Anar al contingut (clic a Intro)
UdG Home UdG Home
Tancar
Menú

Estudia

Dades generals

Curs acadèmic:
2022
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. Classificació d'imatges.
Crèdits ECTS:
5

Grups

Grup EB

Durada:
Semestral, 2n semestre
Professorat:
Xavier Llado Bardera  / Albert Torrent Palomeras
Idioma de les classes:
Català (75%), Anglès (25%)

Competències

  • CT01 Analitzar situacions complexes i dissenyar estratègies per a resoldre-les
  • CB01 - Analitzar situacions complexes i dissenyar estratègies per 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
  • CB05 Prendre decisions per a la resolució de situacions diverses
  • CT06 Disenyar propostes creatives
  • CB07 Utilitzar tecnologies de la informació i la comunicació i especialment la programació i ús d'ordinadors
  • CB08 Recollir, seleccionar i organitzar informació de manera eficaç
  • CT02 - Recollir i seleccionar informació de manera eficaç
  • CT11 Prendre decisions per la resolució de situacions diverses
  • CT04 - Treballar en equip
  • CT02 Treballar en equip
  • CT05 - Comunicar-se oralment i per escrit
  • CT03 Comunicar-se oralment i per escrit
  • CT08 - Dissenyar propostes creatives
  • CT06 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
  • CES10 Especificar, dissenyar i avaluar solucions informàtiques integrades per a la gestió dels processos de salut
  • 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 and shape analysis.

7. Tema 7. Classification

          7.1. Introducció: Classificadors K-NN, Bayes, SVM

          7.2. Reconeixement d'objectes via Bag of Words

          7.3. Introducció al Deep Learning

Activitats

Tipus d’activitat Hores amb professor Hores sense professor Hores virtuals amb professor Total
Anàlisi / estudi de casos 11,00 23,00 0 34,00
Prova d'avaluació 2,00 8,00 0 10,00
Sessió expositiva 20,00 21,00 0 41,00
Sessió pràctica 14,00 26,00 0 40,00
Total 47,00 78,00 0 125

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 % Recuperable
Examen teòric. Examen de l'assignatura 20 No
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 de pràctiques, així com els resultats obtinguts i la memòria final. 50
Realització d'un treball/projecte relacionat amb el temari del curs Es valorarà la correcta resolució de l'activitat i també la qualitat del projecte final. 30

Qualificació

L'avaluació de l'assignatura està composta de 3 grans blocs: les pràctiques, el projecte de classificació i un examen final.

Les pràctiques valdran el 50% de la nota. El projecte de classificació valdrà el 30%. Pels dos blocs es valorarà la realització de la feina (mètode+resultats) amb un 80%, així com la documentació (informe) amb un 20%.

Hi haurà la opció de poder recuperar el bloc de pràctiques i el projecte final, sempre hi quan s'hagi aprovat alguna de les pràctiques que es realitzaran al llarg del curs.

L'assignatura també té un petit bloc d'examen que valdrà un 20% del total del curs. Aquest examen es centrarà en el bloc de continguts de teoria i també de pràctiques. No hi haurà nota mínima, però tampoc opció a recuperació d'aquesta prova de l'examen.


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

Avaluació única:
L'avaluació única de l'assignatura consistirà en un examen final que inclourà tots els temes teòrics vistos en l'assignatura així com el bloc de pràctiques i projecte final (programació en matlab i la llibreria Image Processing). Hi haurà l’opció de fer recuperació d’aquesta prova d’avaluació alternativa sempre que l’estudiant es presenti al primer examen i obtingui una qualificació mínima de 3.

Requisits mínims per aprovar:
Per considerar superada l’assignatura, caldrà obtenir una qualificació mínima de 5.0 global

Tutoria

Em podeu fer arribar els vostres dubtes o concertar tutories (tant de teoria com de pràctiques) via moodle o via mail.

Les tutories online les podrem fer individuals o per grups, i es faran presencialment o utilitzant videoconferència (google meet).

Comunicacio i interacció amb l'estudiantat

La comunicació habitual en l’assignatura es continuarà fent via moodle. L'assignatura tindrà el fòrum d'avisos on es guardaran totes les notificacions relatives al curs i també es crearan fòrums específics per cadascuna de les pràctiques.

L'interacció individual la podrem fer presencialment al meu despatx si les condicions ho permenten, o també videoconferència (individualment o en grup).

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.

Escull quins tipus de galetes acceptes que el web de la Universitat de Girona pugui guardar en el teu navegador.

Les imprescindibles per facilitar la vostra connexió. No hi ha opció d'inhabilitar-les, atès que són les necessàries pel funcionament del lloc web.

Permeten recordar les vostres opcions (per exemple llengua o regió des de la qual accediu), per tal de proporcionar-vos serveis avançats.

Proporcionen informació estadística i permeten millorar els serveis. Utilitzem cookies de Google Analytics que podeu desactivar instal·lant-vos aquest plugin.

Per a oferir continguts publicitaris relacionats amb els interessos de l'usuari, bé directament, bé per mitjà de tercers (“adservers”). Cal activar-les si vols veure els vídeos de Youtube incrustats en el web de la Universitat de Girona.