Распознавание образов - Рабочая программа дисциплины - 09.04.03. Прикладная информатика - Направления подготовки

Закреплена за кафедрой	Кафедра информатики
Направление подготовки	09.04.03. Прикладная информатика
Профиль	Цифровые технологии анализа данных для устойчивого развития регионов Северной и Центральной Азии
Форма обучения	Очная
Общая трудоемкость	4 ЗЕТ
Учебный план	09_04_03_Прикладная информатика_ЦТАД_ЦА-2022

Курс (семестр)	2 (3)	Итого
Недель	16
Вид занятий	УП	РПД	УП	РПД
Лекции	14	14	14	14
Лабораторные	22	22	22	22
Сам. работа	108	108	108	108
Итого	144	144	144	144

1. Цели освоения дисциплины

1.1.	сформировать теоретические знания о математическом и алгоритмическом аппарате, используемом в современных системах распознавания образов, выработать умения по практическому применению методов и технологий распознавания образов для построения формальных математических моделей и интерпретации результатов моделирования при решении прикладных задач в различных областях, выработка умений и навыков использования различных программных инструментов распознавания образов и построения формальных математических моделей, выработка умений построения систем распознавания образов с использованием высокоуровневых программных средств.

1.1.

сформировать теоретические знания о математическом и алгоритмическом аппарате, используемом в современных системах распознавания образов, выработать умения по практическому применению методов и технологий распознавания образов для построения формальных математических моделей и интерпретации результатов моделирования при решении прикладных задач в различных областях, выработка умений и навыков использования различных программных инструментов распознавания образов и построения формальных математических моделей, выработка умений построения систем распознавания образов с использованием высокоуровневых программных средств.

2. Место дисциплины в структуре ООП

Цикл (раздел) ООП: Б1.О.03

3. Компетенции обучающегося, формируемые в результате освоения дисциплины

ОПК-2	Способен разрабатывать оригинальные алгоритмы и программные средства, в том числе с использованием современных интеллектуальных технологий, для решения профессиональных задач;
ОПК-2.1	Знает современные интеллектуальные технологии.
ОПК-2.2	Умеет обосновывать выбор современных интеллектуальных технологий и программной среды при разработке оригинальных программных средств для решения профессиональных задач.
ОПК-2.3	Владеет опытом разработки оригинальных алгоритмов и программных средств, в том числе с использованием современных интеллектуальных технологий, для решения профессиональных задач.
ОПК-4	Способен применять на практике новые научные принципы и методы исследований;
ОПК-4.1	Знает новые научные принципы и методы исследований.
ОПК-4.2	Умеет применять новые научные принципы иметоды исследований при решении задач профессиональной деятельности.
ОПК-6	Способен исследовать современные проблемы и методы прикладной информатики и развития информационного общества;
ОПК-6.1	Знает современные проблемы и методы прикладной информатики.
ОПК-6.2	Умеет проводить анализ проблем развития информационного общества.
В результате освоения дисциплины обучающийся должен
3.1.	Знать:
3.1.1.	различные подходы к построению систем распознавания образов, соотношение дисциплины «распознавание образов», ее предмета и методов с такими областями как математическая статистика, интеллектуальный анализ данных, машинное обучение, компьютерное зрение, методы оптимизации, дискретная математика, прикладные области и постановки прикладных задач, в которых применяются методы распознавания образов и анализа изображений.
3.2.	Уметь:
3.2.1.	применять основные положения теории обучения по прецедентам, методы кластеризации, методы классификации, методы регрессионного анализа, использовать методы анализа многомерных данных, методы снижения размерности данных и отбора информативных признаков, определять возможности, условия применимости и свойства наиболее распространенных методов машинного обучения при построении, проверке качества и эксплуатации формальных математических моделей.
3.3.	Иметь навыки и (или) опыт деятельности (владеть):
3.3.1.	построения и интерпретации формальных математических моделей в терминах прикладной области, решения прикладных задач с подбором подходящих методов и программных средств распознавания образов, конструирования систем распознавания образов на базе высокоуровневых программных средств.

