Nombre: PROCESAMIENTO DE IMAGEN
Código: 525103001
Carácter: Obligatoria
ECTS: 6
Unidad Temporal: Cuatrimestral
Despliegue Temporal: Curso 3º - Primer cuatrimestre
Menciones/Especialidades:
Lengua en la que se imparte: Castellano
Carácter: Presencial
Nombre y apellidos: MORALES SÁNCHEZ, JUAN
Área de conocimiento: Teoría de la Señal y Comunicaciones
Departamento: Tecnologías de la Información y las Comunicaciones
Teléfono: 968325372
Correo electrónico: juan.morales@upct.es
Horario de atención y ubicación durante las tutorias: Las tutorías se realizarán a demanda del estudiante mediante solicitud remitida al correo juan.morales@upct.es
Titulaciones:
Categoría profesional: Profesor Titular de Universidad
Nº de quinquenios: 5
Nº de sexenios: 4 de investigación
Curriculum Vitae: Perfil Completo
Responsable de los grupos: G1
Nombre y apellidos: VERDÚ MONEDERO, RAFAEL
Área de conocimiento: Teoría de la Señal y Comunicaciones
Departamento: Tecnologías de la Información y las Comunicaciones
Teléfono: 968326530
Correo electrónico: rafael.verdu@upct.es
Horario de atención y ubicación durante las tutorias: Las tutorías se realizarán a demanda del estudiante mediante solicitud remitida al correo rafael.verdu@upct.es
Titulaciones:
Doctor en Teoría de la Señal en la Universidad Politécnica de Cartagena (ESPAÑA) - 2005
Ingeniero en Telecomunicación en la Universidad Politécnica de Valencia (ESPAÑA) - 2000
Categoría profesional: Profesor Titular de Universidad
Nº de quinquenios: 4
Nº de sexenios: 4 de investigación
Curriculum Vitae: Perfil Completo
[CB2 ]. Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio
[CB3 ]. Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética
[CG1 ]. Conocer y aplicar la analítica de datos y técnicas estadísticas apropiadas para descubrir nuevas relaciones en los datos y realizar aportaciones a procesos de las organizaciones, así como apoyar en la toma de decisiones.
[CG4 ]. Capacidad para aplicar los métodos generales de la ciencia e ingeniería de datos en los tipos de datos de dominios específicos, así como en la presentación de los datos, el modelado de datos y procesos, los roles organizacionales y las relaciones entre estos.
[CE15 ]. Procesar y analizar datos procedentes de fuentes, tipos y formatos de datos semi estructurados y estructurados de interés para Ciencia de datos.
[CE3 ]. Extraer información de fuentes tipos y formatos de datos semiestructurados y estructurados de interés para la ciencia de datos, incluyendo texto, imágenes, y conjuntos de datos de libre disposición, y hacerlos disponibles para análisis y usos posteriores.
[CE32 ]. Conocer las técnicas fundamentales de procesado y análisis de imágenes y saber analizar e interpretar los resultados obtenidos.
Utilizar herramientas para el manejo de datos de imágenes y vídeos digitales LODA.03 (L1).
Analizar fuentes de datos de imágenes y vídeos disponibles y desarrollar herramientas que funcionen con conjuntos de datos de dichos tipos LODA.03 (L2).
Aplicar soluciones computacionales existentes a la plataforma analítica de datos en el ámbito del procesamiento de imágenes digitales LOENG.02 (L2).
Adaptar y optimizar las soluciones computacionales existentes para adaptarse mejor a una plataforma de análisis de datos determinada en el ámbito del procesamiento de imágenes digitales LOENG.02 (L3).
Aplicar el método científico para crear nuevos conocimientos y capacidades en procesamiento de imágenes y vídeo LORMP.01 (L2).
Fundamentos de la imagen digital. Formatos, sensores de imágenes, cámaras e interfaces. Transformaciones en el dominio espacial y frecuencial. Filtros lineales y no lineales. Extracción de características. Segmentación y clasificación. Introducción a la visión artificial. Aplicaciones.
