Las imágenes están en todas partes. Vivimos en un mundo lleno de estímulos audiovisuales, y estamos siendo constantemente bombardeados con imágenes y vídeos. Si esto no fuera suficiente, casi cada uno de nosotros lleva un teléfono inteligente en el bolsillo, y constantemente hacemos fotos y grabamos vídeos de lo que nos rodea. Además, las técnicas de procesamiento digital de imágenes se utilizan en muchos ámbitos, como la medicina, la astronomía, la industria o las ciencias biológicas.
Esta asignatura es una introducción al amplio campo del tratamiento digital de imágenes, dotando a los alumnos de los conocimientos fundamentales en este ámbito.
El curso se inicia presentando conceptos fundamentales para el análisis de imágenes. Además, se estudian técnicas para la modificación, mejora y restauración de imágenes, haciendo énfasis en técnicas de filtrado lineales y no lineales. También se estudia el problema de la segmentación de imágenes. En la parte final del curso se hace una introducción a la visión por computador, estudiando cómo se aplican técnicas de aprendizaje automático y aprendizaje profundo para resolver tareas como la clasificación y la segmentación de imágenes.
Además, la asignatura tiene un fuerte enfoque práctico. Las clases serán de carácter teórico-práctico, y será necesario que los alumnos asistan con sus ordenadores portátiles con Matlab instalado. Asimismo, se realizarán prácticas que permiten al alumnado aplicar los contenidos de la asignatura en problemas reales de tratamiento digital de la imagen.
Profesores Titulares
Se recomienda procesamiento digital de la señal.
Los resultados de Aprendizaje de esta asignatura son:
- RA.1 Conocimientos generales básicos de procesamiento digital de imágenes.
- RA.2 Capacidad de aplicar los conocimientos de procesamiento de imagen en la práctica.
Tema 1. Introducción al tratamiento digital de la imagen
- La ubicuidad de las imágenes
- Tipos de imágenes y aplicaciones del tratamiento digital de la imagen
- El sistema visual humano
- Adquisición de imágenes digitales
- Operaciones básicas con imágenes
- Histograma de una imagen
- Espacios de color
Tema 2. Mejora y restauración de imágenes
- La importancia de la mejora y restauración de imágenes
- Reducción del ruido en imágenes
- Morfología matemática
- Mejora del contraste
- Mejora de la nitidez
Tema 3. Segmentación de imágenes
- La importancia de la segmentación de imágenes
- Segmentación basada en discontinuidad
- Segmentación basada en similitud
- Criterios de homogeneidad para segmentación
Tema 4. Introducción a la visión por computador
- La importancia de la clasificación de imágenes
- Aprendizaje supervisado
- Clasificación basada en la teoría de decisión
- Clasificación basada en atributos locales
- El enfoque bag-of-words
- El enfoque basado en aprendizaje profundo
- Aprendizaje profundo para la segmentación de imágenes
La asignatura se imparte en 2 sesiones lectivas semanales, una de 100 minutos de duración y la otra de 50 minutos.
La dinámica habitual de cada clase consistirá en una combinación de explicaciones teóricas seguidas siempre de la realización de ejercicios teóricos y/o prácticos que ejemplifiquen aquello que se acaba de explicar. Metodologías aplicadas: clase magistral (MD0), clase de problemas y ejercicios (MD1), prácticas de laboratorio (MD2).
Adicionalmente, en el eStudy se proporcionan recursos para que el estudiante realice actividades prácticas de aprendizaje complementarias. Metodología aplicada: self-paced learning (MD5).
Por último, y con el objetivo de alcanzar una visión aplicada de los conceptos expuestos en clase, se realizarán dos prácticas en grupo usando el software Matlab[1]. Metodología aplicada: aprendizaje basado en retos (MD11).
[1] El software Matlab se puede obtener gratuitamente usando vuestra licencia de estudiantes de La Salle.
Se valorará:
- Comprensión conceptual del procesamiento de imágenes: capacidad para explicar los principios básicos de formación, representación y transformación de imágenes y comprensión clara de los fundamentos de mejora, restauración y segmentación.
- Aplicación correcta de técnicas de mejora y restauración: adecuada selección de métodos de filtrado, contraste y morfología en función del objetivo, y aplicación precisa de procedimientos e interpretación coherente de los resultados.
- Análisis e implementación de métodos de segmentación: uso correcto de técnicas basadas en discontinuidad o similitud para separar regiones de interés, capacidad para valorar la calidad de la segmentación obtenida y justificar sus decisiones.
- Integración de conceptos básicos de visión por computador: comprensión de los elementos esenciales de clasificación de imágenes y enfoques supervisados, capacidad para describir cuándo es apropiado utilizar métodos clásicos o basados ??en aprendizaje profundo.
- Desarrollo de prácticas orientadas a problemas reales: capacidad para resolver problemas aplicados integrando las técnicas aprendidas utilizando Matlab, calidad de la presentación de los resultados: claridad, estructura e interpretación rigurosa.
- Diapositivas empleadas en clase
- Anil K. Jain, `Fundamentals of digital image processing´, Prentice Hall, 1989
- Gonzalo Pajares, Jesús M. de la Cruz, `Visión por computador´, Ra-Ma
- Rafael C. Gonzalez, Richard E. Woods `Digital Image Processing´, Addison Wesley
- Arturo de la Escalera. Visión por computador. Prentice Hall 2001.
- Jain, Ramesh, Kasturi, Schunk, Brian. Machine Vision. MacGraw Hill, 1995.