Competències Específiques: Adquirir els fonaments de processament i anàlisi d’imatges (punt de vista algorísmic). Però no totes les tècniques, ni tots els algorismes, ni totes les demostracions matemàtiques,... CE1 Conèixer la definició d’imatge digital (B&W i color) i el seu tractament utilitzant programari. CE2 Conèixer la definició de processament d’imatges. Entendre i dominar les operacions bàsiques amb l’histograma (thresholding), i la detecció de contorns. CE3 Conèixer la definició d’anàlisi d’imatges. Entendre i dominar algorismes de segmentació bàsics: creixement de regions, clustering (k-means). CE4 Saber extreure de les imatges característiques bàsiques de color, forma i textura. CE5 Entendre i dominar algorismes bàsics de classificació: mètodes basats en distàncies. CE6 Tenir capacitat per dissenyar, analitzar i implementar aplicacions de processament i anàlisi d’imatges. CT1 Treballar en grup CT2 Tenir capacitat per resoldre problemes, discutir, cercar informació i consensuar solucions. CT3 Tenir capacitat per comunicar dins el grup de treball, però també per presentar projectes i treballs. CT4 Tenir capacitat per organitzar la feina. CT5 Fomentar l’autoaprenentatge.
1. Presenta assignatura (organització i desenvolupament). 2. Presenta assignatura (continguts). Què és una imatge digital? Imatges en color. Adquisició d'imatges. Tipus d'imatges. 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. Eliminar soroll. 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. Altres mètodes. 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. Arbres de decisió. Sistemes de descripció d’imatges: un exemple complet. Selecció de característiques. 7. Aplicacions. Bases de dades d'imatges (+video): accés per contingut. Aplicacions en imatges mèdiques: ajuda a la detecció i diagnosi del càncer. Aplicacions en imatge astronòmica: exploració i catàleg de l'espai. Aplicacions en imatge submarina: construcció de mapes. Aplicacions per la inspecció i control de qualitat en la indústria.
Tipus d’activitat Hores amb professor Hores sense professor Total Anàlisi / estudi de casos 6,50 8,00 14,50 Elaboració individual de treballs 5,00 47,00 52,00 Lectura / comentari de textos 0,35 0 0,35 Resolució d'exercicis 2,85 1,00 3,85 Seminaris 6,00 0 6,00 Sessió expositiva 17,30 6,00 23,30 Sessió pràctica 1,00 0 1,00 Treball en equip 6,00 22,00 28,00 Total 45,00 84,00 129
Shapiro, Linda G., Stockman, George C. (cop. 2001). Computer vision. Upper Saddle River: Prentice Hall. Escalera Hueso, Arturo de la (cop. 2001). Visión por computador : fundamentos y métodos. Madrid [etc.]: Prentice Hall. Petrou, Maria, Bosdogianni, Panagiota (cop. 1999). Image processing : the fundamentals. Chichester [etc.]: John Wiley & Sons. Vitrià i Marca, Jordi (1995). Visió per computador. Bellaterra: Universitat Autònoma de Barcelona. Servei de Publicacions. Maravall Gómez-Allende, Darío (1993). Reconocimiento de formas y visión artificial. Madrid: Ra-ma. González, Rafael C., Woods, Richard E. (2002). Digital image processing (2nd ed.). Upper Saddle River: Prentice Hall.
Activitats d'avaluació: Descripció de l'activitat Avaluació de l'activitat % Els estudiants preparen una classe de teoria de 2h. Treball en grups de coneguts GC. Activitat A1. S'avalua el document que presenta els continguts específics + l'exposició de 10 minuts de classe. Els estudiants preparen una 2ona classe de teoria de 2h. Treball en grups de no coneguts GNC. Activitat A2. S'avalua el document que presenta els continguts específics + l'exposició de 10 minuts de classe. PRÀCTIQUES 3. Desenvolupament de la pràctica. Pla de treball i seguiment de la pràctica (anàlisi, disseny, implementació, documentació, presentació i control). Pràctica. P correspon a la mitjana de 3 notes corresponents a l’avaluació de les pràctiques, el document memòria de la pràctica, i la presentació. Examen. Examen amb apunts i de contingut pràctic. E és la nota de l'examen.
Es proposen dos camins possibles: opció A) NOTA ACTES= 0.2*A1+0.2*A2+0.4*P+0.2*E on A1 i A2 correspon a l’avaluació de les activitats 1 i 2: doc i presenta. P a l’avaluació de les pràctiques, el doc i presenta. E és la nota de l’examen. Aquest és amb apunts i de contingut pràctic. A1, A2, P i E són activitats NO obligatòries. opció B) si (E>=4 i P>=4) NOTA ACTES= 0.5*E + 0.5*L sino NOTA ACTES =minim(4,0.5*E+0.5*L) essent E i P les activitats proposades a la 1era opció.
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.