Explore la segmentation de l'image, les techniques de seuil, la segmentation de la texture et l'étiquetage des composants connectés dans le traitement de l'image.
Discute de l'analyse des textures dans les images, en se concentrant sur les propriétés statistiques et structurelles, les techniques de segmentation et les applications d'apprentissage automatique pour la classification des textures.
Couvre les techniques de récupération d'informations de forme 3D à partir d'images 2D à l'aide de modèles d'ombrage et d'approches modernes d'apprentissage profond.
Explore la transformée de Fourier, le filtrage de fréquence, la segmentation et l'estimation de la taille des particules à l'aide de techniques d'analyse d'images.
Explore l'analyse et la classification de la texture dans les images, en mettant l'accent sur le rôle des techniques d'apprentissage automatique telles que les réseaux neuronaux convolutifs.
Explore les techniques de segmentation, y compris les modèles CNN et U-Net, pour la reconnaissance et l'analyse d'images, en mettant l'accent sur les méthodes automatisées qui permettent de gagner du temps.
Couvre les techniques de traitement de l'image, y compris l'ajout de bruit, le filtrage et l'amélioration de l'image à l'aide de divers filtres et outils.
Couvre les principes fondamentaux du traitement de l'image scientifique, les pratiques logicielles et les considérations éthiques dans le traitement de l'image.
Explore la compression des données grâce à la parcimonie des signaux, remettant en question la nécessité d'enregistrer de grandes quantités de données.
Couvre les leçons d'introduction sur les signaux et les systèmes, le traitement du signal et les applications pratiques telles que la compression d'images et le multimédia.
Couvre des exemples de traitement du signal, de traitement du signal analogique, de modulation d'amplitude continue, de traitement d'image, de compression, de micro-systèmes et d'électronique médicale.