4. Структура и содержание дисциплины

Код занятия	Наименование разделов и тем	Вид занятия	Семестр	Часов	Литература
Раздел 1. Обработка изображений
1.1.	Введение в обработку и анализ изображений, соотношение с распознаванием образов. Примеры приложений обработки и анализа изображений. Изображение: способы оцифровки, описания и представления. Группы методов обработки изображений: улучшение изображений, восстановление изображений, анализ изображений, сжатие изображений. Основные параметры растровых изображений (разрешение, размер в пикселах). Цветовые модели (RGB, CMYK, CIE-XYZ, Lab, HSV) и режимы (полноцветный, в градациях серого, в индексированных цветах, бинарный). Форматы файлов и их особенности (RAW, BMP, GIF, JPG). Представление изображений. Цветовые режимы. Системы координат на изображении. Чтение и запись изображений. Функции преобразования типов изображений. Визуализация изображений	Лекции	3	1	Л1.1, Л2.2, Л1.3, Л1.2, Л2.1
1.2.	Введение в обработку и анализ изображений, соотношение с распознаванием образов. Примеры приложений обработки и анализа изображений. Изображение: способы оцифровки, описания и представления. Группы методов обработки изображений: улучшение изображений, восстановление изображений, анализ изображений, сжатие изображений. Основные параметры растровых изображений (разрешение, размер в пикселах). Цветовые модели (RGB, CMYK, CIE-XYZ, Lab, HSV) и режимы (полноцветный, в градациях серого, в индексированных цветах, бинарный). Форматы файлов и их особенности (RAW, BMP, GIF, JPG). Представление изображений. Цветовые режимы. Системы координат на изображении. Чтение и запись изображений. Функции преобразования типов изображений. Визуализация изображений	Лабораторные	3	4	Л1.1, Л2.2, Л1.3, Л1.2, Л2.1
1.3.	Введение в обработку и анализ изображений, соотношение с распознаванием образов. Примеры приложений обработки и анализа изображений. Изображение: способы оцифровки, описания и представления. Группы методов обработки изображений: улучшение изображений, восстановление изображений, анализ изображений, сжатие изображений. Основные параметры растровых изображений (разрешение, размер в пикселах). Цветовые модели (RGB, CMYK, CIE-XYZ, Lab, HSV) и режимы (полноцветный, в градациях серого, в индексированных цветах, бинарный). Форматы файлов и их особенности (RAW, BMP, GIF, JPG). Представление изображений. Цветовые режимы. Системы координат на изображении. Чтение и запись изображений. Функции преобразования типов изображений. Визуализация изображений	Сам. работа	3	6	Л1.1, Л2.2, Л1.3, Л1.2, Л2.1
1.4.	Статистические характеристики изображений. Изображение как реализация случайной величины. Функция распределения и плотность распределения интенсивности пикселов изображения.	Лекции	3	2	Л1.1, Л2.2, Л1.3, Л1.2, Л2.1
1.5.	Статистический анализ изображений	Лабораторные	3	2	Л1.1, Л2.2, Л1.3, Л1.2, Л2.1
1.6.	Предварительная подготовка изображений. Попиксельные операции	Лабораторные	3	4	Л1.1, Л2.2, Л1.3, Л1.2, Л2.1
1.7.	Предварительная подготовка изображений. Попиксельные операции	Сам. работа	3	8	Л1.1, Л2.2, Л1.3, Л1.2, Л2.1
