Вариационные методы обработки изображений

Запись на курс

Запись на курс закрыта.

Расписание

Весенний семестр 2024 года: по четвергам в 10:30 очно, аудитория 759.

Критерии получения оценок на экзамене

В курсе будет 2 практических задания.
По итогам выполнения заданий будет сформирован leaderboard.

Экзамен будет проходить в устной форме. В каждом билете 2 вопроса.

Будет контролироваться посещаемость. В случае пропуска более 2 лекций пропадает возможность получить "автомат".

Для 3 курса бакалавриата и 1 курса магистратуры

В случае отсутствия выполненных заданий - максимальная оценка на экзамене "хорошо".
В случае выполнения одного задания - максимальная оценка на экзамене "отлично".
В случае выполнения двух заданий и попадания в TOP-50% leaderboard - студент получает "отлично" и освобождается от экзамена ("автомат").

Для 2 курса магистратуры

В случае выполнения одного задания и наличия не более 2 пропусков лекций - студент получает "зачет автомат" и освобождается от экзамена.
В остальных случаях "зачет" будет выставляться по итогам устного экзамена.

Лекции

  • Лекция 1: Некорректные задачи в обработке изображений [TBA]
  • Лекция 2: Современные методы регуляризации [TBA]
  • Лекция 3: Численные методы минимизации регуляризирующих функционалов [TBA]
  • Лекция 4: Метод активных контуров для сегментации изображений [TBA]
  • Лекция 5: Введение в методы линий уровня (level sets) и алгоритм "быстрого марширования" (fast marching) [TBA]
  • Лекция 6: Численные методы для линий уровня (level sets) и геодезические активные контуры [TBA]
  • Лекция 7: Метод активных контуров без использования границ (минимизация функционала Chan-Vese) [TBA]
  • Лекция 8: Обучаемые активные контуры [TBA]
  • Лекция 9: Основы совмещения изображений, методы жесткого совмещения [TBA]
  • Лекция 10: Методы нежесткого совмещение изображений [TBA]

Материалы

  • Методическое пособие Насонов А.В., Крылов А.С. "Регуляризирующие методы повышения качества изображений" [PDF]
  • Методическое пособие Сорокин Д.В., Крылов А.С. "Метод активных контуров для сегментации изображений" [PDF]

Задания

Два практических задания, обязательных к выполнению: одно по восстановлению изображений, второе — по активным контурам.
Язык программирования — Python 3.

Сдача происходит через Telegram, задания присылать @xubiker
В сообщении укажите номер задания, ФИО и номер группы (например, "Задание 1. Пупкин Василий Васильевич 401").

Список вопросов к экзамену

Будет выложен позже.

Литература

  • А.В.Насонов, А.С.Крылов. Регуляризирующие методы повышения качества изображений: учебно-методическое пособие, М.: МАКС Пресс, 2022, 28 с.
  • Д.В.Сорокин, А.С.Крылов. Метод активных контуров для сегментации изображений: учебно-методическое пособие, М.: МАКС Пресс, 2022, 16 с.
  • S. Osher, R. Fedkiw. Level Set Methods and Dynamic Implicit Surfaces. Springer 2003.
  • S. Osher, N. Paragios. Geometric Level Set Methods in Imaging, Vision, and Graphics. Springer 2003.
  • R. Kimmel. Numerical Geometry of Images: Theory, Algorithms, and Applications. Springer 2004.
  • E. Sakhaee. A Tutorial on Active Contours. 2014.
  • L. A. Vese, C. Le Guyader. Variational methods in image processing. CRC Press 2015.
  • А.Н.Тихонов, В.Я.Арсенин. Методы решения некорректных задач, М.: Наука, 1979, 288 с.
  • С.Малла. Вейвлеты в обработке сигналов, Пер. с англ. М.: Мир, 2005, 671 с.
  • В.В.Васин. О связи некоторых вариационных методов приближённого решения некорректных задач, Математические заметки, т. 7, №3, 1970, с. 265-272.
  • Stephen Boyd, Almir Mutapcic. Subgradient Methods. Notes for EE364b, Stanford University, Winter 2006-07.
  • Ilya Sutskever, et al. On the importance of initialization and momentum in deep learning. ICML Vol. 3, No. 28, pp. 1139-1147, 2013.