Estudia

• Tècniques de Visió per computadora
• Análisi de problemes
• Treball en grup
• Elaboració de documents
• Recerca aplicada

1. Introducció

          1.1. Formació de la imatge

          1.2. Tècniques de procés d'imatge

2. Caracterització d'imatge

          2.1. Caracterització: Color, Textura i Forma

          2.2. Caracterització avançada: Hugh, Canny, Harris, Templates, Piràmides, SIFT

3. Geometria d'imatge

          3.1. Modelatge i calibració de càmeres Introducció Model Pinhole Calibració

          3.2. Estèreo-visió i geometria Epipolar Shape from X Principi de l’estèreo-visió Triangulació Geometria Epipolar i matriu fonamental

          3.3. Transformació d'imatges: Imatge panoràmica

          3.4. Estimació robusta: RANSAC, LMEDS

4. Segmentació

5. Anàlisi de moviment

6. Classificadors i reconeixement d'objectes

7. Aplicacions industrials de la VxC

• Forsyth, David A. (2003). Computer vision : a modern approach. Prentice Hall.
• Hartley, Richard (2003). Multiple view geometry in computer vision. Cambridge University Press.
• Linda G. Shapiro, George C. Stockman (2001). Computer vision. Prentice Hall.

Activitats d'avaluació:

Mètodes docents:
Classes de teoria i problemes: 2 hores setmanals
Pràctiques: 2 hores setmanals

Exàmen Tipus Test 20 preguntes
Pràctiques = PR2*0.1+PR3*0.1+PR4*0.3+PR5*0.2+PR6*0.3
Treball = Article + PPT + Presentació

Avaluació:
30% Examen, 40% pràctiques, 30% treball/article + valoració continuada.
S'han d'aprovar totes les parts amb nota mínima de 4.

Prerequisits:
Coneixements de procés d'imatge i programació matlab