到達目標
1.統合開発環境を用いて画像処理プログラムを動作させることができる
2.画像処理の基礎的な技法を理解し、対象画像に対して適用することができる
3.複数の画像処理技法を組み合わせて任意の特徴を画像から抽出することができる
ルーブリック
| 理想的な到達レベルの目安 | 標準的な到達レベルの目安 | 未到達レベルの目安 |
評価項目1 | サンプルプログラムを改編し、自らが必要な機能を実装できる。 | 与えられたサンプルプログラムを用いて画像処理の動作確認が行える。 | 与えられたサンプルプログラムの動作確認ができない。 |
評価項目2 | サンプルプログラムのみでは抽出できない特徴量についても抽出が行える。 | 適当な対象画像から画像処理を用いて特徴量を抽出できる。 | 画像処理によって対象画像から特徴を抽出できない。 |
評価項目3 | 複数の画像処理技法を組み合わせるプログラムが実装でき、任意の特徴を抽出することができる。 | 組み合わせた処理について順序立てて適用することにより任意の特徴量が抽出できる。 | 課題設定ができない、画像処理を組み合わせた特徴抽出ができない。 |
学科の到達目標項目との関係
教育方法等
概要:
画像処理の基本技法について学んだ後に、自ら設定する応用処理についての検討を行い、複数の技法を組み合わせた処理系を考案し、特徴抽出を行う。
※実務との関係
この科目は企業でソフトウエア開発を担当していた教員が、その経験を活かし、画像処理の設計手法等について講義・演習形式で授業を行うものである。
授業の進め方・方法:
授業は、毎回ひとつの画像処理の基本技法の紹介、それに関する演習を行う。
統合開発環境を用いて、プログラムを実装し、実際の画像に対して処理を適用し特徴量を抽出する。
注意点:
OpenCVライブラリを用いたプログラミングにより、画像情報処理に関する演習を行うため、プログラミングに関する授業を履修していること。
授業の属性・履修上の区分
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
後期 |
3rdQ |
1週 |
画像を対象としたパターン認識概論 |
画像の特徴を抽出することによる各種事例を紹介し本科目の狙いを説明できる。
|
2週 |
コンピュータにおける画像の取り扱い |
コンピュータにおける画像のデータ構造、標本化・量子化による画像生成について説明できる。
|
3週 |
画像の統計量、ヒストグラム |
画像の基本的な統計量のひとつであるヒストグラムの性質、利用方法について説明できる。
|
4週 |
周波数領域での処理 |
空間周波数、フーリエ変換、空間周波数領域でのフィルタ処理を説明できる。
|
5週 |
色彩情報の取り扱い |
コンピュータにおける色情報の取り扱い、混色と等色について説明できる。
|
6週 |
エッジ検出・コーナー検出 |
代表的なエッジ検出手法およびコーナー検出手法について説明できる。
|
7週 |
直線・曲線の検出 |
ハフ変換等による直線、曲線の検出について説明できる。
|
8週 |
領域分割 |
k平均法および平均値シフト法による領域分割について説明できる。
|
4thQ |
9週 |
テクスチャ解析 |
テクスチャ画像、特徴量の計算、領域の分割について説明できる。
|
10週 |
距離情報の抽出 |
ステレオ法による計測原理について説明できる。
|
11週 |
Haar like 特徴による顔認識 |
Haar likec特長の原理を理解し、どのように顔認識をしているか説明できる。
|
12週 |
HOG特徴による人検出 |
HOG特徴を利用した人検出手法について説明できる。
|
13週 |
画像情報処理の応用(1) |
これまでに学習した画像情報処理を利用して任意の領域を抽出する処理系を提案できる。
|
14週 |
画像情報処理の応用(2) |
13週で提案した処理系をOpenCVを用いて実装できる。
|
15週 |
画像情報処理の応用(3) |
作成した処理系を用いて実験を行った結果について他の学生に説明できる。
|
16週 |
|
|
モデルコアカリキュラムの学習内容と到達目標
分類 | 分野 | 学習内容 | 学習内容の到達目標 | 到達レベル | 授業週 |
評価割合
| 試験 | 発表 | 相互評価 | 態度 | ポートフォリオ | その他 | 合計 |
総合評価割合 | 0 | 20 | 20 | 0 | 60 | 0 | 100 |
基礎的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
専門的能力 | 0 | 0 | 20 | 0 | 60 | 0 | 80 |
分野横断的能力 | 0 | 20 | 0 | 0 | 0 | 0 | 20 |