General data  

• Academic year : 2011
  
• Description : Fonaments del processat d'imatges. Operacions basades en l'histograma. Operacions basades en veïnatges. Anàlisi d'imatges. Segmentació. Caracterització: color, textura i forma. Tècniques estadístiques de classificació (pattern recognition)
  
• Credits : 6
  
• Primary language of instruction : Català
  
• I use spoken English in the subject ? : Poc (25%)
• I use documents in English ? : Indistintament (50%)

  Groups

Group A

Duration : Semestral, 1r semestre

Teaching Staff : MARTA PERACAULA BOSCH

Schedule :

  Skills

Others skills :

1. CE1 Conèixer la definició d’imatge digital (B&W i color) i el seu tractament utilitzant programari.
2. CE2 Conèixer la definició de processament d’imatges. Entendre i dominar les operacions bàsiques amb l’histograma (thresholding), i la detecció de contorns.
3. CE3 Conèixer la definició d’anàlisi d’imatges. Entendre i dominar algorismes de segmentació bàsics: creixement de regions, clustering (k-means).
4. CE4 Saber extreure de les imatges característiques bàsiques de color, forma i textura.
5. CE5 Entendre i dominar algorismes bàsics de classificació: mètodes basats en distàncies.
6. CE6 Tenir capacitat per dissenyar, analitzar i implementar aplicacions de processament i anàlisi d’imatges.
7. CT1 Treballar en grup
8. CT2 Tenir capacitat per resoldre problemes, discutir, cercar informació i consensuar solucions.
9. CT3 Tenir capacitat per comunicar dins el grup de treball, però també per presentar projectes i treballs.
10. CT4 Tenir capacitat per organitzar la feina.
11. CT5 Fomentar l’autoaprenentatge.
12. CT6 Fomentar la utilització de la llengua anglesa



  Contents


  1. Presenta assignatura (organització i desenvolupament).

  2. Presenta assignatura (continguts). Què és una imatge digital? Imatges en color. Què vol dir processar i analitzar imatges? Tipus d'aplicacions. Il.lusions òptiques.

  3. Processament d'imatges. L'histograma i les operacions que es poden fer amb l'histograma: la LUT i el thresholding. El llindar òptim: mètodes i tècniques. Detectar contorns. Detectar punts d'interès. Operacions aritmètiques amb imatges. Morfologia matemàtica. Template matching.

  4. Anàlisi d'imatges (1/3). Què vol dir segmentar? Com es representen els resultats de la segmentació? Avaluació dels resultats. Algorismes basats en regions. Algorismes basats en clustering.

  5. Anàlisi d'imatges (2/3). Caracterització de regions. Informació visual. La forma. Moments i altres mètodes. La textura. Matrius de coocurrencia i altres mètodes. El color: espais i física del color.

  6. Anàlisi d'imatges (3/3). Classificació. Exemple introductori i definicions. Classificadors basats en distàncies. Classificador lineal.

  7. Aplicacions. Bases de dades d'imatges (+video). Accés per contingut. Com és un sistema de recuperació d'imatges per contingut. Com són les queries.


  Activities

Activity type	Hours with teacher	Hours without teacher	Total
Anàlisi / estudi de casos	1	0	1
Classes expositives	6	0	6
Classes participatives	10	0	10
Classes pràctiques	2,5	0	2,5
Elaboració de treballs	14	50	64
Exposició dels estudiants	6	24	30
Prova d'avaluació	2	10	12
Resolució d'exercicis	4	4	8
Treball en equip	8	8	16
Visionat/audició de documents	1	0	1
Total	54,5	96	150,5



  Bibliography

• González, Rafael C., Woods, Richard E., Eddins, Steven L. (cop. 2004). Digital image processing using Matlab. Upper Saddle River: Prentice Hall. Catàleg  
• Shapiro, Linda G., Stockman, George C. (cop. 2001). Computer vision. Upper Saddle River: Prentice Hall. Catàleg  
• Escalera Hueso, Arturo de la (cop. 2001). Visión por computador : fundamentos y métodos. Madrid [etc.]: Prentice Hall. Catàleg  
• Vitrià i Marca, Jordi (1995). Visió per computador. Bellaterra: Universitat Autònoma de Barcelona. Servei de Publicacions. Catàleg  
• Maravall Gómez-Allende, Darío (1993). Reconocimiento de formas y visión artificial. Madrid: Ra-ma. Catàleg  



  Evaluation and qualification

Assessment activities

Activity description	Activity assessment	%
Classe de pràctiques al lab. Dues pràctiques senzilles d'AIPI. Treball en grups que els fan els estudiants.	Activitat A1 i A2 (corresponents a dues pràctiques senzilles). S'avaluen la pràctica i la seva memòria.
Els estudiants preparan una classe. Treball en grups que els fan els professors.	Activitat A3. S'avalua el report i la presentació que els estudiants fan a classe.
PRÀCTIQUES. Desenvolupament de la pràctica CBIR (sistema de recuperació d'imatges en bases de dades d'imatges). Pla de treball i seguiment de la pràctica (anàlisi, disseny, implementació, documentació, presentació i control).	Pràctica CBIR. P correspon a la mitjana de 2 notes corresponents a l’avaluació de les pràctiques i el document memòria de la pràctica.
Examen	E és la nota de l'examen.

 

Mark

NOTA ACTES= 0.1*A1+0.1*A2+0.2*A3+0.3*P+0.3*E

on
A1 i A2 correspon a l'avaluació de les pràctiques 1 i 2 (pràctiques senzilles): memòria i pràctica.
A3 correspon a l’avaluació de la classe preparada pels estudiants: memòria i presentació.
P a l’avaluació de la pràctica CBIR: pràctica i memòria.
E és la nota de l’examen.

A1, A2, A3, P i E són activitats NO obligatòries.



  Observations

Al tractar-se d'una assignatura introductoria i optativa, la nostra intenció és donar una visió general i àmplia de la matèria. Així pretenem presentar els diferents conceptes de forma senzilla i des d'un punt de vista algorísmic, minimitzant les demostracions matemàtiques i maximitzant les qüestions pràctiques i d'aplicació.

Treballarem les competències pròpies del treball en equip. Tenir capacitat per organitzar la feina. Tenir capacitat per comunicar dins el grup de treball, però també per presentar i documentar projectes i treballs. Tenir capacitat per resoldre problemes, discutir, cercar informació i consensuar solucions. Preocupar-se per la qualitat.

Treballarem per tenir competència en la utilització de la llengua anglesa.