Master en Vision Computarizada

CIENCIAS de la COMPUTACIÓN

Universidad de los P u e bl o s de Eu r o pa

Master Profesional en Visión Computarizada

IIn ns sttiittu uc ciió ón n UPE Universidad de los Pueblos de Europa (University of the European Peoples) es una institución independiente de educación superior que ofrece titulaciones de nivel profesional, de postgrado a través de unos programas académicos actuales, un método innovador de enseñanza a distancia y que tiene el compromiso de cubrir las necesidades del estudiante adulto. UPE ofrece titulaciones de postgrado en las que tanto el programa de estudio como los exámenes se completan a distancia. Se valoran la experiencia y los estudios previos de cada alumno para poder diseñar un programa académico a la medida de cada estudiante. El sistema pedagógico de UPE permite un calendario flexible y absolutamente compatible con el trabajo y estilo de vida de cada persona.

UPE Universidad de los Pueblos de Europa se concibió en 1994 como una institución privada e independiente con el compromiso de resolver las deficiencias que adolece la educación tradicional cuando se dirige a profesionales y adultos. UPE fue establecida en Europa por expertos en educación que realizaron una compleja labor de integración de metodología pedagógica con las idiosincrasias de las principales culturas e idiomas. Doctores de todo el mundo conforman nuestro consejo académico. UPE asumió el reto de convertirse en una de las mejores universidades a distancia del mundo. Está registrada en el Reino de España (UE) en la Dirección General del Registro Mercantil de la Provincia de Málaga del Ministerio de Justicia con el número 1505 y con el Código de Identificación B29651064. Hoy en día, UPE está reconocida o es miembro de prestigiosas organizaciones internacionales entre las que se encuentra la WAUC Wold Association of Universities and Colleges (USA) y University EuroAmerican Consortium (EU).

2

Presentación Este Master desarrolla un programa de calidad, con un contenido totalmente actualizado y un diseño atractivo, ofrece una formación especializada a nivel de maestría dentro del campo de la imagen artificial computerizada.

Aborda todos aquellos aspectos que son necesarios en el campo de la visión por computador o visión artificial, desde el procesamiento y el análisis de imágenes a las aplicaciones de máximo interés. En el texto se conjugan rigurosidad con claridad y sencillez para que el esfuerzo de comprensión sea mínimo y permita al lector desarrollar sus propias aplicaciones. Incluye acceso al Campus Virtual y material multimedia con más de 500 imágenes en formato JPEG, así como diversas aplicaciones de interés, trece apéndices y el área de ejercicios resueltos que completan su contenido.

Objetivos Con la programación de este MASTER PROFESIONAL EN VISIÓN COMPUTERIZADA nos proponemos los siguientes objetivos: 1.

2.

3.

4.

Ofrecer una formación especializada en el área de la Visión Computarizada.

Conocer las industrias estrechamente relacionadas con esta tecnología y sus campos de aplicación.

Orientar a los profesionales de la Computación sobre la importancia de la imagen digital y sus diferentes aplicaciones Formar parte del equipo del área de imagen computarizada en los centros de investigación.

3

Salidas Profesionales Una vez finalizado y superado el curso, el alumno estará preparado para desarrollar su trabajo en los siguientes ámbitos: 1. Investigación y Desarrollo.

2. Trabajar en empresas y corporaciones empresariales.

3. Ocuparse de aquellos puestos de trabajo donde se exija dicha especialidad profesional.

Dirigido a 1. Diplomados y Licenciados en Informática.

2. El programa de Maestría esta diseñado para adultos que trabajan y que ya obtuvieron la graduación académica profesional y que cuentan con suficiente experiencia laboral. Puede ser terminado en 24 meses o antes dependiendo de los créditos obtenidos y de la motivación del estudiante. En este programa también se evalúa la experiencia profesional y académica del estudiante para obtener créditos.

4

MEste od alidad Distance Learning sistema de educación a distancia no debe entenderse como una sustitución del método educativo tradicional, sino como una alternativa de educación superior para aquellos que por razones de trabajo, localidad de residencia o asuntos personales, no hayan podido conseguir dicha formación superior.

