Lessius Mechelen ects

Hoofdpagina | Master of Science in de industriële wetenschappen: elektronica-ICT

Spraak- en beeldverwerking, theorie (1011MAeict04a)

Docenten

• Van Landeghem Dirk

Onderwijstaal

• Nederlands

Onderwijsvorm

• Hoorcollege

Begincompetentie

Signaalverwerking (0910ABAeict205) en Digitale signaalprocessing (0910ABAeict306) gevolgd hebben.

Eindcompetentie

Leerresultaten

De student:

heeft inzicht in diverse beeld- en spraakverwerkingsalgoritmes, KI

kan inschatten wat de hardware- en rekenkrachtconsequenties zijn van de beeld- en spraakverwerkingsalgoritmes, IV1

is creatief en kan kritisch reflecteren bij het modelleren en beschrijven van de beeld- en spraakverwerking algoritmes gebruikmakend van MATLAB/SIMULINK en de signal processing toolbox en –blockset en de image processing toolbox IV1,IV2,OV1

is creatief en kan kritisch interpreteren bij het visualiseren in MATLAB van de simulatie resultaten van de beeld- en spraakverwerkingsalgoritmes OV1,IV2

kan een gestructureerde en efficiënte MATLAB code opstellen KI,IV2,IV1

is zelfredzaamheid bij het gebruik van diverse MATLAB functies en de interpretatie van hun parameters, IV1,OV1

is resultaatgericht en kan de beeld- en spraakverwerking concepten demonstreren IV1

Inhoud

Basisbegrippen en spraak- en beeldverwerkingalgoritmes worden aangebracht en geanalyseerd.  Het betreft fundamentele begrippen, zoals acquisitie, sampling, quantisatie en reconstructie die zowel in beeld- als audio omgeving worden toegelicht en met elkaar vergeleken.

Specifiek voor spraakverwerking wordt dieper ingegaan op frequentie analyse, equilazation, spectrogram representatie, het LPC spraakmodel en modellen voor audio effecten.

Beeldverbeteringsalgoritmes in het spatiaal domein zoals, grijswaarde resolutie, zero en eerste orde zoom, contrast stretching door diverse gray-level transformaties, histogram processing, spatiale filters worden gecombineerd met volgende topics:

Inleiding tot 2D-FFT van beelden en inverse FFT, om in het frequentie domein LP- en HP filtering van beelden toe te passen en de beeld kwaliteit te verbeteren.

Kleurmodellen (RGB HSI, CMY en CMYK) en kleurtransformatie, waziger maken en verscherpen van gekleurde beelden, segmenteren van gekleurde beelden.

Segmentatie en morfologische beeldverwerkingsalgoritmes: open, close, dilatie, erosie… worden ingeleid als preprocessing stappen van beeldherkenningsalgoritmes.

Studiematerialen

- Cursustekst “Introduction to Digital Image Processing ”.
- Cursustekst "Introduction to Speech and Audio Processing".
- Het cursusmateriaal is beschikbaar op Toledo in PDF en in ZIP voor wat betreft image-, audio- en matlab script library.

Evaluatie