EĞİTİM
Ders Detayı

ELE490 - Görüntü İşlemenin Temelleri

2024-2025 Güz dönemi bilgileri
Ders bu dönem açık
Ders sorumluları
Ad Soyad Görev Şube
Dr. Onur Külçe Ders sorumlusu 21
Şubelere Göre Haftalık Program
Şube Gün, Zaman, Yer
21 Çarşamba, 13:40 - 16:30, E6

Dersin zamanlama bilgileri haftalık ders programından elde edilmektedir. Ders geçici olarak belirli bir hafta için ertelenmiş ya da zamanı değişmiş olabilir. Dersin o haftaki kesin zamanlama bilgileri için dersin sorumlusuna başvurulmalı ve/veya duyurular takip edilmelidir.

ELE490 - Görüntü İşlemenin Temelleri
Program Teorik saat Uygulamalı saat Yerel kredi AKTS kredisi
Lisans 3 2 4 7
Zorunluluk : Seçmeli
Önkoşul ders(ler) : ELE301
Eşzamanlı ders(ler) : -
Veriliş biçimi : Yüz yüze
Öğrenme ve öğretme teknikleri : Anlatım, Soru-Yanıt, Sorun/Problem Çözme, Programlama
Dersin amacı : Bu ders, Python programlama dili kullanılarak görüntü işleme teorisine ve uygulamalarına bir giriş sağlar. Konular, görüntü oluşturma, görüntü dönüştürme, görüntü filtreleme, görüntü iyileştirme, görüntü restorasyonu, segmentasyon, sıkıştırma, renkli görüntü işleme, derin öğrenme, görüntü sınıflandırma ve nesne tanımayı içerir.
Dersin öğrenme çıktıları : Bu dersi başarıyla tamamlayan bir öğrenci, görüntü elde etme ve oluşturma konusunda bilgi sahibi olur, bir görüntüyü hem uzaysal hem de frekans alanında filtreleyebilir; bir programlama dili kullanarak görüntüleri geri yükleyin, bölümlere ayırın ve sıkıştırın; ve derin öğrenmeyi kullanarak görüntü sınıflandırması ve nesne tanıma gerçekleştirin. Öğrenci, görüntü işleme konusunda hem teorik hem de pratik bilgiye sahip olur ve bilgilerini gerçek dünya problemlerine uygulayabilir.
Dersin içeriği : Bir programlama dili olarak Python, Görüntü Edinme ve Sayısal Görüntü Oluşturma, Yeğinlik Dönüşümleri, Uzamsal Filtreleme, Frekans Alanında Filtreleme, Görüntü Restorasyonu, Renkli Görüntü İşleme, Görüntü Sıkıştırma, Morfolojik Görüntü İşleme, Görüntü Bölütleme, Derin Öğrenme, Derin Öğrenmeyi Kullanarak Görüntü Sınıflandırma ve Nesne Tanıma.
Kaynaklar : Rafael C. Gonzalez & Richard E. Woods, Digital Image Processing, Addison Wesley. Practical Machine Learning and Image Processing, Himanshu Singh, Apres, 2019.
Haftalara Göre İşlenecek Konular
Haftalar Konular
1 Görüntü İşleme Giriş, Python Programlamaya Giriş: Temel Bilgiler
2 Python Programlamaya Giriş: Veri Bilimi Araçları
3 Görüntü Toplama ve Dijital Görüntü Oluşturma
4 Yeğinlik Dönüşümleri
5 Uzamsal Filtreleme
6 Frekans Alanında Filtreleme
7 Görüntü Restorasyonu
8 Ara Sınav
9 Renkli Görüntü İşleme
10 Görüntü Sıkıştırma
11 Morfolojik Görüntü İşleme
12 Görüntü Bölütleme
13 Derin Öğrenmenin Temelleri
14 Derin Öğrenmeyi Kullanarak Görüntü Sınıflandırma ve Nesne Tespiti
15 Genel sınava hazırlık
16 Genel sınav
Değerlendirme Sistemi
Yarıyıl içi çalışmaları Sayısı Katkı Payı %
Devam 0 0
Laboratuar 0 0
Uygulama 0 0
Alan Çalışması 0 0
Derse Özgü Staj (Varsa) 0 0
Ödevler 4 20
Sunum 0 0
Projeler 1 10
Seminer 0 0
Kısa Sınav (Quiz) 0 0
Ara Sınavlar 1 30
Genel sınav 1 40
Toplam 100
Yarıyıl İçi Çalışmalarının Başarı Notuna Katkısı 60
Yarıyıl Sonu Sınavının Başarı Notuna Katkısı 40
Toplam 100
AKTS (Öğrenci İş Yükü) Tablosu
Yarıyıl içi çalışmaları Sayısı Süre (saat) Toplam iş yükü
Ders Süresi 14 3 42
Laboratuar 0 0 0
Uygulama 0 0 0
Derse özgü staj (varsa) 0 0 0
Alan Çalışması 0 0 0
Sınıf Dışı Ders Çalışma Süresi (Ön Çalışma, pekiştirme, vb.) 14 5 70
Sunum / Seminer Hazırlama 0 0 0
Proje 1 30 30
Ödevler 4 3 12
Kısa Sınavlara Hazırlanma Süresi 0 0 0
Ara Sınavlara Hazırlanma Süresi 1 25 25
Genel sınava hazırlanma süresi 1 40 40
Toplam iş yükü 35 106 219
Dersin Öğrenme Çıktılarının Program Yeterlilikleri İle İlişkilendirilmesi
Program yeterlilikleri Katkı düzeyi
1 2 3 4 5
1. Elektrik ve Elektronik Mühendisliği'nin gerektirdiği kuramsal ve uygulamalı bilgilere sahiptir.
2. Matematik, Fen Bilimleri ve Elektrik ve Elektronik Mühendisliği alanlarındaki kuramsal ve uygulamalı bilgileri mühendislik çözümleri için kullanır.
3. Elektrik ve Elektronik Mühendisliği problemlerini saptar, tanımlar, modeller ve probleme uygun analitik veya nümerik yöntemleri uygulayarak çözer.
4. Gerçekçi kısıtlar altında sistem tasarlar; bu doğrultuda modern yöntemleri ve araçları kullanır.
5. Deney tasarlar, yapar, sonuçları analiz eder ve yorumlar.
6. Bireysel veya takım üyesi olarak disiplinlerarası çalışma yapacak altyapıya sahiptir.
7. Bilgiye erişir, kaynak araştırması yapar, veri tabanlarını ve diğer bilgi kaynaklarını kullanır, bilim ve teknolojideki gelişmeleri izler.
8. Proje planlaması ve zaman yönetimi yapar, mesleki gelişimini planlar.
9. İleri düzeyde bilgisayar donanım ve yazılım bilgisine sahiptir, bilişim ve iletişim teknolojilerini etkin kullanır.
10. Sözlü ve yazılı etkin iletişim kurar; İngilizce'yi ileri düzeyde kullanır.
11. Mesleki, etik ve toplumsal sorumluluğunun bilincindedir.
12. Mühendislik çözümlerinin ve uygulamalarının evrensel ve toplumsal boyutlardaki etkilerinin bilincindedir; çağın sorunları hakkında bilgi sahibidir.
13. Yenilikçi ve sorgulayıcıdır; mesleki özgüveni yüksektir.
1: En düşük, 2: Düşük, 3: Orta, 4: Yüksek, 5: Çok yüksek