El sistema de educación a distancia le permite transformar en créditos de estudio todos aquellos conocimientos y experiencia profesional que haya podido conseguir en centros de capacitación, seminarios, cursillos, centro de trabajo, etc. Se trata de una forma de complementar los créditos con este programa académico valorado y preparado de acuerdo a sus necesidades en el campo profesional. Así puede obtener cómodamente y en menor plazo de tiempo posible su acreditación superior en este Master Profesional en Visión Computarizada.

Duración / Créditos 600 horas / 60 créditos

5

Programa de Estudio 1. VISIÓN ARTIFICIAL 1.1 1.2 1.3 1.4 1.5 1.6

Introducción Representación de imágenes digitales Segmentación Descripción Aplicaciones Notas finales

2. TRATAMIENTO DE IMÁGENES POR TRANSFORMACIÓN DEL DOMINIO 2.1 Introducción 2.2 La transformada de Fourier 2.3 Filtrado espacial de imágenes digitales 2.4 Algunas propiedades de la transformada de Fourier 2.4.1 Separabilidad 2.4.2 Traslación 2.4.3 Periodicidad y simetría conjugada 2.4.4 Rotación 2.4.5 Distributividad y escalado 2.4.6 Valor medio 2.4.7 Laplaciana 2.5 Filtrado en frecuencia de imágenes digitales 2.5.1 Ejemplo de filtrado 2.5.2 Filtrado paso bajo 2.5.3 Filtrado paso alto 2.5.4 Filtros paso banda 2.6 Generación de mascaras espaciales a partir de especificaciones en el dominio de la frecuencia 2.7 La transformada del coseno 2.8 La transformada de Walsh-Hadamard 2.9 Transformada de wavelets 2.10 La transformada de Haar

6

2.11 La transformada de Slant 2.12 La transformada de Hotelling 3. PROCESAMIENTO BÁSICO DE IMÁGENES DIGITALES 3.1 Introducción 3.2 Procesamiento básico de imágenes 3.2.1 Operaciones individuales 3.2.2 Operaciones de vecindad 3.2.3 Otras transformaciones 3.3 Transformaciones lógicas 3.4 Transformaciones geométricas 3.4.1 Interpolación 3.4.2 Desplazamiento 3.4.3 Cambio de escala (escalado) 3.4.4 Zoom 3.4.5 Giros 3.5 Notas finales 4. SUAVIZADO Y REALZADO 4.1 Introducción 4.2 Suavizado 4.2.1 Promediado del entorno de vecindad 4.2.2 Preservar los bordes y suavizar la imagen 4.2.3 Suavizado binario de imágenes 4.3 El histograma de una imagen: el realzado 4.3.1 El histograma 4.3.2 Brillo, contraste y corrección gamma 4.3.3 Contracción del histograma 4.3.4 Expansión del histograma 4.3.5 Desplazamiento del histograma 4.3.6 Igualación del histograma 4.3.7 Realzado adaptativo del contraste 4.3.8 Realzado en el dominio de la frecuencia.Filtrado homomórfico 4.3.9 Combinación de técnicas 4.3.10 Énfasis de alta frecuencia 4.4 Notas finales

7

5. FUNDAMENTOS DEL COLOR 5.1 Introducción 5.2 Fundamentos del color 5.3 Modelos de color 5.3.1 El modelo RGB 5.3.2 El modelo CMY 5.3.3 El modelo YIQ 5.3.4 El modelo HSI 5.3.5 Conversión de RGB a HSI 5.3.6 Conversión de hsi a rgb 5.3.7 El modelo hsv 5.4 Pseudocolor 5.4.1 Rodajas de intensidad 5.4.2 Transformación del nivel de gris a color 5.5 Ejemplos de aplicación 5.5.1 Separación de las componentes de frecuencia según el modelo rgb 5.5.2 Separación de las componentes rgb en imágenes de grises 5.5.3 Componentes de las imágenes hsi a partir de una imagen rgb 5.5.4 Segmentación utilizando el modelo hsi(v) 5.6 Notas finales 6 .EXTRACCIÓN DE BORDES, ESQUINAS Y PUNTOS DE INTERÉS 6.1 Introducción 6.2 Concepto de derivada en la extracción de bordes 6.3 Operadores primera derivada 6.3.1 Gradiente de una imagen 6.3.2 Operadores de Sobel 6.3.3 Operador de Prewitt 6.3.4 Operador de Roberts 6.3.5 Máscaras de Kirsch 6.3.6 Máscaras de Robinson 6.3.7 Máscaras de Frei-Chen 6.3.8 Extensión de Operadores 6.3.9 Algoritmo de Canny 6.4 Operadores segunda derivada 6.4.1 Operador Laplaciana 6.4.2 Operador Laplaciana de la Gaussiana 6.4.3 Diferencia de Gaussianas 6.5 Realización de los operadores de borde

