طرح درس (براساس سرفصل)
| # | عنوان | توضیحات |
|---|---|---|
| 1 | جایگاه درس در برنامه درسی دوره | در این درس، مباحث پیشرفته پردازش تصویر درخصوص الگوریتم های تطبیق و بخشبندی مبتنی بر بهینه سازی و حساب تغییرات ارایه می شود. بر این اساس، دانشجویان محترم، باید درس پردازش سیگنال های تصویری را به عنوان پیش نیاز این درس، قبلا گذرانده باشند. |
| 2 | هدف کلی | در این درس، اصول و مبانی تطبیق تصاویر از سه دیدگاه مدل سلسله مراتبی کلاسیک، مدل‌های مبتنی بر بهینه‌سازی تابع هزینه پارامتری و مدل‌های مدرن مبتنی بر بهینه‌سازی تابعی انرژی ارایه می‌شود. براین اساس، در این درس اصول و مبانی محاسبات تابعی نیز تدریس خواهد می‌شود. پس از آن مبانی مدل‌های فرم‌پذیر پارامتری و هندسی با جزئیات کامل تدریس خواهد شد. |
| 3 | شایستگی های پایه | گذراندن درس پردازش سیگنال های تصویری به عنوان پیش نیاز |
| 4 | اهداف یادگیری | انتظار می‌رود که دانشجویان پس از اتمام این درس قادر به طراحی و پیاده‌سازی روش‌های مبتنی بر مدل های فرم پذیر و حساب تغییرات در حوزه پردازش تصاویر باشند. |
| 5 | روش تدریس | تدریس به صورت ترکیبی از آموزش آفلاین و آنلاین خواهد بود. بدین ترتیب که مباحث مربوط به تطبیق تصاویر (در حدود نیمی از مباحث درسی) به صورت آفلاین در سایت درس در دسترس دانشجویان قرار گرفته است و دانشجویان محترم هر هفته دو ویدیو را باید ملاحظه نمایند و در جلسه هر هفته درس به صورت آنلاین برای رفع اشکال و مرور درس شرکت نمایند. از میانه ترم به بعد مباحث مربوط به مدل های فرم پذیر هندسی و پارامتری به صورت دو جلسه آنلاین درهفته تدریس خواهد شد. ارزیابی مطابق طرح درس براساس تمرین، مینی پروژه، کوییز و پایان ترم خواهد بود. |
| 6 | وظایف دانشجو | مشاهده ویدیوهای آفلاین درس شرکت در جلسات آنلاین انجام تکالیف شرکت در کوییزها و پایان ترم |
| 7 | منبع | C. Xu et al., "Image Segmentation Using Deformable Models," 2000. C. Xu et al., "Snakes, Shapes, and Gradient Vector Flow," IEEE Trans. Image Processing, 1998. T. F. Chan and L. A. Vese, " Active Contours Without Edges," IEEE Trans. Image Processing, 2001. C. Pluempitiwiriyawej et al., " STACS: New Active Contour Scheme for Cardiac MR Image Segmentation," IEEE Trans. Medical Imaging, 2005. S. Z. Li, Markov Random Field Modeling in Computer Vision, Springer, 1995. J. D. Gibson, Handbook of Image and Video Processing, Academic Press, 2000. O. D. Faugeras, Three Dimensional Computer Vision: A Geometric View Point, MIT Press, 1993. I. M. Gelfand and S. V. Fmoin, Calculus of Variations, Prentice-Hall, 1963. X. Bresson, Image Segmentation with Variational Active Contours. PhD Thesis, 2006. A. Tsai, Curve Evolution and Estimation-Theoretic Techniques for Image Processing, PhD Thesis, 2000. A. Tsai, Coupled Multi-Shape Model for Medical Image Segmentation: ..., Thesis for the Degree of Doctor of Medicine, 2003. سایر مقالات مورد نیاز که در طی درس معرفی خواهند شد |
| 8 | نحوه ارزشیابی | بارم بندی فعالیت های درسی به شرح زیر است: 1- تمرین‌ها هرکدام 0/5 نمره 2- مینی پروژه هر کدام 1 نمره 3- سمینار (براساس یک مقاله چاپ شده در یکی از مجلات با ارزشQ1 یا Q2 در رتبه بندی JCR طی 5 سال گذشته) ترم حضوری: 1 نمره شامل (صرفا برای ارایه انگلیسی سمینار) ترم مجازی: 1 نمره شامل (صرفا برای ارایه انگلیسی سمینار) 4- میان ترم/کوییز: ترم حضوری: میان ترم، حداکثر 3 نمره ترم مجازی: کوییز (معمولا 4 کوییز و هر کوییز 0/5 نمره) 5- پایان ترم: ترم حضوری: باقیمانده نمرات تا 20 ترم مجازی: باقیمانده نمرات تا 20 6- نمرات اضافه بر 20: ارایه انگلیسی سمینار: 1 نمره (میزان نمره برای هر دانشجو براساس کیفیت ارایه سمینار تعیین خواهد شد) تشویقی: نامحدود نوآوری و خلاقیت: نامحدود |
| 9 | فایل | Pdf File |