Διδασκόμενα Προπτυχιακά Μαθήματα
Ψηφιακή Επεξεργασία Σήματος ΤΗΛ 301
- Δειγματοληψία, ανακατασκευή και αλλαγή συχνότητας δειγματοληψίας.
- Επεξεργασία αναλογικού σήματος με διακριτά συστήματα.
- Χαρακτηρισμός και ανάλυση διακριτών συστημάτων στο πεδίο της συχνότητας.
- Συστήματα γραμμικής και ελάχιστης φάσης.
- Μετασχηματισμός Ζ και σχέση με μετασχηματισμό Fourier διακριτού χρόνου.
- Δομές φίλτρων διακριτού χρόνου. Σχεδίαση και υλοποίηση αναδρομικών και μη αναδρομικών φίλτρων.
- Μέθοδοι μετασχηματισμού και παραθυροποίησης στη σχεδίαση φίλτρων πεπερασμένου μήκους.
- Υλοποίηση DFT και επίδραση στην κυκλική συνέλιξη.
Ψηφιακή Επεξεργασία Εικόνας ΤΗΛ 411
- Γενικές αρχές και μαθηματική περιγραφή ψηφιακής εικόνας.
- Αντίληψη εικόνας και αναπαράσταση χρώματος.
- Δειγματοληψία.
- Μετασχηματισμός Fourier και άλλοι μετασχηματισμοί δύο διαστάσεων.
- Περιγραφή εικόνας με χρήση ανυσμάτων και τελεστών.
- Μέθοδοι βελτίωσης εικόνας: ιστόγραμμα, ομαλοποίηση και αύξηση contrast, χαμηλοπερατά και υψιπερατά φίλτρα 2 διαστάσεων.
- Ανακατασκευή εικόνας με αλγεβρικές και στοχαστικές μεθόδους.
- Βέλτιστα φίλτρα, σύγκριση και εφαρμογές.
- Αρχές συμπίεσης και κωδικοποίησης εικόνας.
- Αρχές ανάλυσης εικόνας και μέθοδοι τμηματοποίησης.
Στατιστική Μοντελοποίηση και Αναγνώριση Προτύπων ΤΗΛ 311
- Εισαγωγή στη στατιστική.
- Θεωρία απόφασης Bayes, μέθοδοι εκμάθησης με μεγιστοποίηση πιθανότητας (maximum likelihood), εκτίμηση πιθανότητας με την μέθοδο Bayes, expectation maximization algorithm, κρυφά μοντέλα Markov.
- Γραμμικοί Ταξινομητές, Επιλογή και μετασχηματισμοί χαρακτηριστικών μοντελοποίησης, ανάλυση πρωτευόντων συνιστωσών (PCA).
- Εκμάθηση χωρίς επίβλεψη, ομαδοποίηση και μη παραμετρικοί ταξινομητές.
- Ο αλγόριθμος k-means και ο αλγόριθμος απόφασης κοντινότερου γείτονα.
- Γραμμικοί ταξινομητές.
- O αλγόριθμος Perceptron και μηχανές διανυσμάτων υποστήριξης (SVM).
- Γραμμική παλινδρόμηση (linear regression).
- Μη γραμμικοί ταξινομητές και τεχνητά νευρωνικά δίκτυα (ANNs)
- Πολυστρωματικά νευρωνικά δίκτυα (Deep Neural Networks).
- Μη μετρικές μέθοδοι ταξινόμησης, δέντρα ταξινόμησης (classification and regression trees).
- Μοντέλα γράφων (Bayesian networks), μη παραμετρικές μέθοδοι (Parzen windows).
- Μέθοδοι εκτίμησης απόδοσης, cross-validation και καμπύλες ROC.
Μηχανική Όραση ΠΛΗ 417
- Βασικές αρχές και μεθοδολογία της μηχανικής όρασης με έμφαση σε αλγορίθμους και εφαρμογές της μηχανικής όρασης.
- Σχηματισμός εικόνας (image formation), μαθηματικό, γεωμετρικό, χρωματικό, συχνοτικό, διακριτό μοντέλο.
- Βασικές τεχνικές επεξεργασίας εικόνας (φιλτράρισμα, ενίσχυση, ομαλοποίηση).
- Υπολογισμός ακμών (edge detection), τελεστές πρώτης και δευτέρας παραγώγου.
- Κατάτμηση εικόνας (image segmentation), μέθοδοι κατάτμησης περιοχών και ακμών, ενίσχυση ακμών και περιοχών, τεχνικές κατωφλίου.
- Προχωρημένες τεχνικές κατάτμησης (συγχώνευση και διάσπαση περιοχών και ακμών, χαλαρωτική ταξινόμηση, τεχνική Hough).
- Τεχνικές επεξεργασίας δυαδικών (binary) εικόνων, μετασχηματισμοί απόστασης, μορφολογικοί τελεστές, ταυτοποίηση περιοχών (labeling).
- Ανάλυση, αναπαράσταση και αναγνώριση εικόνων.
- Παραστάσεις χρώματος, υφής ακμών και περιοχών, παράσταση και αναγνώριση σχημάτων, παράσταση και αναγνώριση δομικού περιεχομένου εικόνων.
- Ανάλυση και αναγνώριση υφής, δομικές και στατιστικές μέθοδοι.
- Δυναμική όραση, υπολογισμός κίνησης, οπτικής ροής και τροχιές.
- Βασικές τεχνικές επεξεργασίας και ανάλυσης στατικής και κινούμενης εικόνας (video) σε πληροφοριακά συστήματα.
- Τεχνικές συμπίεσης (compression) jpeg, πρότυπα mpeg-1,2,4,7.