8

6.6 Extracción de esquinas 6.7 Extracción de puntos de interés 6.8 Notas finales 7 .EXTRACCIÓN DE REGIONES 7.1 Introducción 7.2 Binarización mediante detección de umbral 7.2.1 Selección del umbral óptimo 7.2.2 Selección de umbral basada en características de la frontera 7.2.3 Umbrales basados en varias variables 7.3 Etiquetado de componentes conexas 7.3.1 Un algoritmo iterativo 7.3.2 Algoritmo clásico 7.4 Crecimiento y división 7.4.1 Crecimiento de regiones mediante adición de píxeles 7.4.2 División y fusión de imágenes 7.5 Extracción de regiones por el color 7.6 Notas finales 8. DESCRIPCIÓN DE LÍNEAS Y CONTORNOS 8.1 Introducción 8.2 Segmentos rectos mediante códigos de cadena 8.3 Ajuste de líneas mediante mínimos cuadrados 8.4 Ajuste de líneas mediante autovector 8.5 La transformada de Hough 8.6 Descripción de diversos tipos de fronteras 8.6.1 Códigos de cadena 8.6.2 Signaturas 8.6.3 Descriptores de Fourier 8.6.4 Momentos 8.6.5 Ajuste de elipses 8.6.6 Ajuste de contornos deformables 8.6.7 Funciones splines 8.7 Notas finales 9 .DESCRIPCIÓN DE REGIONES 9.1 Introducción 9.2 Propiedades de las regiones

9

9.2.1 Propiedades topológicas 9.2.2 Métricas 9.2.3 Descripciones basadas en irregularidades 9.2.4 Esqueleto de una región 9.3 Texturas 9.3.1 Modelos en el tratamiento de las texturas 9.3.2 Energía de la textura 9.3.3 Estadísticas de los niveles de gris 9.3.4 Texturas basadas en operadores de borde 9.4 Momentos invariantes 9.5 Notas finales 10. OPERACIONES MORFOLÓGICAS 10.1 Introducción 10.2 Principios y transformaciones básicos 10.2.1 Definiciones elementales 10.2.2 Transformaciones morfológicas cuantitativas 10.3 Esqueletización y otras propiedades de las operaciones morfológicas 10.3.1 Transformaciones homotópicas 10.3.2 Esqueleto 10.3.3 Adelgazamiento y ensanchado 10.3.4 Envoltura convexa de una región mediante morfología 10.3.5 Rellenado de regiones 10.3.6 Granulación y cuenta del número de gránulos 10.4 Morfología en imágenes de grises 10.4.1 Dilatación y erosión 10.4.2 Apertura y cierre 10.4.3 Algunas aplicaciones de la morfología en imágenes de grises 10.5 Notas finales 11. GEOMETRÍA Y PARÁMETROS DE LAS CÁMARAS 11.1 Introducción 11.2 Geometría 11.2.1 Proyección de perspectiva 11.2.2 Proyección ortográfica 11.2.3 Proyección paralela 11.3 Modelo de la cámara y su calibración según el método de Tsai 11.3.1 El modelo de la cámara