1.8.	Геометрические преобразования изображений. Особенности геометрических преобразований растра. Линейные геометрические преобразования: евклидовы, аффинные, проективные. Нелинейные преобразования: кусочно-линейные, полиномиальные, функции радиального базиса, функции Грина, мультиквадрики Харди. Методы интерполяции цвета пикселов при передискретизации изображений: по ближайшему соседу, билинейная, бикубическая, Ланцоша, Митчелла. Геометрические искажения на изображениях и их коррекция. Методы построения трансформирующих преобразований	Лекции	3	1	Л1.1, Л2.2, Л1.3, Л1.2, Л2.1
1.9.	Геометрические преобразования изображений	Лабораторные	3	2	Л1.1, Л2.2, Л1.3, Л1.2, Л2.1
1.10.	Геометрические преобразования изображений	Сам. работа	3	18	Л1.1, Л2.2, Л1.3, Л1.2, Л2.1
1.11.	Математическая морфология и анализ бинарных изображений. Бинарные изображения. Связность на растре. Разметка связных областей на бинарных изображениях. Объекты на бинарных изображениях, их моменты и свойства. Основные понятия математической морфологии. Базовые морфологические операции: дилатация, эрозия. Производные морфологические операции: закрытие, раскрытие, утончение, утолщение, скелетизация, поиск границы объекта, заливка контуров и дыр. Морфологические операции как булева свертка. Морфологические операции для изображений в градациях серого. Приложения морфологических операций. Подавление структурного шума	Лекции	3	1	Л1.1, Л2.2, Л1.3, Л1.2, Л2.1
1.12.	Методы математической морфологии при анализе изображений	Лабораторные	3	2	Л1.1, Л2.2, Л1.3, Л1.2, Л2.1
1.13.	Методы математической морфологии при анализе изображений	Сам. работа	3	16	Л1.1, Л2.2, Л1.3, Л1.2, Л2.1
Раздел 2. Анализ изображений
2.1.	Поиск границ на изображении. Методы выделения границ 1-го и 2-го порядка.	Лекции	3	1	Л1.1, Л2.2, Л1.3, Л1.2, Л2.1
2.2.	Поиск объектов на изображении	Лекции	3	1	Л1.1, Л2.2, Л1.3, Л1.2, Л2.1
2.3.	Измерения на изображениях	Лекции	3	1	Л1.2
2.4.	Поиск границ на изображении. Поиск объектов на изображении. Измерения на изображениях	Лабораторные	3	2	Л1.2
2.5.	изображении. Измерения на изображениях	Сам. работа	3	16	Л1.2
2.6.	Сегментация изображений. Сегментация изображений: цель, возможные подходы и требования к результирующим областям. Нейросетевые подходы к сегментации	Лекции	3	2	Л1.2
2.7.	Сегментация изображений. Сегментация изображений: цель, возможные подходы и требования к результирующим областям. Нейросетевые подходы к сегментации	Лабораторные	3	2	Л1.2
2.8.	Сегментация изображений. Сегментация изображений: цель, возможные подходы и требования к результирующим областям. Нейросетевые подходы к сегментации	Сам. работа	3	16	Л1.2
Раздел 3. Генерация изображений
3.1.	Генеративные модели. Автоэнкодеры, вариационные автоэкодеры. Генеративно-состязательные нейронные сети	Лекции	3	4	Л1.2
3.2.	Генеративные модели. Автоэнкодеры, вариационные автоэкодеры. Генеративно-состязательные нейронные сети	Лабораторные	3	4	Л1.2
3.3.	Генеративные модели. Автоэнкодеры, вариационные автоэкодеры. Генеративно-состязательные нейронные сети	Сам. работа	3	20	Л1.2
3.4.	Комплексное решение прикладных задач обработки и анализа изображений	Сам. работа	3	8	Л1.1, Л2.2, Л1.3, Л1.2, Л2.1

