Ders Adı | Kodu | Yerel Kredi | AKTS | Ders (saat/hafta) | Uygulama (saat/hafta) | Laboratuar (saat/hafta) |
---|---|---|---|---|---|---|
Sayısal Görüntü İşlemede Özel Konular | HRT5224 | 3 | 7.5 | 3 | 0 | 0 |
Önkoşullar | Yok |
---|
Yarıyıl | Güz |
---|
Dersin Dili | Türkçe |
---|---|
Dersin Seviyesi | Yüksek Lisans |
Dersin Türü | Seçmeli @ Harita Mühendisliği ABD Uzaktan Algılama ve CBS Yüksek Lisans Programı Seçmeli @ Harita Mühendisliği ABD Uzaktan Algılama ve CBS Doktora Programı |
Ders Kategorisi | Temel Meslek Dersleri |
Dersin Veriliş Şekli | Yüz yüze |
Dersi Sunan Akademik Birim | Harita Mühendisliği Bölümü |
---|---|
Dersin Koordinatörü | BÜLENT BAYRAM |
Dersi Veren(ler) | FATMAGÜL KILIÇ GÜL |
Asistan(lar)ı |
Dersin Amacı | Dersin iki ana amacı mevcuttur. Birinci amaç öğrencilere görüntü işlemede özel konularla ilgili yapacakları araştırmalarda yeterli altyapının oluşturulması, ikinci amaç öğrencilerin araştırma olgunluğuna sahip olabilmeleri için gerekli bağımsız ve özgün düşünce kapasitelerinin artırılmasıdır. |
---|---|
Dersin İçeriği | Giriş; Görüntüler, örnekleme ve frekans alanında işleme; Özel görüntü filtreleme yöntemleri; Uydu görüntüleri ve hava fotoğraflarından obje çıkartma algoritmaları; Bulanık mantık ve yapay sinir ağları ile obje tanıma; İlgi operatörleri; Özel görüntü korelasyonu algoritmaları; Markov rastlantısal alanlarının görüntü işlemede kullanımı; Hibrid bölge genişleme algoritmaları; Raster-vektör dönüşüm algoritmaları; Video görüntülerinden obje yakalama. |
Ders Kitabı / Malzemesi / Önerilen Kaynaklar |
|
Opsiyonel Program Bileşenleri | Yok |
Ders Öğrenim Çıktıları
- Öğrenciler görüntü işlemenin algoritmik yönleri anlamış olacaklardır.
- Öğrenciler özel görüntü işleme algoritma yaratma yeteneğine sahip olacaklardır.
- Öğrenciler görüntü işleme yöntemlerini tanımlayabilecek ve ilgili bir uygulamaya bunu aplike edebileceklerdir.
Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları
Hafta | Konular | Ön Hazırlık |
---|---|---|
1 | Giriş | N/A |
2 | Görüntüler, örnekleme ve frekans alanında işleme | Ders notları Bölüm-1 |
3 | Özel görüntü filtreleme yöntemleri | Ders notları Bölüm-2 |
4 | Uydu görüntüleri ve hava fotoğraflarından obje çıkartma algoritmaları | Ders notları Bölüm-3 |
5 | Uydu görüntüleri ve hava fotoğraflarından obje çıkartma algoritmaları | Ders notları Bölüm-3 |
6 | Bulanık mantık ve yapay sinir ağları ile obje tanımlama | Ders notları Bölüm-4 |
7 | Bulanık mantık ve yapay sinir ağları ile obje tanımlama | Ders notları Bölüm-4 |
8 | Ara sınav | Ders notları Bölüm-5 |
9 | İlgi operatörleri | N/A |
10 | Özel görüntü korelasyonu algoritmaları | Ders notları Bölüm-6 |
11 | Markov rastlantısal alanlarının görüntü işlemede kullanımı | Ders notları Bölüm-7 |
12 | Markov rastlantısal alanlarının görüntü işlemede kullanımı | Ders notları Bölüm-7 |
13 | Hibrid bölge genişletme algoritmaları | Ders notları Bölüm-8 |
14 | Raster dan vektöre dönüşüm algoritmaları | Ders notları Bölüm-9 |
15 | Raster dan vektöre dönüşüm algoritmaları | Ders notları Bölüm-9 |
16 | Final sınavı | N/A |
Değerlendirme Sistemi
Etkinlikler | Sayı | Katkı Payı |
---|---|---|
Devam/Katılım | ||
Laboratuar | ||
Uygulama | ||
Arazi Çalışması | ||
Derse Özgü Staj | ||
Küçük Sınavlar/Stüdyo Kritiği | ||
Ödev | 3 | 20 |
Sunum/Jüri | 3 | 20 |
Projeler | ||
Seminer/Workshop | ||
Ara Sınavlar | 1 | 20 |
Final | 1 | 40 |
Dönem İçi Çalışmaların Başarı Notuna Katkısı | ||
Final Sınavının Başarı Notuna Katkısı | ||
TOPLAM | 100 |
AKTS İşyükü Tablosu
Etkinlikler | Sayı | Süresi (Saat) | Toplam İşyükü |
---|---|---|---|
Ders Saati | 14 | 3 | |
Laboratuar | |||
Uygulama | |||
Arazi Çalışması | |||
Sınıf Dışı Ders Çalışması | 14 | 3 | |
Derse Özgü Staj | |||
Ödev | 3 | 20 | |
Küçük Sınavlar/Stüdyo Kritiği | |||
Projeler | |||
Sunum / Seminer | 3 | 20 | |
Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 10 | |
Final (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 11 | |
Toplam İşyükü : | |||
Toplam İşyükü / 30(s) : | |||
AKTS Kredisi : |
Diğer Notlar | Yok |
---|