Identifying Data 2019/20
Subject (*) Computer Vision Code 614G01068
Study programme
Grao en Enxeñaría Informática
Descriptors Cycle Period Year Type Credits
Graduate 1st four-month period
Fourth Optional 6
Language
Spanish
Teaching method Face-to-face
Prerequisites
Department Ciencias da Computación e Tecnoloxías da Información
Computación
Coordinador
Gonzalez Penedo, Manuel
E-mail
manuel.gpenedo@udc.es
Lecturers
De Moura Ramos, Jose Joaquim
Gonzalez Penedo, Manuel
Novo Bujan, Jorge
Ortega Hortas, Marcos
Rouco Maseda, Jose
E-mail
joaquim.demoura@udc.es
manuel.gpenedo@udc.es
j.novo@udc.es
m.ortega@udc.es
jose.rouco@udc.es
Web http://http://www.varpa.es/Docencia/index.html
General description

Study programme competencies
Code Study programme competences
A43 Capacidade para adquirir, obter, formalizar e representar o coñecemento humano nunha forma computable para a resolución de problemas mediante un sistema informático en calquera ámbito de aplicación, particularmente os relacionados con aspectos de computación, percepción e actuación en ambientes ou contornos intelixentes.
A44 Capacidade para desenvolver e avaliar sistemas interactivos e de presentación de información complexa e a súa aplicación á resolución de problemas de deseño de interacción persoa-computadora.
B1 Capacidade de resolución de problemas
B3 Capacidade de análise e síntese
B9 Capacidade para xerar novas ideas (creatividade)
C4 Desenvolverse para o exercicio dunha cidadanía aberta, culta, crítica, comprometida, democrática e solidaria, capaz de analizar a realidade, diagnosticar problemas, formular e implantar solucións baseadas no coñecemento e orientadas ao ben común.
C6 Valorar criticamente o coñecemento, a tecnoloxía e a información dispoñible para resolver os problemas cos que deben enfrontarse.
C8 Valorar a importancia que ten a investigación, a innovación e o desenvolvemento tecnolóxico no avance socioeconómico e cultural da sociedade.

Learning aims
Learning outcomes Study programme competences
Comprender os conceptos básicos do Procesado Dixital de imaxes orientado cara a Visión Artificial, as diferentes técnicas dispoñibles e o seu ámbito de aplicabilidade. A43
A44
B1
B9
Ser capaz de aplicar as distintas técnicas de aprendizaxe empregando unha metodoloxía axeitada. A43
A44
B1
B3
C6
Coñecer as técnicas dispoñibles para a avaliación dos sistemas baseados en Visión Artificial A44
B1
B3
Utilizar os coñecementos adquiridos en diversas aplicacións reais onde se utilizan procesos de tratamentos dixital de imaxes. A43
A44
B1
B9
C6
C8
Aprender a redactar documentos científicos A43
A44
B3
C4

Contents
Topic Sub-topic
Introdución A Imaxe dixital e as súas propiedades
Dixitalización da imaxe
Propiedades, métricas e topoloxía
Propiedades estadísticas, histograma
Preprocesado Transformacións por nivel de gris
Transformacións xeométricas
Interpolacións
Filtros na Imaxe Dixital Filtros espaciais: Convolución
Filtros en frecuencia: Fourier
Aplicacións: Ruido, Realce, Suavizado
Operadores Morfolóxicos
Operadores de Borde
Detección de formas na imaxe Transformada de Hough
Modelos deformables
Segmentación Umbralización
Algoritmos de clustering
Segmentación basada en rexións
Recoñecemento de obxectos Extracción de características
Contornos
Representacións
Cor e textura
Algoritmos de clasificación
Detección de puntos de interese Esquinas
SURF
SIFT
Emparellamento de patrones
Rexistro
Movemento Detección e caracterización do movimiento
Fluxo óptico
Seguemento

Planning
Methodologies / tests Competencies Ordinary class hours Student’s personal work hours Total hours
Guest lecture / keynote speech A43 A44 B1 B3 C6 C8 26 49.4 75.4
Laboratory practice A43 A44 B1 C6 C8 7 14 21
Workbook A43 A44 B3 C4 C6 C8 0 21 21
Research (Research project) A43 A44 B1 B3 B9 C4 C6 C8 7 21 28
Mixed objective/subjective test A43 A44 B1 B3 B9 1 0.6 1.6
 
Personalized attention 3 0 3
 
(*)The information in the planning table is for guidance only and does not take into account the heterogeneity of the students.