5. Фонд оценочных средств

5.1. Контрольные вопросы и задания для проведения текущего контроля и промежуточной аттестации по итогам освоения дисциплины

См. приложение

5.2. Темы письменных работ для проведения текущего контроля (эссе, рефераты, курсовые работы и др.)

См. приложение

5.3. Фонд оценочных средств для проведения промежуточной аттестации

См. приложение

6. Учебно-методическое и информационное обеспечение дисциплины

6.1. Рекомендуемая литература
6.1.1. Основная литература
	Авторы	Заглавие	Издательство, год	Эл. адрес
Л1.1	Айвазян С. А. , Мхитарян В. С. , Зехин В. А.	Практикум по многомерным статистическим методам :	М.: МГУЭСИ, 2003	biblioclub.ru
Л1.2	Глория Буэно Гарсия, Оскар Дениз Суарес, Хосе Луис Эспиноса Аранда	Обработка изображений с помощью OpenCV:	Издательство "ДМК Пресс", 2016	e.lanbook.com
Л1.3	Смоленцев Н.К.	Основы теории вейвлетов. Вейвлеты в MATLAB: Учебные пособия	Издательство "ДМК Пресс", 2014	e.lanbook.com
6.1.2. Дополнительная литература
	Авторы	Заглавие	Издательство, год	Эл. адрес
Л2.1	Р. Гонсалес, Р. Вудс ; пер. П.А. Чочиа, Л.И. Рубанова	Цифровая обработка изображений : практические советы [Электронный ресурс]: научная литература	Москва : Техносфера, 2012	biblioclub.ru
Л2.2	Ю.В. Визильтер, С.Ю. Желтков, В.А. Князь, А.Н. Ходарев.	Обработка и анализ цифровых изображений с примерами на LabVIEW.:	М. : ДМК Пресс, 2009	e.lanbook.com
6.2. Перечень ресурсов информационно-телекоммуникационной сети "Интернет"
	Название		Эл. адрес
Э1	Журавлев Ю. И., Рязанов В. В., Сенько О. В. Распознавание. Математические методы. Программная система. Практические применения. — М.: Фазис, 2006. - http://ntb.dp5.ru/index.php/-2/130668-zhuravlev-yu-i-ryazanov-v-v-senko-o-v.html
Э2	Система РАСПОЗНАВАНИЕ (Демо-версия) - http://www.solutions-center.ru/
Э3	Шлезингер М., Главач В. Десять лекций по статистическому и структурному распознаванию. — Киев: Наукова думка, 2004. - http://irtc.org.ua/image/Files/Schles/esh10_full.pdf
Э4	Ng. A. Machine Learning. - http://coursera.org
Э5	Биометрика. Журнал для медиков и биологов, сторонников доказательной биомедицины. - http://www.biometrica.tomsk.ru.
Э6	Нелинейный метод главных компонент - http://pca.narod.ru
Э7	Зиновьев А.Ю. Визуализация многомерных данных. - http://pca.narod.ru/ZinovyevBook.pdf
Э8	BaseGroup Labs. Технологии анализа данных. - http://basegroup.ru/library.
Э9	Золотых Н.Ю. MATLAB в научной и исследовательской работе - http://www.uic.unn.ru/~zny/matlab/
Э10	Золотых Н.Ю. Учебные материалы по машинному обучению - http://www.uic.unn.ru/~zny/ml/
Э11	The technical note «How Do I Vectorize My Code?» – [Электронный ресурс]. –http://www.mathworks.com/support/tech-notes/1100/1109.html
Э12	Система анализа данных RapidMiner - http://www.rapidminer.com/, http://rapid-i.com
Э13	Система анализа данных KNIME - knime.org
Э14	Лекции Д.П. Ветрова и Д.А. Кропотова «Байесовские методы машинного обучения» – [Электронный ресурс]. – http://www.machinelearning.ru/wiki/images/e/e1/BayesML-2007-textbook-1.pdf, http://www.machinelearning.ru/wiki/images/4/43/BayesML-2007-textbook-2.pdf
