Ders AdıKodu Yerel KrediAKTS Ders (saat/hafta)Uygulama (saat/hafta)Laboratuar (saat/hafta)
Görüntü AnaliziHRT425223200
ÖnkoşullarYok
YarıyılBahar
Dersin Diliİngilizce, Türkçe
Dersin SeviyesiLisans
Dersin TürüSeçmeli @ Harita Mühendisliği Lisans Programı
Ders KategorisiUzmanlık/Alan Dersleri
Dersin Veriliş ŞekliYüz yüze
Dersi Sunan Akademik BirimHarita Mühendisliği Bölümü
Dersin KoordinatörüFATMAGÜL KILIÇ GÜL
Dersi Veren(ler)FATMAGÜL KILIÇ GÜL
Asistan(lar)ı
Dersin AmacıBu dersin amacı; görüntüden bilgi çıkarımı konusunda kullanılan yöntem ve yeni yaklaşımların aktarılmasıdır. Obje temelli sınıflandırma ve bilgi çıkarımı, bulanık mantık ve yapay sinir ağlarının görüntü işlemede kullanılması konuları derste tartışılacaktır. Öğrencilerin bu dersi aldıktan sonra görüntü analizi ile ilgili yeni yaklaşımları öğrenmesi ve uygulama ortamında yöntem seçiminde doğru kararlar verme becerisini kazanması beklenmektedir
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.
Opsiyonel Program BileşenleriYok

Ders Öğrenim Çıktıları

  1. Görüntü eşleme probleminin çözümü için en uygun yöntemi tanımlar.
  2. Hangi görüntü görüntü sınıflandırma 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. Obje çıkartma yöntemlerinin uygulanabilirliğini değerlendirir.

Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları

HaftaKonularÖn Hazırlık
1Görüntü topolojisi Ders notu (1. Bölüm)
2Görüntü bölütleme yöntemleri Ders notu (2. Bölüm)
3Görüntü bölütleme yöntemleri Ders notu (2. Bölüm)
4Görüntü bölütleme yöntemleri Ders notu (2. Bölüm)
5Özellik çıkarma yöntemleriDers notu (3. Bölüm)
6Özellik çıkarma yöntemleriDers notu (3. Bölüm)
7 Doku analiziDers notu (3. Bölüm)
8Ara sınavDers notu (4. Bölüm)
9Obje temelli sınıflandırmaN/A
10Obje temelli ve piksel temelli sınıflandırmanın karşılaştırılmasDers notu (5. Bölüm)
11Obje temelli ve piksel temelli sınıflandırmanın karşılaştırılması Ders notu (5. Bölüm)
12Görüntü işlemede bulanık mantık Ders notu (5. Bölüm)
13Görüntü işlemede bulanık mantık Ders notu (6. Bölüm)
14Görüntü işlemede yapay zeka uygulamalarıN/A
15SunumlarN/A
16Final SınavıN/A

Değerlendirme Sistemi

EtkinliklerSayıKatkı Payı
Devam/Katılım00
Laboratuar00
Uygulama00
Arazi Çalışması00
Derse Özgü Staj00
Küçük Sınavlar/Stüdyo Kritiği00
Ödev110
Sunum/Jüri
Projeler00
Seminer/Workshop00
Ara Sınavlar150
Final140
Dönem İçi Çalışmaların Başarı Notuna Katkısı
Final Sınavının Başarı Notuna Katkısı
TOPLAM100

AKTS İşyükü Tablosu

EtkinliklerSayıSüresi (Saat)Toplam İşyükü
Ders Saati142
Laboratuar
Uygulama
Arazi Çalışması
Sınıf Dışı Ders Çalışması143
Derse Özgü Staj
Ödev
Küçük Sınavlar/Stüdyo Kritiği
Projeler
Sunum / Seminer112
Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi)14
Final (Sınav Süresi + Sınav Hazırlık Süresi)14
Toplam İşyükü :
Toplam İşyükü / 30(s) :
AKTS Kredisi :
Diğer NotlarYok