Studenti budou umět:

Rozpoznat, která funkcionální transformace by mohla být užitečná pro zpracování signálu při řešení zadané úlohy.

Rozhodnout, která technika modifikace signálu by v dané aplikaci mohla zlepšit jeho kvalitu ve vztahu k cílům zpracování signálu.

Aplikovat speciální statistické metody v kombinaci s variačním počtem, a tak vytvářet nové metody zpracování signálu.

Students will be able to:

Recognize what kind of functional transform should be useful for signal processing in given task.

Decide what technique of signal enhancement would improve its quality related to given application and signal processing aims.

Apply special statistical methods in combination with variational calculus to design novel methods of signal processing.

Příprava a obhajoba individuálního projektu spojená s ústní zkouškou.

Preparing and defense of individual project followed by oral examination.

Z: Gonzales, R.C., Woods, R.E., Digital Image processing (4th edition), Pearson, New York, 2017.

Z: Mitra, S.K., Sicuranza, G.L., Nonlinear Image Processing, Academic Press, New York, 2001.

Z: King, W., Hilbert Transforms, Vol.1, Cambridge University Press, Cambridge, 2009.

D: Aubert, G., Kornprobst, P., Mathematical Problems in Image Processing: Partial Differential Equations and the Calculus of Variations (2nd edition), Springer, New York, 2006.

R: Gonzales, R.C., Woods, R.E., Digital Image processing (4th edition), Pearson, New York, 2017.

R: Mitra, S.K., Sicuranza, G.L., Nonlinear Image Processing, Academic Press, New York, 2001.

R: King, W., Hilbert Transforms, Vol.1, Cambridge University Press, Cambridge, 2009.

A: Aubert, G., Kornprobst, P., Mathematical Problems in Image Processing: Partial Differential Equations and the Calculus of Variations (2nd edition), Springer, New York, 2006.

Přednášky, příprava projektu zaměřeného na analýzu signálu souvisejícího se zaměřením doktorského studia.

Lectures, preparing of project about signal analysis related to subject of doctoral study.

přednášky a individuální projekty budou zaměřeny na:

1.Číslicový signál a jeho vlastnosti ve frekvenční oblasti.

2.Statistické vlastnosti vzorkovaného signálu.

3.Funkcionální transformace pro zpracování signálu (Laplace,Fourier,Hilbert,Z,DFT,FFT,DHT)

4.Techniky zlepšování kvality signálu (filtrace,vyhlazování,ostření,dekonvoluce,rekonstrukce)

5.Analýza signálu (spektrum, koherence, deskriptory chaosu, fraktální analýza)

6.Lokální zpracování signálu pomocí robustních statistických metod (M-odhady,L-odhady, speciální rozdělení)

7.Regularizované metody zpracování signálu.

8.Variační přístup ke zpracování signálu.

9.Signál jako předmět klasifikace vzorů.

10.Zobecnění na 2D a 3D obrazy.

The lectures and individual projects will be focused on:

1.Digital signal and its properties in frequency domain.

2.Statistical properties of sampled signal.

3.Functional transforms for signal processing (Laplace,Fourier,Hilbert,Z,DFT,FFT,DHT)

4.Signal enhancement techniques (filtering,smoothing,sharpening, deconvolution,reconstruction)

5.Signal analysis (spectrum, coherence, chaos descriptors, fractal analysis)

6.Local signal processing via robust statistical methods (M-estimates,L-estimates, special distributions)

7.Regularized methods of signal processing.

8.Variational approach in signal processing.

9.Signal as subject of pattern classification.

10.Generalization to 2D and 3D images.

interní materiály

internal materials

Nejsou

None

Nejsou

None