240AR052 - Temas Avanzados en Visión por Computador

(1)

El objetivo de la visión por computador es extraer datos de imágenes digitales. Se supone que los estudiantes han aprendido los fundamentos del diseño de técnicas de visión por computador y sus aplicaciones en la asignatura obligatoria de " Visión por Computador ".

Esta assignatura complementará los conocimientos teóricos y prácticos adquiridos en Visión por Computador con temas que pueden ser considerados aplicaciones fuera del estándar o de vanguardia.

La asignatura se divide en dos partes principales:

Responsable: JUAN ARANDA LÓPEZ Unidad que imparte:

Curso:

Créditos ECTS:

707 - ESAII - Departamento de Ingeniería de Sistemas, Automática e Informática Industrial 2015

MÁSTER UNIVERSITARIO EN AUTOMÁTICA Y ROBÓTICA (Plan 2012). (Unidad docente Optativa) 4,5 Idiomas docencia: Inglés

Titulación:

Profesorado

Objetivos de aprendizaje de la asignatura

La metodología del curso será a través de clases magistrales de 2 h/Sesión, donde el profesor explicará la teoría e introducirá ejercicios para mejorar la comprensión de la materia.

Los ejercicios consistirán en problemas expuestos y resueltos en clase (en la pizarra), o en algunos casos pueden ser códigos de programas (con la ayuda de un ordenador), así como prácticas de laboratorio.

A través del curso, el alumno deberá resolver al menos 3 ejercicios específicos de los diferentes temas de la asignatura.

Estos Ejercicios serán evaluados por el profesor y constituirán parte de la nota final.

Habrá también un proyecto corto que será seleccionado por el estudiante, donde el estudiante debe demostrar a los conocimientos adquiridos. Este breve proyecto será presentado y evaluado en una presentación oral. Para la solución de varios de los ejercicios y el proyecto, los estudiantes utilizarán una herramienta de programación de visión por

computador.

Metodologías docentes

(2)

Universitat Politècnica de Catalunya 2 / 8

soluciones que no son aplicables a un conjunto generalizado de aplicaciones.

Contenido obligatorio

- Transformaciones de imágenes.

- Segmentación de imagénes por la textura y color.

- Descripción robusta de las regiones y las imágenes.

- Visión estéreo.

- Extracción y reconstrucción 3D.

Dedicación total: 0h Grupo grande/Teoría:

Grupo mediano/Prácticas:

Grupo pequeño/Laboratorio:

Actividades dirigidas:

Aprendizaje autónomo:

0h 0h 0h 0h 0h

0%

Horas totales de dedicación del estudiantado

(3)

1. Introducción

2. Transformaciones de imagenes

Dedicación: 4h

Dedicación: 8h

Grupo grande/Teoría: 2h Aprendizaje autónomo: 2h

Grupo grande/Teoría: 3h Grupo mediano/Prácticas: 1h Aprendizaje autónomo: 4h Este tema se ocupará de:

· ¿Qué es avanzado en Visión por Computador?

· Contenidos del curso, objetivos y organización

Este tema se refiere a:

· Fourier, DCT, Hadamard, Haar, Slant

· Wavelets

· Filtrado Bilateral

· Aplicación de descripción de la imagen y compresión de imágenes Descripción:

Descripción:

Actividades vinculadas:

Classe Magistral

Clase magistral, resolución de problemas y aprendizaje autónomo a través de ejercicios Objetivos específicos:

Objetivos específicos:

CB1, CB2, CB3, CB4, CB5, CG1, CG3, CG8, CT2, CT3, CT4, CT5, CT7, CE7, CE9, CE13

(4)

3. Análisis de Texturas

4. Análisis de color

Dedicación: 8h

Grupo grande/Teoría: 3h Grupo mediano/Prácticas: 1h Aprendizaje autónomo: 4h

Grupo grande/Teoría: 3h Grupo mediano/Prácticas: 1h Aprendizaje autónomo: 4h Este tema se refiere a:

· Descriptores de texturas

· Métodos: Estadísticos, estructurales y sintácticos

· Aplicación de segmentación de imágenes

· Espacios de color

· Constancia del color

· Descriptores para la invariancia de color

· plicación de segmentación de imágenes Descripción:

Descripción:

Clase magistral, resolución de problemas y aprendizaje autónomo a través de ejercicios

(5)

5. Descriptores y métodos de reconocimiento

6. Correspondencia estereoscópica

Dedicación: 8h

· Descriptores: PCASIFT, SURF, GLOH, DASY, BREVES

· Reconocimiento de objetos: Bolsa de palabras, Constelaciones

· Geometría Epipolar

· Problema de Correspondencia: aproximaciones dispersas y densas

· Métodos locales: medidas de distancia. Algoritmo de Shirai.

· Optimización Global: SSSD, Relajación, programación dinámica.

Descripción:

(6)

7. Reconstrucción 3D

8. Detección 3D monocular

Dedicación: 8h

· Forma a partir de X: fotometría, sombra, enfoque, textura.

· Estructura a partir del movimiento. Factorización.

· Reconstrucción multivista: Coloreado de Voxel, Talla espacio, forams a partir de siluetas.

· Los métodos activos: aviones con láser, juegos de puntos, cámaras TOF, kinect, ¿

· Revisión de la geometría de la cámara

· Estimación de la Pose

· Detectores robustos

· Detección 3D no rígida Descripción:

Descripción:

(7)

Planificación de actividades

1. PEQUEÑO PROYECTO DE VISIÓN POR COMPUTADOR

Sistema de calificación

9. Forografia computacional

Dedicación: 4h

Grupo grande/Teoría: 2h Aprendizaje autónomo: 2h

Material de soporte:

Ordenadores y herramientas de software

Descripción de la entrega esperada y vínculos con la evaluación:

Presentación oral de los métodos desarrollados y resultados Objetivos específicos:

Implementar la solución de visión por computador para un problema específico donde el estudiante debe demostrar los conocimientos y habilidades adquiridas a lo largo del curso.

Este proyecto se implementará en un lenguaje de programación

Grupo pequeño/Laboratorio: 10h Aprendizaje autónomo: 38h Dedicación: 48h

· Fotografia con y sin flash

· Imagen y vídeo con la focal variable Descripción:

(8)

Bibliografía Básica:

Complementaria:

Szeliski, Richard. Computer vision : algorithms and applications [en línea]. London: Springer, cop. 2011 [Consulta:

10/12/2013]. Disponible a: <http://site.ebrary.com/lib/upcatalunya/docDetail.action?docID=10421311>. ISBN 9781848829343.

González, Rafael C; Woods, Richard E. Digital image processing. 3rd ed. Harlow: Pearson Prentice Hall, cop. 2008. ISBN 9780131687288.

Trucco, Emanuele; Verri, Alessandro. Introductory techniques for 3-D computer vision. Upper Saddle River: Prentice Hall, cop. 1998. ISBN 0132611082.

Hartley, Richard; Zisserman, Andrew. Multiple view geometry in computer vision. 2nd ed. Cambridge: Cambridge University Press, 2003. ISBN 0521540518.

González, Rafael C; Woods, Richard E; Eddins, Steven L. Digital Image processing using MATLAB. 2nd ed. s.l: Gatesmark Publishing, 2009. ISBN 9780982085400.

Klette, Reinhard; Schlüns, Karsten; Koschan, Andreas. Computer vision : three-dimensional data from images. Singapore:

Springer-Verlag, 1998. ISBN 9813083719.