到達目標
１．ディジタル画像処理の基礎，濃度変換，空間フィルタについて理解し，説明できる。
２．二値化画像，カラー画像処理について理解し，説明できる。
３．パターン認識，フーリエ変換による線図形処理，ニューラルネットワークについて理解し，説明できる。
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 | ディジタル画像処理の基礎，濃度変換，空間フィルタについて詳細に理解し，具体的に詳しく説明できる。 | ディジタル画像処理の基礎，濃度変換，空間フィルタについて理解し，説明できる。 | ディジタル画像処理の基礎，濃度変換，空間フィルタについて，十分に説明できない。 |
| 評価項目2 | 二値化画像，カラー画像処理について詳細に理解し，具体的に詳しく説明できる。 | 二値化画像，カラー画像処理について理解し，説明できる。 | 二値化画像，カラー画像処理について，十分に説明できない。 |
| 評価項目3 | パターン認識，フーリエ変換による線図形処理，ニューラルネットワークについて詳細に理解し，具体的に詳しく説明できる | パターン認識，フーリエ変換による線図形処理，ニューラルネットワークについて理解し，説明できる。 | パターン認識，フーリエ変換による線図形処理，ニューラルネットワークについて，十分に説明できない。 |
学科の到達目標項目との関係
教育方法等
概要:
マルチメディアコンテンツやWebさどで広く利用されている画像処理技術について解説する。まず，基礎知識として，画像の数値表現（ヒストグラム，三原色合成，HSB値による表現）を理解する。次に，画像の情報化手法として二値化処理について説明し，各種フィルタの概念と処理手法を理解するとともに，ソフトウエアによるコーディング手法を習得する。また，パターン認識の原理について述べ，フーリエ変換を用いた線図形化処理手法を身につける。
授業の進め方・方法:
講義と演習を組合わせて行なう。講義により画像処理の諸概念を理解する。演習によりそれらの諸概念を実現するため，Visual C#によるコード記述により理解を深める。
注意点:
本科目は，情報通信エレクトロニクス工学科の情報通信系専門科目にあり，3年次の「応用プログラミング」からつながり，5年次の「メディア工学」へとつながる。資格試験「CG検定」と関連する科目である。
本科目は，幅広い画像処理分野の基礎と一部の応用とを学ぶ。各自，興味と問題意識を持った自主的な取り組みにより，理解と創造性が培われる。質問は，講義中はもちろん，電子メールなどでも受け付ける。
本科目の規定授業時間数は６０時間である． 90分の授業に対して放課後・家庭で90分程度の自学自習が求められる。
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
| 前期 |
| 1stQ |
| 1週 |
ガイダンス |
本科目，全体について概要が理解できる。
|
| 2週 |
ディジタル画像の仕組み |
ディジタル画像の仕組み，アナログ画像とディジタル画像の利点などについて，理解し説明できる。
|
| 3週 |
画像処理の分類 |
画像処理の分類について，理解し説明できる。
|
| 4週 |
画像のディジタル表現 |
ディジタル画像の形態とその表現方法について，理解し説明できる。
|
| 5週 |
画像の性質とその定量化 |
画像処理で用いられる代表的な諸量について，理解し説明できる。
|
| 6週 |
画質改善(1) |
濃度値の補正，平滑化，ノイズ除去，空間フィルタについて，理解し説明できる。
|
| 7週 |
画質改善(2) |
画像の鮮鋭化について，理解し説明できる。
|
| 8週 |
画質改善(3) |
画像の歪み補正について，理解し説明できる。
|
| 2ndQ |
| 9週 |
中間試験 |
|
| 10週 |
二値化処理(1) |
二値化と閾値処理，連結性などについて，理解し説明できる。
|
| 11週 |
二値化処理(2) |
膨張と収縮，物体の形状特徴などについて，理解し説明できる。
|
| 12週 |
二値化処理(3) |
細線化，輪郭のベクトル化，フーリエ変換について，理解し説明できる。
|
| 13週 |
画像特徴の抽出(1) |
画像特徴の抽出処理である点検出処理，線検出処理について，理解し説明できる。
|
| 14週 |
画像特徴の抽出(2) |
画像の輪郭情報であるエッジの検出について，理解し説明できる。
|
| 15週 |
定期試験 |
|
| 16週 |
答案返却 |
答案を返却し、解答を解説する。
|
| 後期 |
| 3rdQ |
| 1週 |
カラー画像処理(1) |
加法混色と減法混色，表色系の概念について，理解し説明できる。
|
| 2週 |
カラー画像処理(1) |
カラー情報の処理について，理解し説明できる。
|
| 3週 |
活用される画像処理(1) |
周波数領域での処理，エッジ検出器について，理解し説明できる。
|
| 4週 |
活用される画像処理(2) |
応用場面に必要なテンプレートマッチングについて，理解し説明できる。
|
| 5週 |
活用される画像処理(3) |
応用場面に必要なステレオ視について，理解し説明できる。
|
| 6週 |
特徴軸の正規化 |
特徴軸のスケールの正規化について，理解し説明できる。
|
| 7週 |
特徴軸の選択 |
特徴軸の選択法であるKL展開について，理解し説明できる。
|
| 8週 |
中間試験 |
|
| 4thQ |
| 9週 |
クラスタリング |
|
| 10週 |
パターン照合によるパターン認識(1) |
幾つかの代表的なクラスタリングについて，理解し説明できる。
|
| 11週 |
パターン照合によるパターン認識(2) |
最短距離法について，理解し説明できる。
|
| 12週 |
統計的決定法によるパターン認識 |
ベイズ認識法について，理解し説明できる。
|
| 13週 |
新しい形の認識手法(1) |
ニューラルネットワークについて，理解し説明できる。
|
| 14週 |
新しい形の認識手法(2) |
サポートベクターマシンや識別器の組合せによるパターン認識について，理解し説明できる。
|
| 15週 |
定期試験 |
|
| 16週 |
答案返却 |
答案を返却し、解答を解説する。
|
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 |
| 専門的能力 | 分野別の専門工学 | 情報系分野 | プログラミング | 与えられた問題に対して、それを解決するためのソースプログラムを記述できる。 | 2 | |
| ソフトウェア生成に必要なツールを使い、ソースプログラムをロードモジュールに変換して実行できる。 | 2 | |
評価割合
| 試験 | レポート | 合計 |
| 総合評価割合 | 80 | 20 | 100 |
| 基礎的能力 | 20 | 10 | 30 |
| 専門的能力 | 60 | 10 | 70 |