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
L'avaluació de l'assignatura està composta de 3 blocs: les pràctiques, el projecte de classificació i un examen teòric final.
Les pràctiques valdran el 40% de la nota, el projecte un 25% i l'examen teòric un 35%.
Pel que fa a les pràctiques i al projecte de classificació, es valorarà la realització de la feina feta (mètode+resultats) així com la documentació (informe) entregada. Per altra banda, es realitzarà també una avaluació d'aquesta part pràctica/projecte amb exàmens específics per assegurar l'assoliment dels continguts pràctics.
L'assistència a les sessions de pràctiques és obligatòria. Si no es fa, no hi haurà opció de fer els exàmens de pràctiques i per tant no es podrà superar el bloc.
Normes d'ús de la IA:
- ChatGPT o eines similars d’IA es permeten per millorar l’ortografia, la gramàtica i la claredat dels informes.
- Es permet l’ús d’eines d’IA per refinar i millorar els vostres desenvolupaments de codi. En aquest cas caldrà especificar les eines usades, els prompts que s’han emprat i el procés que s’ha seguit per revisar i editar-ne la resposta.
L'assignatura també té un examen teòric que valdrà un 35% del total del curs. Aquest examen es centrarà en el bloc de continguts de teoria. No hi haurà opció de recuperació d'aquesta prova.
Si que es podrà recuperar el bloc de pràctiques i el projecte final, sempre que s'hagi aprovat alguna de les pràctiques que es realitzaran al llarg del curs i no s'arribi a aprovar l'assignatura (Nota >= 5 global).
Si en qualsevol tipus d'activitat acadèmica es detecten actuacions fraudulentes (utilització d'informació sense autorització, utilització d'informació falsa, utilització de dispositius no autoritzats, suplantació de la identitat, plagis totals o parcials, compra i venda de proves, pràctiques i treballs, etc) l'estudiantat implicat suspendrà automàticament l'assignatura. En funció del tipus d'acte fraudulent la Direcció de l'Escola iniciarà els procediments adients d'acord amb la Llei 3/2022 de 24 de febrer de Convivència Universitària (https://www.boe.es/eli/es/l/2022/02/24/3)
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). Per poder optar a aquesta avaluació única serà necessaria l'entrega d'un treball pràctic que s'haurà d'aprovar.
Hi haurà l’opció de fer recuperació d’aquesta prova d’avaluació única 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