Tema 1: Fundamentos de imagen digital y procesado de imagen
1.1. Orígenes y etapas del procesado de imagen
1.2. Percepción visual humana
1.3. Adquisición de imágenes
1.4. Modelo de imagen
1.5. Digitalización de imagen. Muestreo y cuantificación
1.6. Modalidades de imagen
Tema 2: Procesado de imagen en el dominio del espacio
2.1. Transformaciones básicas de intensidad
2.2. Modelado de histograma
2.3. Operaciones aritméticas y lógicas
2.4. Filtrado LSI espacial
2.5. Filtrado no lineal
Tema 3: Procesado de imagen en el dominio de la frecuencia
3.1. Muestreo y diezmado de imágenes
3.2. Transformadas de una imagen y dominio de la frecuencia 2D
3.3. Correspondencia con los filtros en el dominio espacial
3.4. Filtros de suavizado en el dominio de la frecuencia
3.5. Filtros de realzado en el dominio de la frecuencia
3.6. Filtros paso banda y elimina banda en el dominio de la frecuencia
3.7. Filtrado homomórfico
Tema 4: Modelos de degradación y restauración de imagen
4.1. Modelo de degradación
4.2. Modelos de ruido
4.3. Eliminación de ruido coherente
4.4. Filtros simples de restauración
4.5. Filtro inverso, filtro pseudoinverso y filtro de Wiener
Tema 5: Segmentación de imagen
5.1. Fundamentos
5.2. Detección de puntos, líneas y bordes
5.3. Umbralización
5.4. Segmentación basada en regiones
5.5. Segmentación mediante watershed morfológico
5.6. El uso del movimiento en segmentación
Tema 6: Morfología Matemática
6.1. Introducción
6.2. Erosión y dilatación
6.3. Apertura y cierre
6.4. La transformación Hit-or-Miss
6.5. Algoritmos morfológicos básicos
6.6. Reconstrucción morfológica
6.7. Morfología en niveles de gris
Tema 7: Extracción de características y descriptores de imagen
7.1. Detectores de características versus descriptores
7.2. Detector de esquinas de Harris
7.3. Detectores de Blob
7.4. Histograma de gradientes orientados
7.5. Transformación de características invariante a la escala
7.6. Características tipo Haar
Tema 8: Métodos básicos de aprendizaje automático en procesado de imagen
8.1. Reconocimiento de patrones por correlación
8.2. Segmentación mediante aprendizaje no supervisado
8.3. Clasificación mediante aprendizaje supervisado
Práctica 1: Introducción al Procesamiento de Imágenes
Exploración de los fundamentos del procesamiento de imágenes, incluida la percepción visual y la digitalización. Relacionado con: Tema 1: Fundamentos de imagen digital y procesado de imagen
Práctica 2: Formatos y Manipulaciones Básicas
Manejo de formatos de imagen y realización de manipulaciones básicas como muestreo y cuantificación. Relacionado con: Tema 1: Fundamentos de imagen digital y procesado de imagen Tema 2: Procesado de imagen en el dominio del espacio
Práctica 3: Operaciones Básicas en el Dominio del Espacio
Aplicación de transformaciones básicas de intensidad y operaciones aritméticas y lógicas sobre imágenes. Relacionado con: Tema 2: Procesado de imagen en el dominio del espacio
Práctica 4: Filtrado en el Dominio del Espacio
Implementación de filtros espaciales para modificar atributos de la imagen. Relacionado con: Tema 2: Procesado de imagen en el dominio del espacio
Práctica 5: Fundamentos del Dominio de la Frecuencia
Introducción a los fundamentos del procesamiento de imagen en el dominio de la frecuencia, incluyendo transformadas. Relacionado con: Tema 3: Procesado de imagen en el dominio de la frecuencia
Práctica 6: Filtrado en el Dominio de la Frecuencia
Aplicación de filtros en el dominio de la frecuencia para mejorar o modificar imágenes. Relacionado con: Tema 3: Procesado de imagen en el dominio de la frecuencia
Práctica 7: Degradación y Restauración de Imágenes
Estudio de modelos de degradación y técnicas de restauración y eliminación de ruido en imágenes. Relacionado con: Tema 3: Procesado de imagen en el dominio de la frecuencia Tema 4: Modelos de degradación y restauración de imagen
Práctica 8: Técnicas de Detección para Segmentación
Uso de técnicas de detección para facilitar la segmentación de imágenes. Relacionado con: Tema 2: Procesado de imagen en el dominio del espacio Tema 5: Segmentación de imagen
Práctica 9: Segmentación de Imágenes
Implementación de métodos de segmentación de imágenes, incluyendo umbralización y técnicas basadas en regiones. Relacionado con: Tema 5: Segmentación de imagen
