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 |