전자공학부 · 2026년 1학기 · 학부

영상처리

영상 형성과 필터링부터 다중 시점 기하, 시각 인식, 학습 기반 비전까지 다룹니다.

강의 개요

이 강의에서는 컴퓨터가 영상을 처리하고 이해하는 원리와 알고리즘을 배웁니다. 먼저 영상 표현, 필터링, 특징 추출을 살펴봅니다. 이어서 카메라와 다중 시점 기하를 다룹니다. 마지막에는 영상 분류, 신경망, 합성곱 모델을 학습합니다.

담당 교수
김누리 교수
학기
2026년 1학기
수업 시간
월 09:00–10:30
수 09:00–09:50
강의실
공과대학 7호관
114호

학습 목표

영상처리와 기하

  • 공간 영역과 주파수 영역에서 디지털 영상을 표현하고, 필터링하고, 분석합니다.
  • 영상 간 대응점을 찾기 위해 코너와 지역 특징을 검출합니다.
  • 카메라, 변환, 호모그래피, 두 시점 기하를 모델링합니다.
  • 여러 영상에서 깊이와 3차원 구조를 복원합니다.

인식과 학습

  • 지역 특징과 학습된 특징을 사용해 영상 분류 과정을 구현합니다.
  • 영상 인식에 사용하는 신경망과 합성곱 구조를 설명합니다.
  • 기존 영상 표현 방법과 신경망 기반 인식 방법의 관계를 이해합니다.
  • Python으로 컴퓨터 비전 방법을 구현하고 평가합니다.

수업은 한국어로 진행하며, 교재와 기술 용어는 영어를 사용합니다. Python과 기초 선형대수에 익숙하면 좋습니다.

일정

1부
영상과 특징
W01강의 소개LMS
W02Python and NumPyA0
W03영상처리 패키지와 영상 필터링A1
W04영상 피라미드와 Hough TransformLMS
W05코너 검출퀴즈 1
W06특징 검출기와 기술자A2 · Q2
2부
시각 기하
W072D 변환퀴즈 3
W08영상 호모그래피와 카메라 모델 I퀴즈 4
W09중간고사시험
W10카메라 모델 II와 기하A3 · Q5
W11StereoQuiz 6
3부
인식과 학습
W12영상 분류퀴즈 7
W13Neural NetworksA4
W14Neural NetworksLMS
W15Convolutional Neural NetworksA5
W16기말고사시험

2026년 1학기 강의 계획에 따른 일정입니다. 수강생은 JBNU LMS에서 강의 자료, 코드, 자세한 마감일을 확인할 수 있습니다.

과제

과제 0

데이터 해석과 시각화

영상의 수치 데이터를 살펴보고 데이터를 정확하게 시각화하는 방법을 익힙니다.

과제 1

필터링과 에지 검출

합성곱, 영상 필터링, 에지 추출을 구현합니다.

과제 2

파노라마 스티칭

영상의 특징을 검출하고 매칭합니다. 호모그래피를 추정해 영상을 변형합니다.

과제 3

3D 복원

에피폴라 기하를 추정하고 여러 시점에서 구조를 복원합니다.

과제 4

장면 인식

시각 단어 표현을 만들고 장면 분류 성능을 평가합니다.

과제 5

인식을 위한 신경망

영상 인식 모델을 직접 구현하고 학습시킵니다.

과제
30%
중간고사
20%
기말고사
40%
출석
10%

강의와 과제에서 생성형 AI를 창의적으로 활용할 수 있습니다. 학생은 제출하는 모든 결과물을 직접 확인하고 수정하며 내용을 이해해야 합니다. 검토하지 않은 AI 생성물을 제출하면 학업 부정행위로 처리될 수 있습니다.

자료

  • 강의 플랫폼JBNU LMS
  • 주교재Richard Szeliski, Computer Vision: Algorithms and Applications, 2nd ed.
  • 참고문헌Richard Hartley and Andrew Zisserman, Multiple View Geometry in Computer Vision
  • 참고문헌David Forsyth and Jean Ponce, Computer Vision: A Modern Approach
  • 참고문헌Rafael Gonzalez and Richard Woods, Digital Image Processing
  • 연락처nuri.kim@jbnu.ac.kr