Procesamiento de imágenes digitales
GUÍA DOCENTE Curso 2022-23
Titulación: | Máster universitario en Ciencia de Datos y Aprendizaje Automático | 855M |
Asignatura: | Procesamiento de imágenes digitales | 5224 |
Materia: | Procesamiento de imágenes digitales |
Módulo: | Aprendizaje automático |
Modalidad de enseñanza de la titulación: | Presencial | Carácter: | Optativa |
Curso: | 1 | Créditos ECTS: | 3,00 | Duración: | Semestral (Segundo Semestre) |
Horas presenciales: | 30,00 | Horas estimadas de trabajo autónomo: | 45,00 |
Idiomas en que se imparte la asignatura: | Español |
Idiomas del material de lectura o audiovisual: | Inglés, Español |
Departamentos responsables de la docencia
MATEMÁTICAS Y COMPUTACIÓN | R111 |
Dirección: | C/ Madre de Dios, 53 | Código postal: | 26006 |
Localidad: | Logroño | Provincia: | La Rioja |
Teléfono: | 941299452 | Fax: | 941299460 | Correo electrónico: | dpto.dmc@unirioja.es |
Profesorado previsto
Profesor: | Romero Ibáñez, Ana | Responsable de la asignatura |
Teléfono: | 941299444 | Correo electrónico: | ana.romero@unirioja.es |
Despacho: | 3249 | Edificio: | CENTRO CIENTÍFICO TECNOLÓGICO | Tutorías: | Consultar |
Profesor: | Divasón Mallagaray, Jose |
Teléfono: | 941299210 | Correo electrónico: | jose.divason@unirioja.es |
Despacho: | 3236 | Edificio: | CENTRO CIENTÍFICO TECNOLÓGICO | Tutorías: | Consultar |
Descripción de los contenidos
Adquisición, formatos, almacenamiento y tipos de imágenes. Corrección de imágenes. Segmentación y umbralización. Procesamiento de imágenes binarias. Reconocimiento de patrones. Algoritmos de clasificación y catalogación. Reconstrucción 3D. Visualización
Requisitos previos de conocimientos y competencias para poder cursar con éxito la asignatura
Ninguno especificado.
Contexto
Se trata de una asignatura optativa que pretende familiarizar a los estudiantes con distintas técnicas de procesamiento de imágenes digitales y su aplicación dentro del aprendizaje automático. La asignatura se realiza con un enfoque principalmente práctico. Se utilizarán distintas librerías de procesamiento de imágenes y aprendizaje automático para Python y el programa Blender.
Competencias
Competencias generales
CG01 - Capacidad de análisis y síntesis a nivel avanzado en el ámbito de la ciencia de datos y aprendizaje automático
CG03 - Habilidad para dar un uso avanzado a las herramientas de búsqueda de información relevante en el ámbito de la ciencia de datos y aprendizaje automático y, en particular, a las disponibles en la web
CG04 - Habilidad para comunicarse oralmente a nivel avanzado sobre temas del ámbito de la ciencia de datos y aprendizaje automático, usando la terminología y técnicas aceptadas por los profesionales del sector
CG05 - Habilidad para formular por escrito a nivel avanzado temas del ámbito de la ciencia de datos y aprendizaje automático usando correctamente diferentes tipos de enfoques académicos relacionados con su campo de estudio
CG06 - Capacidad de iniciativa y autonomía para las distintas tareas propias de la actividad investigadora en el ámbito de la ciencia de datos y aprendizaje automático
Competencias específicas
CE10 - Capacidad para analizar datos en formato de imagen digital extrayendo información de estos haciendo uso de las tecnologías más actuales disponibles en cada momento
Resultados del aprendizaje
- Conoce las peculiaridades del procesamiento de imágenes digitales como caso particular del análisis de datos.
- Está familiarizado con la terminología particular del campo del procesamiento de imágenes digitales y distingue los diferentes tipos de éstas.
- Conoce los detalles técnicos relativos a los distintos formatos, técnicas de adquisición y almacenamiento de imágenes digitales.