Práctica 10: Morfología Matemática
Aplicación de técnicas de morfología matemática para el procesamiento y análisis de imágenes. Relacionado con: Tema 5: Segmentación de imagen
Práctica 11: Caracterización de Imágenes
Caracterización de imágenes a través de detectores de características y descriptores. Relacionado con: Tema 7: Extracción de características y descriptores de imagen
Práctica 12: Aprendizaje Automático para el Procesamiento de Imágenes
Exploración de métodos básicos de aprendizaje automático aplicados al reconocimiento de patrones y clasificación en imágenes. Relacionado con: Tema 8: Métodos básicos de aprendizaje automático en procesado de imagen
La Universidad Politécnica de Cartagena considera como uno de sus principios básicos y objetivos fundamentales la promoción de la mejora continua de las condiciones de trabajo y estudio de toda la Comunidad Universitaria. Este compromiso con la prevención y las responsabilidades que se derivan atañe a todos los niveles que integran la Universidad: órganos de gobierno, equipo de dirección, personal docente e investigador, personal de administración y servicios y estudiantes. El Servicio de Prevención de Riesgos Laborales de la UPCT ha elaborado un "Manual de acogida al estudiante en materia de prevención de riesgos" que puedes encontrar en el Aula Virtual, y en el que encontraras instrucciones y recomendaciones acerca de cómo actuar de forma correcta, desde el punto de vista de la prevención (seguridad, ergonomía, etc.), cuando desarrolles cualquier tipo de actividad en la Universidad. También encontrarás recomendaciones sobre cómo proceder en caso de emergencia o que se produzca algún incidente. En especial, cuando realices prácticas docentes en laboratorios, talleres o trabajo de campo, debes seguir todas las instrucciones del profesorado, que es la persona responsable de tu seguridad y salud durante su realización. Consúltale todas las dudas que te surjan y no pongas en riesgo tu seguridad ni la de tus compañeros.
Topic 1: Fundamentals of Digital Imaging and Image Processing
1.1. Origins and stages of image processing
1.2. Human visual perception
1.3. Image acquisition
1.4. Image model
1.5. Image digitization. Sampling and quantification
1.6. Imaging modalities
Topic 2: Image Processing in the Space Domain
2.1. Basic Intensity Transformations
2.2. Histogram Modeling
2.3. Arithmetic and logical operations
2.4. Spatial LSI Filtering
2.5. Nonlinear filtering
Topic 3: Image Processing in the Frequency Domain
3.1. Image sampling and decimation
3.2. Transforms of an Image and 2D Frequency Domain
3.3. Correspondence with filters in the spatial domain
3.4. Frequency Domain Smoothing Filters
3.5. Frequency Domain Enhancement Filters
3.6. Bandpass and Bandreject Filters in the Frequency Domain
3.7. Homomorphic filtering
Topic 4: Image Degradation and Restoration Models
4.1. Degradation model
4.2. Noise models
4.3. Coherent noise removal
4.4. Simple Restoration Filters
4.5. Inverse filter, pseudo-inverse filter and Wiener filter
Topic 5: Image Segmentation
5.1. Background
5.2. Point, Line, and Edge Detection
5.3. Thresholding
5.4. Region-based Segmentation
5.5. Segmentation by morphological watershed
5.6. The use of motion in segmentation
Topic 6: Mathematical Morphology
6.1. Introduction
6.2. Erosion and expansion
6.3. Opening and closing
6.4. The Hit-or-Miss Transformation
6.5. Basic morphological algorithms
6.6. Morphological reconstruction
6.7. Morphology in gray levels
Topic 7: Extracting Features and Image Descriptors
7.1. Feature Detectors vs. Descriptors
7.2. Harris Corner Detector
7.3. Blob Detectors
7.4. Histogram of Oriented Gradients
7.5. Scale-invariant feature transformation
7.6. Haar-like characteristics
Topic 8: Basic Machine Learning Methods in Image Processing
8.1. Pattern recognition by correlation
8.2. Segmentation through unsupervised learning
8.3. Classification through supervised learning
Exposición teórica: Exposición de los contenidos teóricos de la asignatura por parte del profesor. También se contemplan las sesiones informativas sobre el desarrollo del trabajo de fin de grado o prácticas externas.
