| TSBB06 |
Multidimensionell signalanalys, 4 p
/
6 hp
/Multidimensional Signal Analysis/
För:
BME
D
I
Ii
IT
Y
|
| |
Prel. schemalagd
tid: 48
Rek. självstudietid: 112
|
| |
Utbildningsområde: Teknik
Ämnesgrupp: Elektroteknik Nivå (A-D):D
Huvudområde: Elektroteknik Nivå (G1,G2,A): A
|
| |
Mål:
IUAE-matris
Efter genomförd kurs ska man kunna använda begrepp och metoder inom signal- och bildbehandling som baseras på teori från linjär algebra. Det innebär att efter avslutad kurs förväntas studenten kunna:
- Använda homogena koordinater för geometri i två och tre dimensioner. Det inkluderar punkter och linjer i två dimensioner, punkter, plan och linjer i tre dimensioner, homografier och kameraprojektioner.
- Använda minstakvadratskattning för att lösa olika typer av problem inom området. Det inkluderar filteroptimering, total minstakvadratskattning, egenvärdes- och singulärvärdes problem, principalkomponentanalys (PCA).
- Använda baser och ramar för att formulera signaltransformationer, exempelvis wavelettransform och filterbankar.
|
| |
Förkunskaper: (gäller studerande antagna till program som kursen ges inom, se 'För:' ovan) Grundläggande linjär algebra: baser, skalärprodukter, minstakvadratproblem, egenvärdesproblem. Grundläggande signalbehandling motsvarande linjära system: sampling, faltning och Fourier-transform av envariabelsignaler. Grundläggande färdigheter i användning av Matlab rekommenderas.
OBS! Tillträdeskrav för icke programstudenter omfattar vanligen också tillträdeskrav för programmet och ev. tröskelkrav för progression inom programmet, eller motsvarande.
|
| |
Påbyggnadskurser Datorseende system och teori, bild- och ljudkodning, medicinsk bildanalys, neuronnät och lärande system, bildsensorer.
|
| |
Organisation: Kursen har ca 10 föreläsningar där grundläggande begrepp och teori presenteras. Dessa mynnar ut i ett antal laborationer som ofta är baserade på beräkningsuppgifter som löses i Matlab.
Kursen pågår hela hösttermienn.
|
| |
Kursinnehåll: Signalrum och signalbaser, dualbaser. Minstakvadratproblem, filteroptimering och normaliserad faltning. Egenvärdes- och singulärvärdesanalys. Principalkomponentanalys. Ramar, wavelet- transform och filterbankar. Projektiva rum, homogena koordinater, homografier, kameraprojektioner. Representation och skattning av 3D transformationer.
|
| |
Kurslitteratur: Kapitel i böcker och artiklar som tillhandahålls vid kursstart.
|
| |
Examination: |
TEN2 LAB1
|
Skriftlig tentamen (U,3,4,5) En laborationskurs (U,G) |
3 hp 3 hp
|
| |
|
|
|