Procesamiento Avanzado De
Señales E Imágenes-EL115-201202
Authors
Kemper Vasquez Guillermo Leopoldo
Rights
Attribution-NonCommercial-ShareAlike 3.0 United States
Download date
12/06/2021 22:06:59
Item License
http://creativecommons.org/licenses/by-nc-sa/3.0/us/
III. INTRODUCCIÓN
El curso aborda los siguientes tópicos de procesamiento digital de señales: cuantización uniforme y no
uniforme, reconstrucción de señales, codificación adaptiva de señales, variación de la tasa de muestreo,
descomposición/reconstrucción sub-banda, codificación de señales de voz, filtros adaptivos, digitalización de
imágenes, modelos de color, segmentación de regiones de interés en imágenes digitales, geometría de la
imagen, mejora y filtraje de la imagen digital y digitalización de señales de vídeo.
IV. LOGRO (S) DEL CURSO
Al finalizar el curso el alumno resolverá diversos problemas de ingeniería, a través del diseño e
implementación de algoritmos avanzados de procesamiento de señales e imágenes, desarrollados a partir de
métodos matemáticos/computacionales, basados en el análisis, modelamiento y caracterización de funciones
discretas, expresadas en tiempo, frecuencia y espacio.
Competencias de la carrera o ¿Program outcomes¿ a la que el logro terminal del curso contribuye a alcanzar: (a)
aplicar conocimientos de matemáticas, ciencia e ingeniería; (b) diseñar y realizar experimentos, analizar e
interpretar datos; (e) identificar, formular y resolver problemas de ingeniería; (k) aplicación de técnicas,
habilidades, y herramientas modernas de ingeniería necesarias para la práctica de la ingeniería.
UNIDAD Nº: 1 CUANTIZACIÓN DE SEÑALES LOGRO
Al finalizar la unidad el estudiante será capaz de analizar los efectos introducidos por el proceso de cuantización y reconstrucción de señales, así como interpretar y comparar el desempeño de los diferentes formatos de cuantificación y I. INFORMACIÓN GENERAL
CURSO
:
Procesamiento Avanzado de Señales e ImágenesCÓDIGO
:
EL115CICLO
:
201202CUERPO ACADÉMICO
:
Kemper Vásquez, Guillermo Leopoldo
CRÉDITOS
:
4SEMANAS
:
15HORAS
:
2 H (Práctica) Semanal /3 H (Teoría) Semanal ÁREA O CARRERA:
Ingenieria ElectronicaII. MISIÓN Y VISIÓN DE LA UPC
Misión: Formar líderes íntegros e innovadores con visión global para que transformen el Perú. Visión: Ser líder en la educación superior por su excelencia académica y su capacidad de innovación.
conversión A/D. TEMARIO
Conversión A-D - PCM / Reconstrucción de señales y conversores D/A / Codificación Binaria / Cuantización uniforme y SNR / Conversores A-D / Tasa de bits / Cuantización y codificación vía factor de escala / Cuantización no uniforme / Cuantización adaptiva.
HORA(S) / SEMANA(S) SEMANA 1 A 2
UNIDAD Nº: 2 VARIACION DE LA TASA DE MUESTREO LOGRO
Al finalizar la unidad el estudiante será capaz de conocer detalladamente los procesos de decimación e interpolación de señales discretas, así como sus aplicaciones y efectos en tiempo y frecuencia.
TEMARIO
Proceso de disminución de la tasa de muestreo en un factor entero: Submuestreo. / Proceso de incremento de la tasa de muestreo en un factor entero: Sobremuestreo. / Variación de la tasa de muestreo en factores no enteros/ Filtros QMF / Descomposición y reconstrucción sub-banda.
Laboratorio N°1: Captura de señales vía la tarjeta de sonido de la PC, utilizando MATLAB / Diseño de Algoritmos para re-cuantización de una señal: factor de escala y cuantización no uniforme / Diseño de algoritmos de cuantización adaptiva/Variación de la Tasa de Muestreo.
HORA(S) / SEMANA(S) SEMANA 2 A 4
UNIDAD Nº: 3 CODIFICACIÓN DPCM/ADPCM LOGRO
Al finalizar la unidad el estudiante será capaz de diseñar sistemas de codificación de voz basados en predicción lineal LPC y medir sus desempeños a partir de métodos subjetivos y objetivos.
TEMARIO
Aspectos introductorios a los sistemas DPCM / sistemas DPCM como procesos de compresión de señales. / Diseño de filtros predictores óptimos. / Algoritmo de Levinson-Durbins. / Sistema DPCM con cuantización adaptiva (ADPCM). / Diseño de un codificador/decodificador de voz utilizando un sistema ADPCM-Durbins / Vocoders / parámetros de desempeño de codificadores de voz / Clasificación de los codificadores de voz / Evolución de los codificadores de voz / El codificador ADPCM G.726 / El codificador CELP G.729 / Métodos objetivos y subjetivos de medición de calidad. HORA(S) / SEMANA(S)
SEMANA 5 A 7
UNIDAD Nº: 4 FILTROS ADAPTIVOS LOGRO
Al finalizar la unidad el estudiante será capaz de diseñar sistemas lineales variantes en el tiempo, basados en filtraje adaptivo LMS, NLMS y RLS.
