Ders AdıKodu Yerel KrediAKTS Ders (saat/hafta)Uygulama (saat/hafta)Laboratuar (saat/hafta)
Sayısal Görüntü İşlemede Özel KonularHRT522437.5300
ÖnkoşullarYok
YarıyılGüz
Dersin DiliTürkçe
Dersin SeviyesiYüksek Lisans
Dersin TürüSeçmeli @ Harita Mühendisliği ABD Uzaktan Algılama ve CBS Yüksek Lisans Programı
Seçmeli @ Harita Mühendisliği ABD Uzaktan Algılama ve CBS Doktora Programı
Ders KategorisiTemel Meslek Dersleri
Dersin Veriliş ŞekliYüz yüze
Dersi Sunan Akademik BirimHarita Mühendisliği Bölümü
Dersin KoordinatörüFATMAGÜL KILIÇ GÜL
Dersi Veren(ler)FATMAGÜL KILIÇ GÜL
Asistan(lar)ı
Dersin AmacıDersin iki ana amacı mevcuttur. Birinci amaç öğrencilere görüntü işlemede özel konularla ilgili yapacakları araştırmalarda yeterli altyapının oluşturulması, ikinci amaç öğrencilerin araştırma olgunluğuna sahip olabilmeleri için gerekli bağımsız ve özgün düşünce kapasitelerinin artırılmasıdır.
Dersin İçeriğiGiriş; Görüntüler, örnekleme ve frekans alanında işleme; Özel görüntü filtreleme yöntemleri; Uydu görüntüleri ve hava fotoğraflarından obje çıkartma algoritmaları; Bulanık mantık ve yapay sinir ağları ile obje tanıma; İlgi operatörleri; Özel görüntü korelasyonu algoritmaları; Markov rastlantısal alanlarının görüntü işlemede kullanımı; Hibrid bölge genişleme algoritmaları; Raster-vektör dönüşüm algoritmaları; Video görüntülerinden obje yakalama.
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
  • Ders Notları
  • D. Forsyth and J. Ponce, “Computer Vision: A Modern Approach”, Prentice Hall, Englewood Cliffs,NY, 2011.E. Trucco, A. Verri, "Introductory Techniques for 3-D Computer Vision", Prentice Hall, 1998.
  • I. Pitas, "Digital Image Processing Algorithms", Prentice Hall, 1993.R.C.Gonzales, R.E.Woods, "Digital Image Processing-Second Edition", Prentice Hall, 2002.
  • R. Haralik, L. Shapiro, "Computer and Robot Vision", Addison Wesley, 1993
  • Richard O. Duda, Peter E. Hart , David G . Stork, "Pattern Clasification", John Wiley and Sons, 2001
  • S. Nedevschi, "Prelucrarea imaginilor si recunoasterea formelor", Ed. Microinformatica, 1997
  • Y. Shirai, "Three-dimensional Computer vision", Springer-Verlag, 1987
  • W.E. Grimson, " Object Recognition by Computer: The Role of Geometric Constraints", MIT Press, 1990
Opsiyonel Program BileşenleriYok

Ders Öğrenim Çıktıları

  1. Öğrenciler görüntü işlemenin algoritmik yönleri anlamış olacaklardır.
  2. Öğrenciler özel görüntü işleme algoritma yaratma yeteneğine sahip olacaklardır.
  3. Öğrenciler görüntü işleme yöntemlerini tanımlayabilecek ve ilgili bir uygulamaya bunu aplike edebileceklerdir.

Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları

HaftaKonularÖn Hazırlık
1GirişN/A
2Görüntüler, örnekleme ve frekans alanında işlemeDers notları Bölüm-1
3Özel görüntü filtreleme yöntemleri Ders notları Bölüm-2
4Uydu görüntüleri ve hava fotoğraflarından obje çıkartma algoritmalarıDers notları Bölüm-3
5Uydu görüntüleri ve hava fotoğraflarından obje çıkartma algoritmalarıDers notları Bölüm-3
6Bulanık mantık ve yapay sinir ağları ile obje tanımlamaDers notları Bölüm-4
7Bulanık mantık ve yapay sinir ağları ile obje tanımlamaDers notları Bölüm-4
8Ara sınavDers notları Bölüm-5
9İlgi operatörleriN/A
10Özel görüntü korelasyonu algoritmalarıDers notları Bölüm-6
11Markov rastlantısal alanlarının görüntü işlemede kullanımıDers notları Bölüm-7
12Markov rastlantısal alanlarının görüntü işlemede kullanımıDers notları Bölüm-7
13Hibrid bölge genişletme algoritmalarıDers notları Bölüm-8
14Raster dan vektöre dönüşüm algoritmalarıDers notları Bölüm-9
15Raster dan vektöre dönüşüm algoritmalarıDers notları Bölüm-9
16Final sınavıN/A

Değerlendirme Sistemi

EtkinliklerSayıKatkı Payı
Devam/Katılım
Laboratuar
Uygulama
Arazi Çalışması
Derse Özgü Staj
Küçük Sınavlar/Stüdyo Kritiği
Ödev320
Sunum/Jüri320
Projeler
Seminer/Workshop
Ara Sınavlar120
Final140
Dönem İçi Çalışmaların Başarı Notuna Katkısı
Final Sınavının Başarı Notuna Katkısı
TOPLAM100

AKTS İşyükü Tablosu

EtkinliklerSayıSüresi (Saat)Toplam İşyükü
Ders Saati143
Laboratuar
Uygulama
Arazi Çalışması
Sınıf Dışı Ders Çalışması143
Derse Özgü Staj
Ödev320
Küçük Sınavlar/Stüdyo Kritiği
Projeler
Sunum / Seminer320
Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi)110
Final (Sınav Süresi + Sınav Hazırlık Süresi)111
Toplam İşyükü :
Toplam İşyükü / 30(s) :
AKTS Kredisi :
Diğer NotlarYok