情報科学研究科Graduate School of Computer and Information Sciences
HUI500K1（人間情報学 / Human informatics 500）多次元信号画像処理Multi-Dimensional Signal and Image Processing
花泉 弘Hanaizumi HIROSHI
授業コードなどClass code etc
| 学部・研究科Faculty/Graduate school | 情報科学研究科Graduate School of Computer and Information Sciences |
| 添付ファイル名Attached documents | |
| 年度Year | 2022 |
| 授業コードClass code | TZ021 |
| 旧授業コードPrevious Class code | |
| 旧科目名Previous Class title | |
| 開講時期Term | 春学期授業/Spring |
| 曜日・時限Day/Period | 火2/Tue.2 |
| 科目種別Class Type | |
| キャンパスCampus | 小金井 |
| 教室名称Classroom name | 各学部・研究科等の時間割等で確認 |
| 配当年次Grade | |
| 単位数Credit(s) | 2 |
| 備考（履修条件等）Notes | |
| 実務経験のある教員による授業科目Class taught by instructors with practical experience | |
| カテゴリーCategory |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
Students learn and understand the meaning of multi-dimensional signal/image processing. Students acquire the knowledge, especially in understanding the fundamental concepts, algorithms and their applications so that they can use it for their own research.
Students need statistical handling techniques for dealing with multidimensional signals and images, because the amount of data is enormous. In the process of learning the fundamental concepts and techniques, they will become familiar with such statistical processing, understand the main points of the research of the ancestors, and apply the ideas and algorithms of such data processing to their own research.
The standard for outside classroom learning such as preparation and review of this class is 4 hours per week. Student grade is evaluated according to the quality of the submitted report, the quality of the presentation at the time of introduction of the dissertation, the quantity and quality of the statements in the discussion during the class.
授業で使用する言語Default language used in class
日本語 / Japanese
授業の概要と目的（何を学ぶか）Outline and objectives
多次元の信号・画像データを処理することによって、どのような情報を得ることができるのかを理解し、自身の研究に役立てることを目的としている。基礎的な概念とともに先人の開発したアルゴリズムや応用例を理解する。
到達目標Goal
多次元の信号・画像を扱う場合、データ量が膨大になるため統計的な取り扱いが不可欠である。基本的な概念及び技術を学ぶ過程で、こうした統計的処理に精通するとともに、先人の研究の要点を理解し、そうしたデータ処理の考え方やアルゴリズムを自分の研究に活かせるようにする。
この授業を履修することで学部等のディプロマポリシーに示されたどの能力を習得することができるか（該当授業科目と学位授与方針に明示された学習成果との関連）Which item of the diploma policy will be obtained by taking this class?
ディプロマポリシーのうち、「DP1」と「DP2」に関連
授業で使用する言語Default language used in class
日本語 / Japanese
授業の進め方と方法Method(s)（学期の途中で変更になる場合には、別途提示します。 /If the Method(s) is changed, we will announce the details of any changes. ）
この科目では、観測データから雑音を除去・低減し必要とする信号成分を抽出する手法だけでなくそれらを処理して情報を抽出するアルゴリズムについても議論する。従来の処理アルゴリズムだけでなく新しい考え方に基づくアルゴリズムを理解することがこの科目のゴールである。大別して前半は講義を中心に進めるが、後半は受講学生による論文紹介とそれに対する議論を行う。受講者数が少ない場合には、トピックとして現在行っている研究の紹介を行う場合もある。授業で課した課題(小テストやレポート)等を取り上げ、授業内で全体に対してフィードバックを行う。
アクティブラーニング（グループディスカッション、ディベート等）の実施Active learning in class (Group discussion, Debate.etc.)
あり / Yes
フィールドワーク（学外での実習等）の実施Fieldwork in class
なし / No
授業計画Schedule
授業形態/methods of teaching：対面/face to face
※各回の授業形態は予定です。教員の指示に従ってください。
1[対面/face to face]：多次元信号および多次元画像
画像の構造や標本化定理、データの補間法などについて
2[対面/face to face]：統計的手法と応用例１
多重分光画像とそれらの内積・外積演算に基づく処理
3[対面/face to face]：統計的手法と応用例２
主成分分析法、清純相関分析法および重回帰分析法を用いる処理
4[対面/face to face]：教師付き分類法
最尤法および Binary Decision Tree（ＢＤＴ）法
5[対面/face to face]：教師なし分類法
k-means法、ISODATA法および Binary Devision Classtering法
6[対面/face to face]：画像の重ね合わせ１
対応点の探索、三角形網を用いる重ね合わせ
7[対面/face to face]：画像の重ね合わせ２
オプティカルフローを用いる重ね合わせ
8[対面/face to face]：多重時刻処理１（時間変化領域の抽出）
時間変化領域抽出処理の基礎
9[対面/face to face]：多重時刻処理２（時間変化の解析）
時間変化領域への教師なし分類と教師付き分類との応用
10[対面/face to face]：ステレオペア画像の処理
射影変換と相互標定、絶対標定
11[対面/face to face]：医用画像処理
ＣＴの原理とヘリカルＣＴ，マルチスライスＣＴによる３次元画像処理
12[対面/face to face]：学生による論文紹介１
学生による論文紹介
13[対面/face to face]：学生による論文紹介２
学生による論文紹介
14[対面/face to face]：まとめ
授業全体を振り返って応用例などについて議論する
授業時間外の学習（準備学習・復習・宿題等）Work to be done outside of class (preparation, etc.)
本授業の準備・復習等の授業時間外学習は、各週につき4 時間を標準とする。講義内容に関係する論文をよく読み、課題レポートをきちんとまとめて提出すること。
テキスト（教科書）Textbooks
教科書は必要に応じて指示する。
参考書References
・Ronald N. Bracewell : Fourier Analysis and Imaging, Kluwer Academic / Plenum, 2003
・B.Girod, G.Greiner and H.Niemann (Ed.) : Principles of 3D Image Analysis and Synthesis,
Kluwer Academic Publishers, 2002
・N.Nikolaidis and I.Pitas : 3-D Image Processing Algotirhms, Wiley, 2001
・D.Caramella and C.Bartolozzi (Ed.) : 3D Image Processing – Techniques and Clinical
Applications, Springer, 2002
・O.Faugeras and Q.T.Luong : The Geometry of Multiple Images, MIT Press, 2001
・J.R.Jensen : Introductory Digital Image Processing 3rd. Edition – A Remote Sensing Perspective,
Pearson Prentice Hall, 2005
成績評価の方法と基準Grading criteria
提出されたレポートの質、論文紹介時のプレゼンテーションの質、授業中の議論での発言の量および質の高さに応じて評価する。
学生の意見等からの気づきChanges following student comments
議論が深まるような講義にしたい。
学生が準備すべき機器他Equipment student needs to prepare
ノートパソコンなど
その他の重要事項Others
信号処理や画像処理に関してある程度の知識を有し、信号処理や画像処理に興味のある学生の受講を望む。