Estudia

• El principal objectiu d'aquesta assignatura és que l'alumne adquireixi els coneixements necessaris per desenvolupar sistemes basats en visió per computador. Es farà un especial èmfasi en les metodologies i algorismes necessaris pel desenvolupament de sistemes de localització, classificació i control de qualitat en l'entorn industrial. També s'incidirà en la visió per computador com a sensor en la navegació autònoma de robots.
• CE1. Entendre la necessitat de la visió per computador, i saber distingir en quines aplicacions pot ser útil, i en quines altres no. Seleccionar les tècniques adequades per resoldre els problemes industrials.
• CE2: Conéixer com es forma la imatge: des de la seva detecció mitjançant sensors òptics, fins la seva formació en el pla imatge.
• CE3: Conéixer diferents algorismes de processament d'imatges, tant algorismes globals com locals.
• CE4: Entendre la necessitat de calibració de les càmeres, i com a poder reconstruir el món real a partir de dues o més càmeres.
• CE5. Utilització de la llengua anglesa en classes teòriques i pràctiques.

1. Tema 1: Introducció.

          1.1. Què és la visió per computador?

          1.2. Aplicacions de la visió per computador.

          1.3. Objectius de l'assignatura

2. Tema 2: Sensors sensibles a la llum.

          2.1. Sensors òptics.

          2.2. Components sensibles a la llum.

          2.3. Càmeres CCD.

3. Tema 3: La formació de la imatge.

          3.1. Introducció.

          3.2. Adquisició i representació d'imatges.

          3.3. Mostratge i quantificació.

                    3.3.1. Espectre d'un senyal: transformada de Fourier.

                    3.3.2. Resposta impulsional i sortida d'un filtre.

                    3.3.3. Solapament espectral: Aliasing.

4. Tema 4: Fonaments del processament digital d'imatges.

          4.1. Introducció.

                    4.1.1. Mètodes de domini espacial.

                    4.1.2. Mètodes de domini freqüencial.

          4.2. Histograma d'una imatge.

          4.3. Transformacions basades en l'histograma.

                    4.3.1. Equalització d'histograma (Contrast stretching).

                    4.3.2. Llindarització (Thresholding).

                    4.3.3. Eliminació del soroll per suma d'imatges.

                    4.3.4. Background substraction.

          4.4. Transformacions basades en els veïns.

                    4.4.1. Filtres.

                    4.4.2. Eliminació de soroll: filtre passa baixos, filtre de la mitjana.

                    4.4.3. Detecció de contorns (utilització del gradient).

                    4.4.4. Detecció de LRV i LRH.

                    4.4.5. Morfologia matemàtica

          4.5. Image segmentation (Segmentació d'imatges)

          4.6. Color space transformations (Transformacions de l'espai de color).

          4.7. Texture analysis (Utilització de textures).

5. Tema 5: Visió per computador en l'entorn industrial.

          5.1. Introducció: inspecció, localització i identificació.

          5.2. Reconeixement de formes.

                    5.2.1. Template Matching.

                    5.2.2. Reconeixement de patrons per tècniques estadístiques.

                    5.2.3. Reconeixement per tècniques estructurals

          5.3. Tècniques d'il·luminació.

6. Tema 6: Reconstrucció 3D.

          6.1. Introducció.

          6.2. Modelatge i calibració de càmeres.

          6.3. Estéreo-visió.

          6.4. El problema de la correspondència.

          6.5. Geometria Epipolar.

          6.6. Detecció d'outliers.

• González, Rafael C., Woods, Richard E. (2002). Digital image processing (2nd ed.). Upper Saddle River: Prentice Hall.
• González, Rafael C., Woods, Richard E., Eddins, Steven L. (cop. 2004). Digital image processing using Matlab. Upper Saddle River: Prentice Hall.
• Davies, E. R. (cop. 1997). Machine vision : theory, algorithms, practicalities (2nd ed). San Diego [etc.]: Academic Press.
• Forsyth, David A., Ponce, Jean (cop. 2003). Computer vision : a modern approach. Upper Saddle River: Prentice Hall.
• Shapiro, Linda G., Stockman, George C. (cop. 2001). Computer vision. Upper Saddle River: Prentice Hall.
• Vernon, David (1991). Machine vision : automated visual inspection and robotvision. New York [etc.]: Prentice-Hall.
• Vitrià i Marca, Jordi (1995). Visió per computador. Bellaterra: Universitat Autònoma de Barcelona. Servei de Publicacions.
• Duda, Richard O., Hart, Peter E., Stork, David G. (cop. 2001). Pattern classification (2nd ed.). New York [etc.]: John Wiley & Sons.

Activitats d'avaluació:

L'avaluació de l'assignatura està composta de tres grans blocs: la teoria, els corresponents problemes i les pràctiques.

Per a l'avaluació de la teoria es tindrà en compte un examen final (50%).

La part de problemes valdrà (25%) de la nota final. Es tindrà en compte la participació a classe i la correcta resolució d'aquests.

Les pràctiques valen el 25% de la nota. Es tindrà en compte la preparació prèvia, el comportament i la realització durant les hores lectives i la memòria final.

Algunes de les classes teòriques s'impartiran en anglès (veure continguts, tema 4). Per altra banda, un dels grups de pràctiques també s'impartirà integrament en anglès.

Les tutories es faran al 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 de l'examen.