Methodologies
Methodologies Description
Guest lecture / keynote speech Exposición oral complementada con el uso de medios audiovisuales y la introducción de algunas preguntas dirigidas a los estudiantes, con el objetivo de transmitir conocimiento así como de estimular el razomaniento crítico del estudiante.
Laboratory practice Actividade que permite que os estudantes aprendan efectivamente a través da realización de actividades de carácter práctico, tales como demostracións, exercicios, ou simulacións.
Workbook Conxunto de textos e documentación escrita, principalmente en lingua estranxeira (inglés), que se recolleu e editou como fonte de información e afondamento nos contidos traballados nas clases maxistrais.
Research (Research project) Actividade que permite aos estudantes o estudo e aprendizaxe da aplicación e combinación das diferentes técnicas estudadas para a resolución de problemas baseados en ámbitos reais de aplicación.
Mixed objective/subjective test Actividade para a avaliación da comprensión e capacidade analítica das técnicas que o alumno utilizou para a resolución de determinados problemas.

Personalized attention
Methodologies
Research (Research project)
Description
Dada a amplitude do traballo de investigación será necesario tanto o seguimento periódico do traballo co fin de guiar o seu desenvolvemento e asegurar a súa calidade, así como permitir aos alumnos aclarar co profesor dúbidas particulares do proxecto. Para o seguimento deste ademais de titorías presenciais contarase cun espazo de titorías virtuais onde o alumno poderá enviar tamén as súas consultas.

Assessment
Methodologies Competencies Description Qualification
Laboratory practice A43 A44 B1 C6 C8 Asistencia e realización das prácticas. Compresión e análise crítica de cada unha delas. 30
Research (Research project) A43 A44 B1 B3 B9 C4 C6 C8 Realización do traballo de estudo, implementación e combinación de técnicas de visión artificial. 20
Mixed objective/subjective test A43 A44 B1 B3 B9 Proba escrita final con diferentes supostos e cuestións que avaliarán a capacidade de compresión, razoamento e coñecementos do alumno na materia 50
 
Assessment comments

En cada unha das tres partes será obrigatorio alcanzar unha nota mínima para poder aprobar a materia:

  • Proba mixta (escrita): 50% da nota máxima neste apartado
  • Prácticas de laboratorio (defensa oral): 33% da nota máxima neste apartado
  • Traballo de investigación (defensa oral): 33% da nota máxima neste apartado

Se un alumno se presenta a calquera das partes avaliables propostas, considerarase PRESENTADO e, polo tanto, se non se presentase a algunha das outras partes a cualificación final sería de SUSPENSO.

No caso de actividades presenciais facilitarase a súa realización aos estudantes matriculados a tempo parcial.


Sources of information
Basic Anil Jain (1989). Fundamentals of Digital Image Processing . Prentice Hall
Andrew Blake (1998). Active Contours . Springer
Milan Sonka (1999). Image Processing, Analysis and Machine Vision . PWS Publishing
Rafael González (1996). Tratamiento Digital de Imágenes . Addison-Wesley

Complementary


Recommendations
Subjects that it is recommended to have taken before

Subjects that are recommended to be taken simultaneously

Subjects that continue the syllabus

Other comments


(*)The teaching guide is the document in which the URV publishes the information about all its courses. It is a public document and cannot be modified. Only in exceptional cases can it be revised by the competent agent or duly revised so that it is in line with current legislation.