1- Conceptos Introductorios:
Introducción a la Imagen, Geometría proyectiva, Imágenes como funciones, Procesamiento de imágenes, Espacio de color, Visión 3D
2- Histogramas de imágenes y operaciones de puntos:
Histogramas de imágenes, Brillo de imágenes, Operaciones de puntos, Rango dinámico, Inversión de imágenes, Umbral y Ecualización de histogramas
3- Filtrado de imágenes:
Tipos de transformaciones de imágenes. Procesamiento de imágenes puntuales. Filtrado de imágenes invariante por desplazamiento lineal. Convolución y Correlación. Gradientes de imagen.
4- Pirámides de imagen y dominio de frecuencia:
Reducción de resolución de imagen. Alias. Pirámide de imágenes gaussianas. Pirámide de imágenes laplacianas. Series de Fourier. Dominio de la frecuencia. Transformada de Fourier. Filtrado en el dominio de la frecuencia. Revisando el muestreo.
5- Transformada de Hough:
Detectar líneas. Ajuste de línea. Parametrizaciones de línea. Hough transforma. Círculos de Hough. Algunas aplicaciones.
6- Detección de esquinas:
¿Por qué detectar esquinas? Visualización de cuadráticas., Detector de esquinas Harris., Detección multiescala., Detección de manchas multiescala.
7- Detección y descripción de características:
¿Por qué necesitamos descriptores de características? Diseño de descriptores de características. Descriptor MOPS. Descriptor GIST. Histograma del descriptor Textons. Descriptor HOG. TAMIZAR.
8- Transformación 2D:
Transformaciones 2D. geometría proyectiva. Transformaciones en geometría proyectiva. Clasificación de transformaciones 2D. Determinación de transformaciones 2D desconocidas. Determinación de deformaciones de imagen desconocidas.
9- Homografías de imagen:
Motivación: panorámicas. Volviendo a la deformación: homografías de imágenes. Computación con homografías. La transformada lineal directa (DLT). Consenso de Muestra Aleatoria (RANSAC).
10- Clasificación de imágenes:
Introducción a la visión basada en el aprendizaje. Clasificación de imágenes. Bolsa de palabras. K-significa agrupamiento. Clasificación. K vecinos más cercanos. Bayes ingenuo. Máquinas de vectores soporte.
11- Redes Neuronales:
Perceptrón. Redes neuronales. Perceptrones de entrenamiento. Descenso de gradiente. Backpropagation. Descenso de gradiente estocástico.
12- Redes Neuronales Convolucionales:
Arquitectura de las Redes Convolucionales, Capas Convolucionales, Capas Pooling, Capas Totalmente Conectadas, Implementación CNN con TensorFlow, CNN con Nombre Propio, Herramientas, Aplicaciones Prácticas.
13- Detección y clasificación de objetos:
Detección y clasificación de objetos, modelos R-CNN, YOLO, Detectron y SegmenTron