10

11.3.2 Ecuaciones relacionando las coordenadas 3D del mundo a las coordenadas 2D de la imagen en el computador 11.3.3 Calibración de la cámara utilizando un conjunto de puntos coplanares 11.3.4 Calibración de la cámara utilizando un conjunto de p untos no coplanares 11.4 Método de calibración de Ayache 11.5 Método de calibración de Song de Ma 11.6 Análisis de la calibración 11.7 Líneas epipolares 11.7.1 Definición 11.7.2 Determinación de los epipolos 11.7.3 Ecuación paramétrica de las líneas epipolares 11.7.4 Cálculo práctico 11.8 Formación de imágenes con lentes y enfoque 11.8.1 Magnificación o aumento 11.8.2 Longitud focal 11.8.3 Profundidad de campo 11.9 Corrección de errores de las cámaras 11.9.1 Corrección geométrica 11.9.2 Corrección de imágenes desenfocadas 11.10 Notas finales 12. ANÁLISIS DEL MOVIMIENTO 12.1 Introducción 12.2 Estimación del flujo óptico 12.3 Formulación analítica del movimiento: campo de movimiento 12.4 Detección de la profundidad y colisiones 12.4.1 Profundidad mediante el flujo óptico y el campo de movimiento 12.4.2 Profundidad mediante la relación de adyacencia 12.4.3 Colisiones 12.5 Análisis del movimiento basado en la detección de puntos de interés 12.6 Método diferencial de análisis del movimiento 12.7 Método de diferencias de análisis del movimiento 12.8 Métodos de seguimiento y predicción de características mediante una secuencia de imágenes 12.9 Utilizando el movimiento 12.9.1 Movimiento 3D y estructura a partir del campo de movimiento 12.9.2 Orientación de superficies y detección de bordes 12.10 Notas finales

11

13. RECONOCIMIENTO DE PATRONES I: ESTIMACIÓN, AGRUPACIÓN Y CLASIFICACIÓN 13.1 Introducción 13.2 Algunos ejemplos de propiedades cuantitativas 13.3 Estimación estadística y aprendizaje 13.3.1 Formulación del problema de aprendizaje 13.3.2 El papel de la máquina de aprendizaje 13.3.3 Aproximaciones clásicas 13.4 Estimación de la función de densidad de probabilidad 13.4.1 Estimación paramétrica 13.4.2 Estimación no paramétrica 13.5 Métodos para reducción de datos y reducción de la dimensionalidad 13.5.1 Cuantización vectorial 13.5.2 Agrupamiento o Clustering 13.5.3 Reducción de la dimensionalidad: Self-Organizing Map 13.6 Clasificación 13.6.1 Teoría de la decisión de Bayes: el clasificador Bayesiano 13.6.2 Estimadores no paramétricos 13.6.3 Cuantización vectorial y agrupamientos como clasificadores 13.6.4 El perceptrón y el perceptrón multicapa 13.7 Notas finales 14. RECONOCIMIENTO DE PATRONES II: EL PERCEPTRÓN Y EL PERCEPTRÓN MULTICAPA 14.1 Introducción 14.2 El Perceptrón 14.2.1 Perceptrón para dos clases separables 14.2.2 Clases no separables 14.3 La red retropropagación 14.3.1 Arquitectura de la red retropropagación 14.3.2 Entrenamiento por retropropagación 14.4 Notas finales 15. RECONOCIMIENTO DE PATRONES III: MÉTODOS ESTRUCTURALES Y BASADOS EN LA APARIENCIA 15.1 Introducción 15.2 Métodos estructurales y sintácticos

