| BİLGİ TEKNOLOJİLERİ (İNGİLİZCE, TEZSİZ) | |||||
| Yüksek Lisans | TYYÇ: 7. Düzey | QF-EHEA: 2. Düzey | EQF-LLL: 7. Düzey | ||
| Ders Kodu | Ders Adı | Yarıyıl | Teorik | Pratik | Kredi | AKTS |
| CMP5126 | Görüntü ve Video İşleme | Güz Bahar |
3 | 0 | 3 | 12 |
| Bu dersin açılması ilgili bölüm tarafından yarıyıl başında belirlenir |
| Öğretim Dili: | En |
| Dersin Türü: | Departmental Elective |
| Dersin Seviyesi: | LİSANSÜSTÜ |
| Dersin Veriliş Şekli: | Yüz yüze |
| Dersin Koordinatörü: | Dr. Öğr. Üyesi LAVDİE RADA ÜLGEN |
| Dersin Amacı: | Sayısal görüntü işleme, sayısal görüntü işlemenin temelleri, görüntü dönüşümü, görüntü iyileştirme teknikleri, görüntü restorasyon teknikleri, görüntü sıkıştırma ve segmentasyon hakkında bilgi edinmeyi ve anlamayı içerir. Öğrenciler, görüntü işleme problemlerinin çözümünde temel bilimlerin ve matematiğin uygulanmasına ilişkin sezgisel bir anlayış edinmelidir. Öğrenciler yetenekli analizler üretebilmeli ve verilen bir dijital görüntü verisinin analizi ve yorumlanması için gerekli ihtiyaçlar için bir sistem / bileşen / süreç tasarlayabilmeli ve geliştirebilmelidir. Öğrenciler MATLAB kullanarak görüntü işleme yöntemlerinin uygulanması konusunda deneyim kazanmalıdır. Bu ders, öğrencileri görüntü işlemeyi içeren çok disiplinli mühendislik zorluklarına yaklaşmaları için eğitir ve onları küresel eğitim standartları aracılığıyla mühendislik mesleğinde başarılı bir kariyer için rekabet etmeye hazırlar. |
|
Bu dersi başarıyla tamamlayabilen öğrenciler; Bu dersi başarıyla tamamlayabilen öğrenciler 1. Görüntü temsili ve görüntüleme sistemlerini öğrenmek ve anlamak; 2. Sayısal görüntü işleme ve görüntü temsilinin temelleri; 3. Görüntü iyileştirme tekniklerini öğrenmek ve anlamak; 4. Görüntü restorasyon tekniklerini ve yöntemlerini öğrenmek ve anlamak; 5. Morfolojik görüntü işleme manipülasyonunu öğrenmek ve anlamak; 6. Görüntü bölütleme ve çakıştırmayı öğrenmek ve anlamak; 7. Görüntü sıkıştırmayı öğrenmek ve anlamak; 8. Matlab'da gerçek hayatla ilgili problemleri kodlayabileceklerdir. |
| Bu ders, öğrencileri görüntü analizi, matematiksel modelleme ve hesaplama tekniklerinde pratik becerilerle donattığı için mühendislik programları için gereklidir. Öğrenciler karmaşık sistemleri çözmeyi, hata analizi yapmayı ve mühendislikte veri analizi ve optimizasyon için hayati önem taşıyan enterpolasyon, eğri uydurma ve en küçük kareler yöntemlerini uygulamayı öğrenirler. Ders, sinyal işleme ve akışkanlar mekaniği gibi alanlar için gerekli olan sayısal türev, integral ve Fourier dönüşümlerini kapsamaktadır. Ayrıca, öğrenciler kontrol sistemleri ve görüntü işleme ile ilgili özdeğer problemleri ve tekil değer ayrıştırma konularında deneyim kazanırlar. MATLAB aracılığıyla, öğrenciler sayısal yöntemleri uygular ve test eder, gerçek dünyadaki mühendislik uygulamalarında problem çözme yeteneklerini geliştirir. |
| Hafta | Konu | Ön Hazırlık | |
| 1) | Görüntü işlemeye giriş | ||
