardziej szczegółowoRozpoznawanie obrazów
Rozpoznawanie obrazów Laboratorium Python Zadanie nr 1 Regresja liniowa autorzy: A. Gonczarek, J.M. Tomczak, S. Zaręba, M. Zięba, J. Kaczmar Cel zadania Celem zadania jest implementacja liniowego zadania
Bardziej szczegółowoElektrofizjologiczne podstawy lokalizacji ogniska padaczkowego. Piotr Walerjan
Elektrofizjologiczne podstawy lokalizacji ogniska padaczkowego Piotr Walerjan Elektrofizjologia w padaczce Dlaczego stosujemy metody elektrofizjologiczne w diagnostyce padaczki? Ognisko padaczkowe Lokalizacja
Bardziej szczegółowo