Ders AdıKodu Yerel KrediAKTS Ders (saat/hafta)Uygulama (saat/hafta)Laboratuar (saat/hafta)
Görüntü AnaliziHRT426123200
ÖnkoşullarYok
YarıyılBahar
Dersin DiliTürkçe
Dersin SeviyesiLisans
Dersin TürüSeçmeli @ Harita Mühendisliği Lisans Programı
Ders KategorisiTemel Meslek Dersleri
Dersin Veriliş ŞekliYüz yüze
Dersi Sunan Akademik BirimHarita Mühendisliği Bölümü
Dersin KoordinatörüBÜLENT BAYRAM
Dersi Veren(ler)BÜLENT BAYRAM
Asistan(lar)ı
Dersin AmacıGörüntüden bilgi çıkarımı konusunda kullanılan yöntem ve yeni yaklaşımların aktarılmasıdır.
Dersin İçeriğiGörüntü topolojisi, bölütleme, özellik çıkarma, doku analizi, obje yakalama, obje-temelli sınıflandırma, görüntü analizinde bulanık mantık ve yapay sinir ağlarının uygulanması
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
  • W.E. Grimson, Object Recognition by Computer: The Role of Geometric Constraints, MIT Press, 1990.
  • D. Forsyth and J. Ponce, “Computer Vision: A Modern Approach”, Prentice Hall, Englewood Cliffs,NY, 2011
  • E. Trucco, A. Verri, "Introductory Techniques for 3-D Computer Vision", Prentice Hall, 1998.
  • I. Pitas, "Digital Image Processing Algorithms", Prentice Hall, 1993.
  • R.C.Gonzales, R.E.Woods, "Digital Image Processing ", Prentice Hall, 2002.
  • R. Haralik, L. Shapiro, "Computer and Robot Vision", Addison Wesley, 1993.
  • Richard O. Duda, Peter E. Hart , David G . Stork, "Pattern Clasification", John Wiley and Sons, 2001
  • Y. Shirai, "Three-dimensional Computer vision", Springer-Verlag, 1987.
  • Feature Extraction & Image Processing for Computer Vision , M. Nixon, A.S. Aguado, 2012
  • Digital Image Processing, R.C.Gonzales, R.E.Woods, 2008.
  • Bernd Jähne, Digital Image Processing, Springer-Verlag Berlin Heidelberg 2005
  • William K. Pratt , Digital Image Processing: PIKS Inside, John Wiley & Sons, Inc. 2002
  • John C. Russ, The Image Processıng Handbook, Taylor & Francis Group, 2007
Opsiyonel Program BileşenleriYok

Ders Öğrenim Çıktıları

  1. Görüntü bölütleme probleminin çözümü için en uygun yöntemi tanımlar.
  2. Hangi görüntü bölütleme yönteminin hangi problemde kullanılabileceğini saptar.
  3. Görüntü filtreleme yöntemlerini obje yakalama/çıkartma probleminin çözümünde uygular.
  4. Görüntü bölütleme problemlerinin çözümü için bölütleme yöntemlerini karşılaştırır.
  5. Görüntü basitleştirme problemlerinin çözümü için çözüm önerir.
  6. Görüntü işleme probleminin çözümü için iş akış sürecini tanımlar.
  7. Etkin rapor yazar ve yazılı raporları anlar, tasarım ve üretim raporları hazırlayabilir.

Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları

HaftaKonularÖn Hazırlık
1Görüntü topolojisi
2Mean-shift bölütleme
3Simple iterative linear clustering yöntemi
4Particle Swarm optimizasyon yöntemi
5Random Forest yöntemi
6K-Means, C-Means yöntemi
7Support Vector Machine yöntemi
8Support Vector Machine yöntemi
9Ara Sınav 1
10Yapay Sinir Ağları
11Yapay Sinir Ağları
12Doku analizi
13Görüntü işlemede bulanık mantık
14Görüntü işlemede bulanık mantıkN/A
15Final

Değerlendirme Sistemi

EtkinliklerSayıKatkı Payı
Devam/Katılım00
Laboratuar00
Uygulama00
Arazi Çalışması00
Derse Özgü Staj00
Küçük Sınavlar/Stüdyo Kritiği00
Ödev130
Sunum/Jüri
Projeler00
Seminer/Workshop00
Ara Sınavlar130
Final140
Dönem İçi Çalışmaların Başarı Notuna Katkısı
Final Sınavının Başarı Notuna Katkısı
TOPLAM100

AKTS İşyükü Tablosu

EtkinliklerSayıSüresi (Saat)Toplam İşyükü
Ders Saati132
Laboratuar
Uygulama
Arazi Çalışması
Sınıf Dışı Ders Çalışması132
Derse Özgü Staj
Ödev114
Küçük Sınavlar/Stüdyo Kritiği
Projeler
Sunum / Seminer00
Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi)110
Final (Sınav Süresi + Sınav Hazırlık Süresi)114
Toplam İşyükü :
Toplam İşyükü / 30(s) :
AKTS Kredisi :
Diğer NotlarYok