Clase impartida en aula y resolución de problemas de forma colaborativa, para el desarrollo de la capacidad de trabajo autónomo.
25
100
Prácticas de laboratorio: Ejercicios y resolución de problemas, aprendizaje orientado a proyectos, estudio de casos, exposición y discusión de trabajos, simulaciones y/o prácticas con ordenadores, generalmente desarrolladas en grupos reducidos.
Actividades prácticas con informes de trabajo experimental y presentaciones orales.
28
100
Trabajo autónomo del alumno: Estudio y preparación de contenidos teórico-prácticos, trabajo individual consistente en lecturas, búsquedas de información, sistematización de contenidos, elaboración de informes o estudio para la elaboración de casos entre otras actividades.
Trabajo autónomo del alumno: Estudio y preparación de contenidos teórico-prácticos, trabajo individual consistente en lecturas, búsquedas de información, sistematización de contenidos, elaboración de informes o estudio para la elaboración de casos entre otras actividades.
90
0
Tutorías formativas y resolución de dudas: Asistencia individualizada -tutorías individuales- o en grupo -tutorías colectivas- a los estudiantes por parte del profesor.
Tutorías formativas y resolución de dudas: Asistencia individualizada -tutorías individuales- o en grupo -tutorías colectivas- a los estudiantes por parte del profesor.
3
100
Evaluación: Pruebas individuales, ya sean escritas, orales o con medios informáticos, donde el estudiante demostrará los conocimientos teóricos y prácticos adquiridos durante las actividades formativas asociadas a la enseñanza de la materia.
Evaluación: Pruebas individuales, ya sean escritas, orales o con medios informáticos, donde el estudiante demostrará los conocimientos teóricos y prácticos adquiridos durante las actividades formativas asociadas a la enseñanza de la materia.
4
100
Exámenes individuales: Pruebas objetivas, de desarrollo, de respuesta corta, de ejecución de tareas o de escala de actitudes, realizadas por los estudiantes para mostrar los conocimientos teóricos y prácticos adquiridos ya sea de forma oral, escrita o utilizando un ordenador.
Examen teórico-práctico de carácter obligatorio, donde se evaluará la capacidad del estudiante para comprender y explicar los conceptos fundamentales del procesamiento de imágenes y relacionarlos con las técnicas y herramientas estudiadas. Se medirá la habilidad para aplicar estos conocimientos en situaciones prácticas y resolver problemas, incluyendo un análisis crítico de los resultados y la propuesta de mejoras o alternativas. Además, se valorará la claridad y organización en la exposición de las respuestas, así como la capacidad para comunicar ideas de manera coherente y estructurada.
60 %
Procedimientos de observación del trabajo del estudiante: Registros de participación, de realización de actividades, cumplimiento de plazos, participación en foros, informes de seguimiento del trabajo fin de grado y registros sobre el desarrollo de las prácticas externas.
0 %
Informe técnico. En este instrumento incluimos los resultados de actividades prácticas, o de laboratorio, junto con sus memorias descriptivas y posibles resúmenes del estado del arte sobre temas concretos. La opción de realizar entrevistas personales o presentaciones de los trabajos realizados también entran en esta categoría.
Resolución de tareas prácticas de carácter obligatorio, donde se evaluará la precisión y funcionalidad de los programas, la correcta implementación de técnicas de procesamiento de imágenes, la eficiencia del código, y la capacidad para resolver los problemas planteados. También se
considerará la calidad de la documentación y la justificación de las decisiones técnicas. La asistencia a esta actividad es obligatoria para superar la asignatura.
40 %
Exámenes individuales: Pruebas objetivas, de desarrollo, de respuesta corta, de ejecución de tareas o de escala de actitudes, realizadas por los estudiantes para mostrar los conocimientos teóricos y prácticos adquiridos ya sea de forma oral, escrita o utilizando un ordenador.
