Los trabajos practicos se orientan a familiarizar al alumno con las funcionalidades más comunes de sistemas de operación sobre imagenes digitales, con proyeccion a los sistemas de vision por computador. El alumno conocerá las propiedades de los operadores elementales y su combinación. El alumno se familiariza con la estructura general de los sistemas de vision por computador pudiendo determinar configuraciones especificas para problemas concretos. El alumno adquiere una visión general de los campos de aplicación que le permitirá determinar la viabilidad o utilidad de un proyecto de vision por computador. El alumno entrará en contacto directo con un grupo de investigación consolidado para orientar su trabajo y lineas de desarrollo personal en el ámbito de la investigación



COMPETENCIAS ESPECÍFICAS:

1. Analizar los requerimientos software de un sistema basado en vision por computador

2. Establecer la interoperabilidad de sistemas de vision con otros sistemas software

3. Analisis crítico de soluciones basadas en vision en computador para su evaluación.

4. Definir el estado del arte para la solucion de problemas utilizando vision por computador.



COMPETENCIAS GENERALES

Además de las competencias de la asignatura, se trabajarán las competencias generales C4, C8 y C9, C10 así como las competencias RI6 y RI15 de la rama común informática, tal y como aparecen en el documento http://www.ehu.es/documents/340468/516505/Lista+de+competencias.pdf

1- Introducción y motivación

2- Formulaciones básicas de la imagen digital.

3- Geometría de la captura de la imagen.

4- Nociones radiométricas de captura de la imagen.

5- Espacios de color.

6- Transformaciones de la imagen y filtrado.

7- Binarización y procesos sobre las imágenes binarias.

8- Preproceso de la imagen y eliminación de ruido.

9- Segmentación de imagen. Extracción de bordes y regiones.

10- Métodos morfológicos de proceso de la imagen.

11- Segmentación de video. Extracción de background. Flujo óptico

12- Tecnicas de aprendizaje automatico para reconocimiento visual.

13- Técnicas de aprendizaje profundo (deep learning)

El trabajo se desarrolla en el laboratorio, por lo que se requiere constante interacción con las herramientas computacionales tanto en las clases magistrales como en las prácticas, dado que parte de la docencia magistral incluye la demostracion in situ y on line de imagenes, procesos y resultados. La docencia se organiza en torno a aplicaciones especifica como demostradores de técnicas y resultados en relación directa con las lineas de trabajo del grupo de investigación.

La dedicación del alumno supone un total de 60 horas presenciales y 60 horas de trabajo personal.

Las clases se organizan en breves presentaciones magistrales de los fundamentos y propuesta de trabajos (desafios) a resolver por el alumno sobre datos (imagenes o videos) proporcionados por el profesor.

La asignatura tiene dos modos de evaluación: la evaluación final (o de conjunto) y la evaluación continua. La evaluación continua, a la que el alumnado podrá acogerse voluntariamente, se oferta exclusivamente a los estudiantes que puedan realizar el seguimiento continuo de la asignatura en el marco establecido de dedicación y asistencia a las actividades presenciales.

En la actual situación de emergencia por la pandemia de COVID-19, la actividad presencial puede consistir en la asistencia remota a las clases. La disponibilidad general del software de base (Matlab) permitirá que los alumnos realicen los desafios computacionales de forma remota.



La preinscripción en el modo de evaluación continua se realizará en las fechas establecidas. La preinscripción pasará a ser definitiva tras la confirmación de la solicitud por parte del estudiante en las fechas que se establezcan (entre el 60% y el 80% del curso) y previa verificación del rendimiento parcial por parte del profesorado.



A continuación se presenta, en forma resumida, el peso de los diferentes aspectos a considerar en las dos formas alternativas de evaluación.



Evaluación de Conjunto

Exámenes escritos en las fechas señaladas para las convocatorias ordinaria y extraordinaria con entrega previa de un trabajo práctico obligatorio: 100%



Evaluación continua

Pruebas orales asociadas al seguimiento continuo: 30%

Evaluación de trabajos y prácticas: 40%

Evaluación de la participación en actividades presenciales: 30%

CONOCIMIENTOS Y DESTREZAS QUE SE REQUIEREN
Se realizan los trabajos practicos en Matlab, conocimientos previos no son un requisito pero si contribuyen al mejor rendimiento del alumno.
Matlab y las toolboxes requeridas tienen licencia educativa corporativa, por lo que los alumnos pueden instalarlas en sus ordenadores personales y realizar los trabajos de forma presencial o remota si se declara una situación de emergencia por la pandemia de COVID-19.

Bibliografía básica

1.- B. Horn, Robot Vision,MIT Press

2.- Haralick, Shapiro, Computer and robot vision, Addison Wesley

3.- R.C. Gonzalez, R.E. Woods, Digital image processing, Pearson

4.- Pratt, Digital Image Processing, John Wiley & Sons

Bibliografía de profundización

1.- R Hartley y A Zisserman Multiple View Geometry in Computer Vision, Cambridge University Press
2.- Computer Vision: Algorithms and Applications, Richard Szeliski,

Revistas

IEEE Pattern recognition and machine intelligence
IEEE image processing
Acceso a Elsevier, Springer e IEEE.