| 2) | Görüntü gösterimi ve görüntüleme sistemleri | ||
| 3) | Görüntü işlemenin temelleri | ||
| 4) | Görüntü İyileştirme - Histogram Modelleme | ||
| 5) | Frekans alanında görüntü iyileştirme | ||
| 6) | Görüntü Bozulma / Restorasyon süreci modeli | ||
| 7) | Ara sınav | ||
| 8) | Morfolojik görüntü işleme | ||
| 9) | Bulanıklaştırma ve Bulanıklığı Giderme | ||
| 10) | Image Segmentation: Detection of discontinuities | ||
| 11) | Renkli görüntü işleme | ||
| 12) | Görüntü işlemenin farklı uygulamaları | ||
| 13) | Analog ve dijital videonun temelleri | ||
| 14) | Revizyon ve proje sunumu | ||
| Ders Notları: | 1. Rafael C Gonzalez, Richard E Woods, "Digital Image Processing" - 2nd Edition, Pearson Education 2003 2. Geoff Dougherty 'Digital Image Processing for Medical Applications' Cambridge University Press, 2009 |
| Diğer Kaynaklar: | 1. T2. Jain A.K., "Fundamentals of Digital Image Processing", Pearson education 2. William K Pratt, "Digital Image Processing", John Willey 2001 3. Millman Sonka, Vaclav Hlavac, Roger Boyle, Broos/Colic, "Image Processing Analysis and Machine Vision" - Thompson Learning, 1999. 4. Chanda S., Dutta Majumdar - "Digital Image Processing and Applications", Prentice Hall of India, 2000 |
| Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
| Devam | % 0 | |
| Laboratuar | % 0 | |
| Uygulama | % 0 | |
| Arazi Çalışması | % 0 | |
| Derse Özgü Staj | % 0 | |
| Küçük Sınavlar | 2 | % 10 |
| Ödev | 1 | % 15 |
| Sunum | % 0 | |
| Projeler | 1 | % 35 |
| Seminer | % 0 | |
| Ara Sınavlar | 1 | % 10 |
| Ara Juri | % 0 | |
| Final | 1 | % 30 |
| Rapor Teslimi | % 0 | |
| Juri | % 0 | |
| Bütünleme | % 0 | |
| Toplam | % 100 | |
| YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 35 | |
| YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 65 | |
| Toplam | % 100 | |
| Etkisi Yok | 1 En Düşük | 2 Düşük | 3 Orta | 4 Yüksek | 5 En Yüksek |
| Dersin Program Kazanımlarına Etkisi | Katkı Payı | |
| 1) | Temel Yazılım Mühendisliği bilgi ve yetkinliklerini kullanır. | |
| 2) | Yazılım Mühendisliği uygulamaları için gerekli olan program geliştirme becerisini uygular. | |
| 3) | Veri yapılarını kullanır ve algoritma geliştirme bilgilerini uygular. | |
| 4) | İşletim sistemleri üzerinde sistem programları geliştirir. | |
| 5) | Bilgisayar organizasyonu, tasarımı ve mimarilerini tanımlar. | |
| 6) | Bilgisayar ağları ve ağ güvenliği yapılarını oluşturur. | |
| 7) | İş zekası, veri madenciliği ve veri analizi araçlarını kullanır, tekniklerini uygular. | |
| 8) | Veritabanı uygulamaları ve WEB tabanlı programlar geliştirir. | |
| 9) | Bilgi teknolojileri projelerini tanımlar, analiz eder, tasarlar ve yönetir. | |
| 10) | Eğitimde teknoloji tabanlı ortamları ve araçları kullanır ve geliştirir. | |
| 11) | İş ortamındaki bilişim teknolojileri ihtiyaçlarını saptar, tanımlar ve çözer. | |
| 12) | Bilişim teknolojileri yetkinliklerini mesleki sorumluluklar ve etik kuralları çerçevesinde kullanır. |