Examen teórico-práctico de carácter obligatorio, donde se evaluará la capacidad del estudiante para comprender y explicar los conceptos fundamentales del procesamiento de imágenes y relacionarlos con las técnicas y herramientas estudiadas. Se medirá la habilidad para aplicar estos conocimientos en situaciones prácticas y resolver problemas, incluyendo un análisis crítico de los resultados y la propuesta de mejoras o alternativas. Además, se valorará la claridad y organización en la exposición de las respuestas, así como la capacidad para comunicar ideas de manera coherente y estructurada.
60 %
Informe técnico. En este instrumento incluimos los resultados de actividades prácticas, o de laboratorio, junto con sus memorias descriptivas y posibles resúmenes del estado del arte sobre temas concretos. La opción de realizar entrevistas personales o presentaciones de los trabajos realizados también entran en esta categoría.
Resolución de tareas prácticas de carácter obligatorio, donde se evaluará la precisión y funcionalidad de los programas, la correcta implementación de técnicas de procesamiento de imágenes, la eficiencia del código, y la capacidad para resolver los problemas planteados. También se
considerará la calidad de la documentación y la justificación de las decisiones técnicas. La asistencia a esta actividad es obligatoria para superar la asignatura.
40 %
La evaluación final incluye un examen escrito único con un peso del 60% en la calificación, en el cual se evaluarán los contenidos de los bloques temáticos de la asignatura. Debido a que esta prueba valora de forma integrada los contenidos y competencias fundamentales de la asignatura, es de carácter obligatorio, y requiere de una nota mínima de 4 sobre 10 puntos para promediar la calificación con el resto de actividades de evaluación.
El 40% restante de la calificación en la evaluación final se obtendrá mediante una actividad a desarrollar durante el periodo docente. Esta actividad está compuesta por 2 proyectos entregables (20% + 20%, sin nota mínima). El trabajo se desarrollará como trabajo personal del estudiante, y se apoyará y evaluará en las sesiones específicas de prácticas de laboratorio. Por ello, tanto la asistencia a las prácticas como la entrega de los proyectos son de carácter obligatorio, ya que en ellas se adquieren y demuestran competencias prácticas esenciales de observación directa y ejecución real que no pueden ser evaluadas ni sustituidas por otros medios.
La evaluación global se materializará en un examen escrito con un peso del 60%, equivalente a la actividad homóloga del sistema de evaluación final. Para promediar se requiere una nota mínima de 4 sobre 10 puntos en esta actividad. Por otra parte, manteniendo la ponderación de actividades del sistema de evaluación final, el estudiante podrá ser nuevamente evaluado de los proyectos entregables (40%), en caso de haber asistido a las prácticas de la asignatura.
Las calificaciones en cada parte que superen el mínimo establecido en la evaluación final se conservan para la evaluación global. Si un estudiante que no ha superado la asignatura en el sistema de evaluación final, pero sí ha alcanzado la nota mínima en una actividad de evaluación del sistema de evaluación final, se presenta a la actividad equivalente en el sistema de evaluación global, se entenderá que renuncia a la calificación previa.
En ambas vías de evaluación será necesaria una calificación media mínima de 5 sobre 10 para superar la asignatura.
Durante el desarrollo del curso, podrían activarse mecanismos adicionales de bonificación sobre la calificación media obtenida, con el fin de incentivar la participación activa o el trabajo continuado. En caso de aplicarse, se comunicarán con la debida antelación a través de los canales oficiales de la asignatura y estarán sujetos al cumplimiento de los criterios que se indiquen. Estas bonificaciones solo serán aplicables en la evaluación final del periodo académico ordinario, y no podrán utilizarse para compensar calificaciones medias por debajo de los mínimos exigidos ni para modificar los requisitos obligatorios para superar la asignatura.
Autor: González, Rafael
Título: Digital image processing. Global Edition.
Editorial: ,
Fecha Publicación: 2017
ISBN: 9781292223049
Autor: Dey, Sandipan
Título: Hands-on Image processing with Python
Editorial: Packt Publishing,
Fecha Publicación: 2018
ISBN: 9781789343731
Autor: Russ, John C.
Título: The image processing handbook
Editorial: CRC Press
Fecha Publicación: 2007
ISBN: 0849325323
Autor: McKinney, Wes
Título: Python para análisis de datos Manipulación de datos con pandas, NumPy y Jupyter; ; traductor, Virginia Aranda González
Editorial: Anaya Multimedia,
Fecha Publicación: 2023
ISBN: 9788441546837