Э15	Местецкий Л.М. Математические методы распознавания образов. – Курс лекций, ВМиК МГУ, кафедра ММП. – 2002. http://www.ccas.ru/frc/ papers/mestetskii04course.pdf
Э16	Профессиональный информационно-аналитический ресурс, посвященный машинному обучению, распознаванию образов и интеллектуальному анализу данных. - http://machinelearning.ru
Э17	Портал по интеллектуальному анализу данных, поддерживаемый Григорием Пятецким-Шапиро - http://www.kdnuggets.com/
Э18	UCI Machine Learning Repository — репозиторий наборов данных для машинного обучения - http://archive.ics.uci.edu/ml/
Э19	IAPR Education Committee & Resources — коллекция ссылок на образовательные ресурсы по распознаванию образов, машинному обучению, обработке сигналов, обработке изображений и компьютерному зрению, поддерживаемая Международной ассоциацией распознавания образов - http://homepages.inf.ed.ac.uk/rbf/IAPR/index.php
Э20	Портал Хемометрика в России - http://chemometrics.ru
Э21	Интернет-университет информационных технологий - http://www.intuit.ru
Э22	Лаборатория компьютерной графики при ВМК МГУ - http://graphics.cs.msu.ru
Э23	Сжатие данных - http://www.compression.ru
Э24	Теоретический минимум по информатике - http://teormin.ifmo.ru/
Э25	efg’s Image Processing Page - http://www.efg2.com/Lab/Library/ImageProcessing/
Э26	The Computer Vision Home Page - www.cs.cmu.edu/~cil/vision.html
Э27	Image Proccesing Learning Resources - http://homepages.inf.ed.ac.uk/rbf/HIPR2/
Э28	Журавель И.М. Краткий курс теории обработки изображений - http://matlab.exponenta.ru/imageprocess/book2/index.php
Э29	Онлайн-курс "Распознавание образов" на открытом образовательном портале АлтГУ		public.edu.asu.ru
6.3. Перечень программного обеспечения
Scilab, R STUDIO, Python c расширениями PIL, Py OpenGL, Microsoft Office, Microsoft Windows, 7-Zip, AcrobatReader.Microsoft Office 2010 (Office 2010 Professional, № 4065231 от 08.12.2010), (бессрочно); Microsoft Windows 7 (Windows 7 Professional, № 61834699 от 22.04.2013), (бессрочно); Chrome (http://www.chromium.org/chromium-os/licenses), (бессрочно); 7-Zip (http://www.7-zip.org/license.txt), (бессрочно); AcrobatReader (http://wwwimages.adobe.com/content/dam/Adobe/en/legal/servicetou/Acrobat_com_Additional_TOU-en_US-20140618_1200.pdf), (бессрочно); ASTRA LINUX SPECIAL EDITION (https://astralinux.ru/products/astra-linux-special-edition/), (бессрочно); LibreOffice (https://ru.libreoffice.org/), (бессрочно); Веб-браузер Chromium (https://www.chromium.org/Home/), (бессрочно); Антивирус Касперский (https://www.kaspersky.ru/), (до 23 июня 2024); Архиватор Ark (https://apps.kde.org/ark/), (бессрочно); Okular (https://okular.kde.org/ru/download/), (бессрочно); Редактор изображений Gimp (https://www.gimp.org/), (бессрочно)
6.4. Перечень информационных справочных систем
Сайт библиотеки АлтГУ: www.lib.asu.ru; Электронно-библиотечная система издательства "Лань": www.e.lanbook.com; Электронно-библиотечная система "Университетская библиотека online": www.biblioclub.ru; Свободная энциклопедия "Википедия": http://ru.wikipedia.org; Единый образовательный портал http://portal.edu.asu.ru Электронная база данных ZBMATH: https://zbmath.org/

