Última actualización: 15/04/2024


Curso Académico: 2024/2025

Procesamiento de Imágenes por Computador
(14926)
Máster Universitario en Robótica y Automatización (Plan: 296 - Estudio: 77)
Escuela de Ingeniería y Ciencias Básicas


Coordinador/a: ARMINGOL MORENO, JOSE MARIA

Departamento asignado a la asignatura: Departamento de Ingeniería de Sistemas y Automática

Tipo: Obligatoria
Créditos: 6.0 ECTS

Curso:
Cuatrimestre:




Objetivos
El objetivo de esta asignatura es que el alumno domine las técnicas avanzadas de análisis de imágenes tanto para sistemas monoculares como estéro. Para ello se verán los dos enfoques principales, bottom-up y top-down, con sus respectivas ventajas e inconvenientes, así como las principales aplicaciones en las que se están utilizando.
Competencias y resultados del aprendizaje
Descripción de contenidos: Programa
1. Introducción - Aplicaciones - Elementos de un sistema de visión 2. Modelo Bottom-up - Preprocesamiento de imágenes - Extracción de características - Segmentación - Transformaciones Morfológicas - Descripción de objetos 3. Modelo Top-down - Modelos rígidos - Modelos deformables - Clasificación y reconocimiento 4. Visión stereoscópica - Perspectiva proyectiva - Calibración de cámaras - Rectificación de imágenes 5. Introducción al deeplearning
Actividades formativas, metodología a utilizar y régimen de tutorías
Clases magistrales, presentaciones de los alumnos, tutorías individuales y trabajo personal del alumno; orientados a la adquisición de conocimientos teóricos.
Sistema de evaluación
  • Peso porcentual del Examen Final 40
  • Peso porcentual del resto de la evaluación 60

Calendario de Evaluación Continua


Bibliografía básica
  • Duda, R. O., Hart, P. E., and Stork, D. G.. Pattern Classification. John Wiley & Sons. 2000
  • Gonzalez, R. C. and Woods, R. E.. Digital Image Processing. Prentice Hall. 2007
  • Jain, R., Rangachar, K., and Schunk,. Computer Vision. McGraw-Hill.
  • Pratt, W. K. Digital Image Processing. Wiley Interscience.
  • Russ, J. C.. The Image Processing. Handbook CRC.
  • Shapiro, L. G. and Stockman. Computer Vision. Prentice-Hall.
Recursos electrónicosRecursos Electrónicos *
Bibliografía complementaria
  • Baggio, Daniel Lélis. Mastering OpenCV with Practical Computer Vision Projects. Packt Publishing. 2012
  • Davies, E. R.. Computer and machine vision: theory, algorithms, practicalities. Elsevier. 2012
  • Gary Bradski, Adrian Kaehler. Learning OpenCV: Computer Vision with the OpenCV Library. O'Reilly Media. 2008
  • Margarita N. Favorskaya, Lakhmi C. Jain . Computer Vision in Control Systems-2. Springer. 2015
  • Nixon, Mark S.. Feature extraction & image processing for computer vision. Academic Press. 2012
Recursos electrónicosRecursos Electrónicos *
(*) El acceso a algunos recursos electrónicos puede estar restringido a los miembros de la comunidad universitaria mediante su validación en campus global. Si esta fuera de la Universidad, establezca una VPN


El programa de la asignatura podría sufrir alguna variación por causa de fuerza mayor debidamente justificada o por eventos académicos comunicados con antelación.