TEMARIO
Temario: Conceptos introductorios a filtros adaptivos. Algoritmo de adaptación LMS convencional / Algoritmo de adaptación LMS normalizado / Algoritmo de Adaptación RLS./ Aplicaciones de filtros adaptivos : Detector de tono. Cancelador de banda angosta. Cancelador de eco telefónico. Identificador de sistema. Ecualizador de canal. Codificación LPC.
Laboratorio N2: Implementación de un sistema basado en predicción lineal. Análisis de tiempos de convergencia y procesamiento LMS y RLS. Identificación de sistema. Cancelador de Tono. Cancelador de eco telefónico, Ecualizador adaptivo de canal, etc.
HORA(S) / SEMANA(S) SEMANA 9 A 10
UNIDAD Nº: 5 PROCESAMIENTO DIGITAL DE IMÁGENES LOGRO
Al finalizar la unidad el estudiante será capaz de diseñar y desarrollar algoritmos de procesamiento digital de imágenes utilizando diferentes métodos de recuantización, segmentación, transformación, filtraje y mejora espacial.
TEMARIO
Temario: Procesos de muestreo, cuantización y codificación de imágenes y vídeo / modelos de color / Vecindad de un pixel y etiquetado / Segmentación / Centro de masa y proyecciones / Geometría de la imagen / Filtraje de imágenes / Procesos de mejora de una imagen digital vía función de correspondencia e histograma / Momentos de Hu / Transformada de Fourier bidimensional.
Trabajo Final: Desarrollo de algoritmos de procesamiento de imágenes. HORA(S) / SEMANA(S)
SEMANA 11 A 15
VI. METODOLOGÍA
La metodología del curso consta de clases teóricas y de clases prácticas. En este último se da mucho énfasis,
puesto que se promueve la participación activa de los alumnos en la discusión y solución de ejercicios. Así
mismo se toman prácticas calificadas y se realizan prácticas de laboratorio.
En las sesiones de laboratorio el profesor explica alternativas de solución práctica a los problemas planteados,
las cuales deberán ser analizadas, evaluadas y modificadas por cada grupo de trabajo, a fin de obtener los
mejores resultados. Después del diseño e implementación de los algoritmos requeridos, cada grupo deberá
presentar un informe escrito donde deberá especificar los resultados obtenidos en las diversas experiencias, con
las debidas justificaciones y conclusiones del caso.
VII. EVALUACIÓN FÓRMULA
10% (PC1) + 10% (LB1) + 25% (EA1) + 10% (LB2) + 10% (PC2) + 10% (TF1) + 25% (EB1)
TIPO DE NOTA PESO %
PC - PRÁCTICAS PC 10 LB - PRACTICA LABORATORIO 10 EA - EVALUACIÓN PARCIAL 25 LB - PRACTICA LABORATORIO 10 PC - PRÁCTICAS PC 10 TF - TRABAJO FINAL 10 EB - EVALUACIÓN FINAL 25 VIII. CRONOGRAMA TIPO DE PRUEBA DESCRIPCIÓN NOTA NÚM. DE PRUEBA
FECHA OBSERVACIÓN RECUPERABLE
PC PRÁCTICAS PC 1 SEM05 SÍ
LB PRACTICA LABORATORIO
1 SEM05 NO
EA EVALUACIÓN PARCIAL 1 SEM08 SÍ
LB PRACTICA LABORATORIO
2 SEM12 NO
PC PRÁCTICAS PC 2 SEM13 SÍ
TF TRABAJO FINAL 1 SEM15 NO
EB EVALUACIÓN FINAL 1 SEM16 SÍ
IX. BIBLIOGRAFÍA DEL CURSO
BÁSICA
GONZÁLEZ, Rafael (1996) Tratamiento digital de imágenes. Wilmington, DL : Addison-Wesley
Iberoamericana.
(621.367 GONZ/E)
HAYKIN, Simon (1996) Adaptive filter theory. Upper Saddle River, NJ : Prentice-Hall.
(621.3815324 HAYK)
OPPENHEIM, Alan (1999) Discrete-time signal processing. Upper Saddle River, NJ : Prentice-Hall.
(621.3822 OPPE/D)
RABINER, Lawrence (0) Digital processing of speech signals. Upper Saddle River, NJ : Prentice-Hall.
(621.3828 RABI)
RECOMENDADA
(No necesariamente disponible en el Centro de Información)