7. Материально-техническое обеспечение дисциплины

Аудитория	Назначение	Оборудование
Учебная аудитория	для проведения занятий лекционного типа, занятий семинарского типа (лабораторных и(или) практических), групповых и индивидуальных консультаций, текущего контроля и промежуточной аттестации, курсового проектирования (выполнения курсовых работ), проведения практик	Стандартное оборудование (учебная мебель для обучающихся, рабочее место преподавателя, доска)
107Л	лаборатория информационных технологий - компьютерный класс - учебная аудитория для проведения занятий семинарского типа (лабораторных и(или) практических); проведения групповых и индивидуальных консультаций, текущего контроля и промежуточной аттестации	Учебная мебель на 18 посадочных мест; компьютеры: марка HP, модель ProOne 400 - 18 единиц; проектор: марка SMART, модель UF70 - 1 единица; интерактивная доска: марка SMART Board модель SMB680 - 1 единица
Помещение для самостоятельной работы	помещение для самостоятельной работы обучающихся	Компьютеры, ноутбуки с подключением к информационно-телекоммуникационной сети «Интернет», доступом в электронную информационно-образовательную среду АлтГУ

8. Методические указания для обучающихся по освоению дисциплины

1. Лекция.
- На лекционных занятиях необходимо конспектировать изучаемый материал.
- Для систематизации лекционного материала, который будет полезен при подготовке к итоговому контролю знаний, записывайте на каждой лекции тему, вопросы для изучения, рекомендуемую литературу.
- В каждом вопросе выделяйте главное, обязательно запишите ключевые моменты (определение, факты, законы, правила и т.д.), подчеркните их.
- Если по содержанию материала возникают вопросы, не нужно выкрикивать, запишите их и задайте по окончании лекции или на семинарском занятии.
- Перед следующей лекцией обязательно прочитайте предыдущую, чтобы актуализировать знания и осознанно приступить к освоению нового содержания.
2.Семинарское (практическое) занятие – это форма работы, где студенты максимально активно участвуют в обсуждении темы.
- Для подготовки к семинару необходимо взять план семинарского занятия (у преподавателя, на кафедре или в методическом кабинете).
- Самостоятельную подготовку к семинарскому занятию необходимо начинать с изучения понятийного аппарата темы. Рекомендуем использовать справочную литературу (словари, справочники, энциклопедии), целесообразно создать и вести свой словарь терминов.
- На семинар выносится обсуждение не одного вопроса, поэтому важно просматривать и изучать все вопросы семинара, но один из вопросов исследовать наиболее глубоко, с использованием дополнительных источников (в том числе тех, которые вы нашли самостоятельно). Не нужно пересказывать лекцию.
- Важно запомнить, что любой источник должен нести достоверную информацию, особенно это относится к Internet-ресурсам. При использовании Internet - ресурсов в процессе подготовки не нужно их автоматически «скачивать», они должны быть проанализированы. Не нужно «скачивать» готовые рефераты, так как их однообразие преподаватель сразу выявляет, кроме того, они могут быть сомнительного качества.
- В процессе изучения темы анализируйте несколько источников. Используйте периодическую печать - специальные журналы.
- Полезным будет работа с электронными учебниками и учебными пособиями в Internet-библиотеках. Зарегистрируйтесь в них: университетская библиотека Онлайн (http://www.biblioclub.ru/) и электронно-библиотечная система «Лань» (http://e.lanbook.com/).
- В процессе подготовки и построения ответов при выступлении не просто пересказывайте текст учебника, но и выражайте свою личностно-профессиональную оценку прочитанного.
- Принимайте участие в дискуссиях, круглых столах, так как они развивают ваши навыки коммуникативного общения.
- Если к семинарским занятиям предлагаются задания практического характера, продумайте план их выполнения или решения при подготовке к семинару.
- При возникновении трудностей в процессе подготовки взаимодействуйте с преподавателем, консультируйтесь по самостоятельному изучению темы.
3. Самостоятельная работа.
- При изучении дисциплины не все вопросы рассматриваются на лекциях и семинарских занятиях, часть вопросов рекомендуется преподавателем для самостоятельного изучения.
- Поиск ответов на вопросы и выполнение заданий для самостоятельной работы позволит вам расширить и углубить свои знания по курсу, применить теоретические знания в решении задач практического содержания, закрепить изученное ранее.
- Эти задания следует выполнять не «наскоком», а постепенно, планомерно, следуя порядку изучения тем курса.
- При возникновении вопросов обратитесь к преподавателю в день консультаций на кафедру.
- Выполнив их, проанализируйте качество их выполнения. Это поможет вам развивать умения самоконтроля и оценочные компетенции.
4. Итоговый контроль.
- Для подготовки к зачету/экзамену возьмите перечень примерных вопросов у методиста кафедры.
- В списке вопросов выделите те, которые были рассмотрены на лекции, семинарских занятиях. Обратитесь к своим записям, выделите существенное. Для более детального изучения изучите рекомендуемую литературу.
- Если в списке вопросов есть те, которые не рассматривались на лекции, семинарском занятии, изучите их самостоятельно. Если есть сомнения, задайте вопросы на консультации перед экзаменом.
- Продумайте свой ответ на экзамене, его логику. Помните, что ваш ответ украсит ссылка на источник литературы, иллюстрация практики применения теоретического знания, а также уверенность и наличие авторской аргументированной позиции как будущего субъекта профессиональной деятельности.