- Conoce y es capaz de aplicar diferentes tipos de algoritmos relacionados con el procesamiento de imágenes digitales: corrección de errores, segmentación y umbralización, clasificación, catalogación y reconstrucción 3D.
- Conoce los problemas básicos y la terminología y conceptos imprescindibles en los ámbitos del reconocimiento de patrones y la visualización.
- Conoce y sabe utilizar herramientas y librerías de programación para el procesamiento de imágenes digitales.
- Es capaz de particularizar los conceptos, técnicas y algoritmos anteriores al caso de las imágenes biomédicas.
Temario
1. Adquisición, formatos, almacenamiento y tipos de imágenes.
2. Corrección de imágenes.
3. Segmentación y umbralización.
4. Procesamiento de imágenes binarias.
5. Reconocimiento de patrones y clasificación.
6. Modelado geométrico.
7. Reconstrucción 3D y visualización.
Bibliografía
Tipo: | Título |
Básica | S. Dey. Python Image Processing Cookbook. Packt, 2020. Absys |
Básica | A. Fernández Villán, Mastering OpenCV 4 with Python. Packt, 2019 Absys |
Básica | W. Burger, Principles of Digital Image Processing Fundamental Techniques. Springer, 2009. Absys |
Básica | W. Burger, Principles of Digital Image Processing Core algorithms. Springer, 2009. Absys |
Básica | J. C. Russ, The image processing handbook. CRC Press, 2011. Absys |
Básica | D. Um, Solid modeling and applications. Springer, 2016. Absys |
Complementaria | W. Burger, Principles of digital image processing advanced methods. Springer, 2013. Absys |
Complementaria | V. B. Anand, Computer Graphics and Geometric Modeling for Engineers. Wiley, 1993. Absys |
Complementaria | B. Javidi, F. Okano, J.-Y. Son, Three-dimensional Imaging, Visualization, and Display. Springer, 2009. Absys |
Recursos en Internet |
El material didáctico (ejercicios prácticos, cuestiones, actividades ...etc) se encontrará disponible en el aula virtual para todos los estudiantes matriculados en esta asignatura.
|
OpenCV, librería de Python para procesamiento de imágenes. |
Blender, programa para modelado geométrico y visualización. |
Metodología
Modalidades organizativas
Clases teóricas
Seminarios y talleres
Clases prácticas
Tutorías
Estudio y trabajo en grupo
Estudio y trabajo autónomo individual
Métodos de enseñanza
Método expositivo - Lección magistral
Estudio de casos
Resolución de ejercicios y problemas
Aprendizaje basado en problemas
Aprendizaje orientado a proyectos
Aprendizaje cooperativo
Organización
Actividades presenciales | Tamaño de grupo | Horas |
Clases teóricas | Grande | 10,00 |
Seminarios y talleres | Grande | 8,00 |
Clases prácticas | Informática | 10,00 |
Tutorías | Grande | 2,00 |
Total de horas presenciales | 30,00 |
Trabajo autónomo del estudiante | Horas |
Estudio y trabajo en grupo | 10,00 |
Estudio y trabajo autónomo individual | 35,00 |
Total de horas de trabajo autónomo | 45,00 |
Evaluación
Sistemas de evaluación | Recuperable | No Recup. |
Informes y memorias de prácticas | 40% | |
Pruebas de ejecución de tareas reales y/o simuladas | 30% | |
Trabajos y proyectos | | 30% |
Total | 100% |
Criterios críticos para superar la asignatura
Para superar la asignatura será necesario obtener al menos un 5 sobre 10 en la calificación correspondiente a Informes y memorias de prácticas, y que la suma ponderada de las calificaciones de las tres partes de la evaluación sea mayor o igual que 5. En la nota de las prácticas, además de los informes que se deberán presentar, se tendrá en cuenta la asistencia y aprovechamiento a las sesiones de laboratorio.
15/03/2023 10:34:48 - G 2022-23 - 855M - 5224