12

15.2.1 Representación simbólica de patrones 15.2.2 Métodos estructurales 15.2.3 Métodos sintácticos: gramáticas de cadenas 15.3 Reconocimiento basado en la apariencia 15.3.1 Imágenes en lugar de propiedades 15.3.2 Autoespacios de imágenes 15.4 Notas finales 16. OBTENCIÓN DE LA FORMA I: FORMAS A PARTIR DE LA INTENSIDAD 16.1 Introducción: formas a partir de x 16.2 Aspectos generales sobre las formas a partir de variaciones de la intensidad 16.2.1 Formación de imágenes y distribución de las fuentes de iluminación 16.2.2 Orientación de las superficies 16.3 El mapa de reflectancia 16.4 Tonalidad en las imágenes 16.5 Aplicaciones, ejemplos y métodos 16.5.1 Gráficos sombreados 16.5.2 Mapa de reflectancia: determinación de la forma mediante estéreo fotométrico y obtención del albedo 16.5.3 Mapa de reflectancia: determinación de la forma a partir de una única imagen 16.6 Notas finales 17. OBTENCIÓN DE LA FORMA II: LA VISIÓN ESTEREOSCÓPICA 17.1 Introducción 17.2 Geometría del sistema estereoscópico y obtención de la distancia 17.3 Extracción de características 17.4 Correspondencia estereoscópica 17.4.1 Restricciones aplicables para la correspondencia 17.4.2 Métodos de correspondencia basados en el área 17.4.3 Métodos de correspondencia basados en las características 17.5 Notas finales

13

18. OBTENCIÓN DE LA FORMA III: FORMAS A PARTIR DE LA TEXTURA Y DEL ENFOQUE 18.1 Introducción 18.2 Formas a partir de la textura 18.2.1 Proyección de perspectiva (paraperspectiva) 18.2.2 Proyección ortográfica 18.3 Formas a partir del enfoque 18.3.1 Análisis del enfoque 18.3.2 Funciones criterio para medir la calidad del enfoque 18.3.3 Método de obtención de la distancia de los objetos 18.4 Notas finales 19. DESCRIPCIÓN Y RECONOCIMIENTO DE OBJETOS 3D 19.1 Introducción 19.2 Segmentación y descripción de superficies 19.2.1 Propiedades de las curvaturas y discontinuidad de las superficies 19.2.2 Valores extremos y transiciones por cero 19.2.3 Clasificación y unión espacial 19.2.4 Segmentación en superficies 19.2.5 Ajuste de superficies 19.2.6 Extracción de superficies a partir de las superficies visibles de la escena 3D 19.3 Inferencia y descripción de objetos 19.3.1 Representación de objetos 19.4 Reconocimiento de objetos 3D 19.4.1 Una primera lista de candidatos 19.4.2 Compatibilidad entre los nodos del modelo y la escena 19.5 Otros métodos de segmentación y descripción de estructuras 3D 19.5.1 Ajuste de áreas planas a agrupaciones de datos 19.5.2 Uso de imágenes Gaussianas extendidas 19.5.3 Uso del gradiente 19.5.4 Etiquetado de líneas y uniones 19.5.5 Conos generalizados 19.6 Notas finales 20. RESTAURACIÓN DE IMÁGENES I: DOMINIO DE LA FRECUENCIA 20.1 Introducción

14

20.2 Modelo de degradación 20.2.1 El ruido 20.2.2 Algunas definiciones 20.2.3 Modelo de degradación para funciones continuas 20.2.4 Formulación discreta 20.3 Aproximación algebraica para la restauración 20.3.1 Restauración no restringida 20.3.2 Restauración restringida 20.4 Filtrado inverso 20.5 Filtro de mínimos cuadrados (Wiener) 20.6 Filtro de mínimos cuadrados restringido 20.7 Filtro de la media geométrica 20.8 Restauración interactiva o filtro de corte 20.9 Eliminación de desenfoque originado por movimiento lineal uniforme 20.10 Notas finales 21. RESTAURACIÓN DE IMÁGENES II: DOMINIO ESPACIAL 21.1 Introducción 21.2 Filtros de orden 21.2.1 Filtrado de la mediana 21.2.2 Filtrado de la moda 21.2.3 Filtrado de máximos y mínimos 21.2.4 Filtro del punto medio y medio alfa recortado 21.3 Filtros de medias 21.4 Filtros adaptativos 21.5 Promedio de imágenes 21.6 Notas finales 22. COMPRESIÓN DE IMÁGENES 22.1 Introducción 22.2 Modelo del sistema de compresión 22.3 Criterios de fidelidad 22.4 Elementos de la teoría de la información 22.4.1 Medida de la información 22.4.2 El canal de información 22.4.3 Teoremas fundamentales de codificación 22.4.4 Uso de la teoría de la información 22.5 Métodos de compresión sin pérdidas

