beskriva och använda avancerade filtreringsmetoder för att reducera brus och förstärka kanter;
beskriva ett antal sofistikerade segmenteringsmetoder, både bild- och modellbaserade;
beskriva digital topologi och geometri i 2 och 3 dimensioner;
tillämpa klassificeringsalgoritmer för att tolka innehållet i bilder;
tillämpa olika tekniker för kvalitetsbedömning av segmentering, kvantitativ analys och klassificering.
Kursinnehåll
Metodik för att lösa bildanalysproblem. Analys av 3D-bilder (volym, stereo och tidsserier). Bildförbättring. Segmentering och detektion av kanter i bilder. Registrering av bilder baserad på sökning och optimering. Digital geometri och matematisk morfologi. Datorseende. Klassificering. Deep learning för bildsegmentering och klassificering.
Förutsättningar
120 hp inklusive Datoriserad bildanalys I eller motsvarande. Minst 5 hp matematisk statistik. Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)