Área de Concentração: 45134
Concentration area: 45134
Criação: 11/01/2019
Creation: 11/01/2019
Ativação: 11/01/2019
Activation: 11/01/2019
Nr. de Créditos: 8
Credits: 8
Carga Horária:
Workload:
Teórica (por semana) |
Theory (weekly) |
Prática (por semana) |
Practice (weekly) |
Estudos (por semana) |
Study (weekly) |
Duração | Duration | Total | Total |
|---|---|---|---|---|---|---|---|---|---|
| 4 | 2 | 4 | 12 semanas | 12 weeks | 120 horas | 120 hours |
Docentes Responsáveis:
Professors:
Ronaldo Fumio Hashimoto
Junior Barrera
Roberto Marcondes Cesar Junior
Roberto Hirata Junior
Paulo Andre Vechiatto de Miranda
Objetivos:
Ao término da disciplina os alunos devem conhecer os principais conceitos envolvidos na aquisição, representação, processamento e análise de imagens digitais. Além disso, devem conhecer os principais conceitos de visão computacional. Em termos de desenvolvimento de sistemas de processamento e análise de imagens, ao término da disciplina, o aluno deve ser capaz de desenvolver um sistema simples de PDI e/ou visão computacional.
Justificativa:
As áreas de Visão Computacional (VC) e Processamento Digital de Imagens (PDI) já tornaram-se clássicas na ciência pois cada vez mais usam-se imagens digitais para vigilância, análise de comportamento humano e animal, análises quantitativas em várias áreas da ciência e da indústria e etc. Conhecer a matemática e a computação que fundamentam VC e PDI é importante para a formação de um cientista da computação.
Conteúdo:
1) Introdução às diferentes áreas relacionadas ao tópico da disciplina e suas aplicações: PDI, Visão Computacional, Reconhecimento de Padrões, Computação Gráfica, Aprendizado de Máquina, Deep Learning e Recuperação de Informações. 2) Formação/aquisição de imagens: o processo físico/computacional até a formação da imagem digital. 3) Representação de imagens: domínios espacial e de frequências; pixel, superpixel, multirresolução, partição hierárquica, multiescala, multibanda, imagens 3D, vídeo etc. 4) Classes de transformações: realce, filtragem, segmentação, detecção de objetos, classificação etc. 5) Modelagem de transformações: linear x não-linear (Fourier, Morfologia Matemática etc; pontual, local, global. 6) Reconhecimento de Padrões e Aprendizado de Máquina: casamento de padrões, características, classificadores, Deep Learning.
Forma de Avaliação:
Provas e trabalhos práticos
Bibliografia:
1. R.C. Gonzalez e R.E. Woods, Digital Image Processing, Addison-Wesley. 2. R. Szeliski, Computer Vision: Algorithms and Applications, Springer. 3. W. Briggs and V. W. Henson, The DFT: An Owners' Manual for the Discrete Fourier Transform, SIAM. 4. S. A. Broughton, Discrete Fourier Analysis and Wavelets: Applications to Signal and Image Processing, Wiley. 5. R.O. Duda e P.E. Hart, Pattern Classification and Scene Analysis, John Wiley. 6. T.Y. Kong e A. Rosenfeld, Digital Topology: Introduction and Survey, Computer Vision, Graphics and Image Processing, 48:357-393, 1989. 7. P. Soille, Morphological Image Analysis: Principles and Applications, Springer.
Tipo de oferecimento da disciplina:
Presencial
Class type:
Presencial