mislo

Fakulteta za elektrotehniko, računalništvo in informatiko · Univerza v Mariboru

Signali in slike

Za predmet Signali in slike še ni zapiskov.

Imaš svoje zapiske? Objavi jih: ceno določiš ti, z naročnino ti ostane cela, DDV se doda kupcu.

Objavi zapiske

Čakaš na zapiske? Prijavi se in povej. Ko jih kdo objavi, dobiš sporočilo.

Želim zapiske

Kaj lahko narediš že danes

Naloži svoje gradivo za predmet Signali in slike: Mai ga prebere in ti iz njega naredi kartice, kviz in razlago, ko ti kaj ni jasno. Če zapiske kasneje objaviš, jih prodajaš tukaj.

Naloži svoje gradivo

Učni načrt

Podatki so iz učnega načrta, ki ga objavlja Fakulteta za elektrotehniko, računalništvo in informatiko. Prebrano 6. 9. 2026. Poglej izvirnik

6 kreditnih točk

Obveznosti v urah

  • Predavanja30 ur
  • Vaje45 ur
  • Samostojno delo105 ur

Vsebina

  1. Uvod: osnovni pojmi zveznih sistemov, princip zvezne Fourierove transformacije in njena uporaba pri analizi frekvenčnih lastnosti signalov. Konvolucija kot temeljna operacija pri obdelavi signalov, z vidika časovne in frekvenčne domene ter njene uporabe pri filtriranju, odzivih sistemov in povezovanju signalov.
  2. Vzorčenje: Nyquistov kriterij, bitna ločljivost. Prehod k diskretnim sistemom in transformacijam, z-transformacija, diskretna Fourierova transformacija. Hitra Fourierova transformacija. Kratkočasovna Fourierova transformacija.
  3. Načrtovanje digitalnih filtrov: pregled metod digitalnega filtriranja, vključno z razvojem na osnovi glavničnega filtra in uporabe okenskih funkcij. Analiza in implementacija MA, AR, ARMA ter FIR in IIR filtrov, z ocenami stabilnosti, frekvenčnih karakteristik ter tehnikami analize in optimizacije filtrov za učinkovito obdelavo signalov.
  4. Predobdelava slik: histogram sivin, bravni prostori, lokalni operatorji, glajenje, izenačevanje in binarizacija. Adaptivno izenačevanje histograma, filtriranje robov, medianin in bilateralni filter, odstranjevanje šuma, normalizacija intenzitet in prilagoditvev kontrasta za izboljšanje kakovosti vhodnih slik pred nadaljnjo analizo ali računalniško obdelavo.
  5. Segmentacija slik: klasične metode, kot so pragovni postopki, detekcija robov (gradientni operatorji, Cannyjev algoritem) in rast regij, ter sodobni pristopi z nevronskimi mrežami, vključno z uporabo konvolucijskih nevronskih mrež (CNN), U-Net arhitektur in globokega učenja za semantično segmentacijo.
  6. Razpoznavalni sistem: osnovni postopki odkrivanja slikovnih značilk in preprosti pristopi za rotacijsko neodvisno prepoznavanje objektov, ter sodobne metode, ki temeljijo na globokem učenju, vključno s konvolucijskimi nevronskimi mrežami (CNN) za ekstrakcijo značilk, prenosom učenja (transfer learning) ter metodami za robustno prepoznavanje objektov pri variacijah skale, rotacije, osvetlitve in ozadja.
  7. Klasifikacija značilk in merila uspešnosti: postopki klasifikacije značilk s klasičnimi in globokimi učnimi algoritmi ter ocena njihove učinkovitosti z merili, kot so natančnost, senzitivnost, specifičnost, preciznost, F1 in analiza ROC krivulje. Celovito vrednotenje zmogljivosti klasifikatorjev pri razpoznavanju vzorcev in odločanju.

Ocenjevanje

Ustni izpit 50 %, Laboratorijsko delo 50 %

Pogoji za vključitev

Ni pogojev.

Literatura

  • W. K. Pratt: Introduction to Digital Image Processing, CRC Press, Boca Raton, 2014.

Kako deluje

  1. Zapiske kupiš enkrat in ostanejo tvoji.
  2. V aplikaciji iz njih dobiš kartice, kvize in Mai, ki pozna gradivo.
  3. Ceno določi avtor. Prodajalec je Mislo AI, račun dobiš od nas.