15

22.5.1 Codificación de Huffman 22.5.2 Otros códigos de longitud variable óptimos 22.5.3 Codificación aritmética 22.5.4 Código de longitud de cadenas 22.5.5 Código Lempel-Ziv-Welch 22.5.6 Trazado de contornos y codificación 22.6 Métodos de compresión con pérdidas 22.6.1 Codificación nivel de gris y longitud de cadena 22.6.2 Codificación mediante truncado de bloques 22.6.3 Cuantización vectorial 22.6.4 Codificación predictiva diferencial 22.6.5 Módulos de predicción óptimos 22.6.6 Cuantización óptima 22.6.7 Codificación de la transformada 22.6.8 Transformada de Wavelets 22.7 Estándares de compresión de imágenes 22.7.1 Estándares de compresión de imágenes binarias 22.7.2 Estándares de compresión de imágenes de grises y color 22.8 Notas finales 22.09 Ejercicios Resueltos.

22.10 Proyecto final.

Metodología de Estudio Se seguirá la metodología propia de la enseñanza a distancia. El alumno dispondrá del material didáctico para resolver las pruebas de evaluación, así como la ayuda de un tutor del área correspondiente, con el que seguirá el programa hasta su finalización.

UPE Universidad de los Pueblos de Europa esta orgullosa de sus consejeros académicos y asesores. Su calidad y experiencia a nivel profesional y académico nos permite garantizarle que su programa, será evaluado por un reconocido especialista en la disciplina con amplia experiencia académica.

La responsabilidad de los consejeros es la de guiar al estudiante, en los puntos clave del programa académico.

16

Material de Estudio El material de estudio específicamente para este Master consta de 2 unidades didácticas con 1.100 páginas. El alumno recibirá la guía didáctica y los volúmenes correspondientes al programa que está interesado en soporte físico (bibliografía de apoyo).

Guía didáctica: “manual de instrucciones” del Master.

Bibliografía de apoyo: Pajares Martinsanz, Gonzalo; Editorial Microinformática

Evaluación Examen: El alumno recibirá junto a cada unidad didáctica, el cuestionario de examen correspondiente.

Tesina: Para obtener la Titulación de Grado Master, el alumno debe adjuntar a su expediente académico un proyecto final o tesina con una extensión mínima de 40 folios (A4) a doble espacio (puede enviarse en formato *.doc de Microsoft Word u Open Office o *.pdf de Adobe). La tesina debe estar acorde con algunas de las asignaturas definidas en el programa y de libre elección.

Titulación CERTIFICACIÓN DEL MASTER UPE promociona sus propios Certificados y Diplomas, por lo que una vez enviada la Hoja de Respuestas del Test de Evaluación, un proyecto final sobre un tema de libre elección de la programación de estudio con una

17

extensión mínima de 40 páginas y aprobado el Master y redactada y entregada y/o defensa del trabajo fin de Master (Tesis), y aprobada esta se extenderá el respectivo certificado de estudios y diploma de Master Profesional al alumno que acredita su realización y superación del mismo.

Por lo tanto, al finalizar la programación de estudios el alumno recibirá la Certificación que avala los conocimientos adquiridos a través de los estudios realizados: Master Profesional en Marketing Internacional.

Todas las titulaciones son entregadas debidamente legalizadas, con su Diploma, Certificado de Estudios y Cerificado Académico.

Precio y Formas de Pago Master completo al contado:

UE€ 1.350

Master fraccionado:

UE€ 1.875

3 Plazos a

UE€ 625

GASTOS DE ENVÍO:

ESPAÑA: UE€ 20 INTERNACIONAL: UE€ 35

Matricúlate Ahora Rellene el FORMULARIO DE INSCRIPCION desde http://www.upeedu.org con los datos completos y remítalos.

18

UPE

www.upe-edu.org TelĂŠfono: +34 952 30 79 15 Fax: +34 952 27 70 20 E-Mail: info@upe-edu.org

19