Dades generals

Curs acadèmic:
2017
Descripció:
Formació de la imatge. Representació i tractament de la senyal. Tècniques bàsiques de tractament i processat d'imatges. Pre-processat, segmentació i extracció de característiques en imatges.
Crèdits ECTS:
5

Grups

Grup B

Durada:
Semestral, 2n semestre
Professorat:
XAVIER LLADO BARDERA
Idioma de les classes:

Competències

  • CT01 Analitzar situacions complexes i dissenyar estratègies per a resoldre-les
  • CB01 - Analitzar situacions complexes i dissenyar estratègies per resoldre-les.
  • CT02 Comunicar-se oralment i per escrit
  • CT03 Utilitzar tecnologies de la informació i la comunicació
  • CT04 Treballar en equip
  • CT05 Recollir i seleccionar informació de forma eficaç
  • CB05 - Prendre decisions per a la resolució de situacions diverses
  • CT06 Disenyar propostes creatives
  • CT02 - Recollir i seleccionar informació de manera eficaç
  • CT11 Prendre decisions per la resolució de situacions diverses
  • CT04 - Treballar en equip
  • CT05 - Comunicar-se oralment i per escrit
  • CT08 - Dissenyar propostes creatives
  • CE07 - Capacitat per a analitzar, avaluar, seleccionar i configurar plataformes hardware per al desenvolupament i execució d'aplicacions i serveis informàtics
  • CE08 - Capacitat per desenvolupar, mantenir i avaluar serveis i sistemes software que satisfacin tots els requisits de l'usuari i es comportin de forma fiable i eficient, siguin assequibles de desenvolupar i mantenir i compleixin normes de qualitat , aplicant les teories , principis , mètodes i pràctiques de l'Enginyeria del Software
  • CIC5 Capacitat d'analitzar, avaluar i seleccionar les plataformes hardware i software més adequades pel suport d'aplicacions encastades i de temps real.
  • CIC7 Capacitat per analitzar, avaluar, seleccionar i configurar plataformes hardware pel desenvolupament i execució d'aplicacions i serveis informàtics.

Continguts

1. Tema 1: Introducció.

          1.1. Què és la visió per computador?

          1.2. Aplicacions de l'anàlisi i el processament d'imatges

          1.3. Objectius de l'assignatura

2. Tema 2: La formació de la imatge.

          2.1. Introducció.

          2.2. Adquisició i representació d'imatges.

3. Tema 3: Fonaments del processament digital d'imatges.

          3.1. Introducció.

                    3.1.1. Mètodes de domini espacial.

                    3.1.2. Mètodes de domini freqüencial.

          3.2. Histograma d'una imatge.

          3.3. Transformacions basades en l'histograma.

                    3.3.1. Equalització d'histograma (Contrast stretching).

                    3.3.2. Llindarització (Thresholding).

                    3.3.3. Eliminació del soroll per suma d'imatges.

                    3.3.4. Background substraction.

          3.4. Transformacions basades en els veïns.

                    3.4.1. Filtres.

                    3.4.2. Eliminació de soroll: filtre passa baixos, filtre de la mitjana.

                    3.4.3. Detecció de contorns (utilització del gradient).

                    3.4.4. Detecció de LRV i LRH.

                    3.4.5. Morfologia matemàtica

4. Tema 4. Image segmentation (Segmentació d'imatges)

5. Tema 5. Color space transformations (Transformacions de l'espai de color).

6. Tema 6. Texture analysis (utilització de textures).

7. Tema 7. Classification

          7.1. Introducció: inspecció, localització i identificació.

          7.2. Reconeixement de formes.

                    7.2.1. Template Matching.

                    7.2.2. Reconeixement de patrons per tècniques estadístiques.

                    7.2.3. Reconeixement per tècniques estructurals

Activitats

Tipus d’activitat Hores amb professor Hores sense professor Total
Anàlisi / estudi de casos 14 32 46
Classes expositives 21 21 42
Classes pràctiques 14 26 40
Total 49 79 128

Bibliografia

  • González, Rafael C., Woods, Richard E. (2002). Digital image processing (2nd ed.). Upper Saddle River: Prentice Hall. Catàleg
  • González, Rafael C., Woods, Richard E., Eddins, Steven L. (cop. 2004). Digital image processing using Matlab. Upper Saddle River: Prentice Hall. Catàleg
  • Davies, E. R. (cop. 1997). Machine vision : theory, algorithms, practicalities (2nd ed). San Diego [etc.]: Academic Press. Catàleg
  • Forsyth, David A., Ponce, Jean (cop. 2003). Computer vision : a modern approach. Upper Saddle River: Prentice Hall. Catàleg
  • Shapiro, Linda G., Stockman, George C. (cop. 2001). Computer vision. Upper Saddle River: Prentice Hall. Catàleg
  • Vernon, David (1991). Machine vision : automated visual inspection and robotvision. New York [etc.]: Prentice-Hall. Catàleg
  • Vitrià i Marca, Jordi (1995). Visió per computador. Bellaterra: Universitat Autònoma de Barcelona. Servei de Publicacions. Catàleg
  • Duda, Richard O., Hart, Peter E., Stork, David G. (cop. 2001). Pattern classification (2nd ed.). New York [etc.]: John Wiley & Sons. Catàleg

Avaluació i qualificació

Activitats d'avaluació:

Descripció de l'activitat Avaluació de l'activitat %
Pràctiques. Es realitzaran algorismes relacionats amb el temari. L'eina de treballs serà el Matlab Es tindrà en compte la preparació prèvia, el comportament i la realització durant les hores lectives i la memòria final. 60
Realització d'un treball amb presentació oral relacionat amb el temari del curs (Lecture Activity) Es valorarà la correcta resolució de l'activitat i també la qualitat de la presentació final. 40

Qualificació

L'avaluació de l'assignatura està composta de 2 grans blocs: l'activitat "lecture activity" i les pràctiques.

Per a l'avaluació de la "lecture activity" es tindrà en compte el treball realitzat durant totes les setmanes, el seguiment fet, la presentació feta, així com el material generat (40% del pes de la nota final).

Les pràctiques valdran el 60% restant de la nota. Hi haurà la opció de poder recuperar el bloc de pràctiques al final del curs.

Criteris específics de la nota «No Presentat»:
La no realització d'activitats avaluables.

Observacions

Les tutories es faran a l'edifici P-IV (Despatx 015). Cal avisar al professor amb antel·lació, ja sigui personalment o bé per mail.

NOTA IMPORTANT: Només hi haurà tutories durant les setmanes lectives. Quan s'acabin les classes no hi haurà tutories. Per tant, és convenient anar estudiant durant el curs, perquè els dubtes surtin mentre es va fent l'assignatura, i no la setmana abans d'acabar el curs.