Guía DocenteCurso
Facultade de Informática
  Inicio | galego | castellano | A A A |  
Enxeñeiro en Informática
 Asignaturas
  Visión Artificial
   Contidos
Temas Subtemas
1. Introducción 1.1.Introducción a la Visión Artificial.
1.2. Fundamentos y Definiciones.
1.3. Muestreo de la Imágen.
1.4. Operaciones sobre la Imágen.
2. Transformadas y Operaciones 2.1. Transformadas de Fourier. Propiedades
2.1.1. Importancia de la Fase y Amplitud
2.1.2. Separabilidad
2.1.3. Traslación
2.1.4. Rotación
2.1.5. Cambio de Escala
2.2. Convolución
2.3. Transformada del Coseno. Propiedades.
3 Mejora de Imagen I 3.1. Introducción
3.2. Estadísticas de una Imagen
3.3. Histograma
3.4. Mejora por procesamiento de punto
3.5. Transformaciones de intensidad
3.6. Operaciones sencillas
3.7. Procesado de histogramas
3.8. Definiciones
3.9. Normalización
3.10. Histograma Shrink
3.11. Desplazamiento
3.12. Ecualización
3.13. Control Adaptivo de Histograma
4. Mejora de la Imagen II(suavizado) 4.1. Introducción
4.2. Filtros
4.3. Dominio Espacial
4.4. Lineales
4.5. Uniforme
4.6. Gaussiano
4.7. No Lineales
4.8. Median
4.9. Suavizado preservando bordes
4.10. Otros
1.11. Dominio de la Frecuencia
4.12. FFT(suavizado)
4.13. Filtro pasa baja Ideal
4.14. Filtro pasa baja No Ideal
5 Mejora de la Imagen III(Realce) 5.1. ntroducción
5.2. Dominio Espacial
5.3. Algoritmos de Realce
5.4. Filtros pasa alta
5.5. Enfasis de alta frecuencia(High-Boost)
5.6. Unsharp Masking
5.7. Dominio de la Frecuencia
5.8. FFT(realce)
5.9. Filtro pasa alta Ideal
5.10.Filtro pasa alta No Ideal(Butterford)
5.11. Enfasis de altas frecuencias
5.12. Realce Homomórfico
6 Segmentación I 6.1. Introducción
6.2. Metodos de segmentación basados en el análisis del histograma
6.3. Umbralización
6.4. P-Tile Methd
6.5. Isodata Algorithm
6.6. Background-symmetry algorithm
6.7. Triangle algorithm
6.8. Limitaciones de los métodos basados en análisis de histogramas
7 Métodos de segmentación orientada a regiones 7.1. Split Regions
7.2. Split and Merge
7.3. Region Growing
8. Detección de bordes 8.1. Introducción
8.2. Métodos de detección
8.3. Métodos basados en gradiente
8.4. Métodos basados en 2ªderivada
8.5. Método basado en la detección de cruces por cero
8.6. Operador LoG
8.7. Operador DoG
8.8. Operador de Canny
8.9. Problemas en la detección de bordes
9. Segmentación en Base a Discontinuidades 9.1. Necesidad de un entrelazado de bordes
9.2. Umbralizacion en base a bordes:
Umbralización de imágenes de bordes
Relajación de bordes
9.3. Enlazado de bordes:
Mediante seguimiento de contorno
Mediante grafos
Mediante programación dinámica
9.4. Transformada de Hough
10. Modelos Deformables 10.1. Introducción a los modelos deformables
10.2. Energías.
10.3. Discretización del contorno
10.4. Ejemplos de funcionamiento
10.5. Métodos de Minimización de Energía
10.6. Otros Modelos Deformables
10.7. Características y ventajas frente a otros métodos de segmentación
10.8. Limitaciones de los contornos activos
10.9. Ejemplos de Aplicaciones de los Modelos Deformables
11. Reconocimiento de Objetos 11.1. Introducción.
11.2. Esquemas de representación.
11.2.1.- Código de Cadena.
11.2.2.- Aproximaciones poligonales.
11.2.3.- Firmas.
11.2.4.- Lados del contorno.
11.2.5.- Esqueleto de una región.
11.3. Descriptores del contorno.
11.4. Descriptores de región.
11.5. Reconocimiento de patrones.
11.5.1.- Introducción a los métodos de decisión teórica.
11.5.2.- Reconocimiento estadístico.
11.5.3.- Redes de neuronas artificiales.
11.5.4.- Métodos estructurales.
11.6. Interpretación.
Universidade da Coruña - Rúa Maestranza 9, 15001 A Coruña - Tel. +34 981 16 70 00  Soporte Guías Docentes