IDENTIFYING DATA 2014_15
Subject (*) COMPUTERIZED VISION Code 17234217
Study programme
Degree of Computer engineering (2010)
 Cycle 1st
Descriptors Credits Type Year Period
6 Optional 2Q
Language
Català
Department Enginyeria Informàtica i Matemàtiques
Coordinator
PUIG VALLS, DOMÈNEC SAVI
 E-mail susana.alvarez@urv.cat
domenec.puig@urv.cat
Lecturers
ALVAREZ FERNANDEZ, SUSANA MARIA
PUIG VALLS, DOMÈNEC SAVI
Web http://moodle.urv.cat/
General description and relevant information Realitzar una introducció al món de la Visió per Computador. S'estudiaran les necessitats i motivacions que han portat a mecanitzar alguns processos de percepció visual amb la finalitat d'aconseguir resultats semblants als de la visió humana. L'assignatura tindrà un caire descriptiu i pràctic, i només s'explicaran els models matemàtics i físics imprescindibles per a fonamentar les tècniques exposades. S'estudiaran alguns dels principals processos que permeten obtenir, caracteritzar i interpretar la informació present en les imatges capturades en el món tridimensional. La part pràctica de l'assignatura inclourà l'estudi dels components bàsics de qualsevol sistema de visió (CCD's, plaques, etc), així com la realització de petites implementacions d'algunes de les tècniques de processament d'imatges explicades a les classes teòriques. Els exemples pràctics que es proposaran estaran encaminats a estudiar la interrelació entre la visió i altres disciplines com la robòtica així com la seva aplicació al món industrial.

Competences
Type A Code Competences Specific
 A7 Capacitat per definir, avaluar i seleccionar plataformes hardware i software per al desenvolupament i l’execució de sistemes, serveis i aplicacions informàtiques.
 CP3 Capacitat per avaluar la complexitat computacional d'un problema, conèixer estratègies algorísmiques que puguin conduir-ne a la resolució i recomanar, desenvolupar i implementar la que garanteixi el millor rendiment d'acord amb els requisits establerts.
 CP5 Capacitat per adquirir, obtenir, formalitzar i representar el coneixement humà en una forma computable per resoldre problemes mitjançant un sistema informàtic en qualsevol àmbit d'aplicació, particularment els relacionats amb aspectes de computació, percepció i actuació en ambients o entorns intel ligents.
 CP7 Capacitat per conèixer i desenvolupar tècniques d'aprenentatge computacional i dissenyar i implementar aplicacions i sistemes que les utilitzin, incloent-hi les dedicades a extracció automàtica d'informació i coneixement a partir de grans volums de dades.
Type B Code Competences Transversal
Type C Code Competences Nuclear
 C4 Be able to express themselves correctly both orally and in writing in one of the two official languages of the URV

Learning outcomes
Type A Code Learning outcomes
 A7 Dissenya aplicacions orientades a inspecció i control de qualitat
 CP3 Coneix i sap utilitzar les tècniques de preprocessament, segmentació i classificació d'imatges
Dissenya aplicacions orientades a inspecció i control de qualitat
 CP5 Coneix les etapes que integren un sistema de visió per computador
Coneix el procés de formació de la imatge
 CP7 Sap aplicar els mètodes bàsics de la Visió per computador per a la resolució de problemes específics
Dissenya aplicacions orientades a inspecció i control de qualitat
Type B Code Learning outcomes
Type C Code Learning outcomes
 C4 Produce grammatically correct written texts
Produce well-structured, clear and rich written texts

Contents
Topic Sub-topic
Tema 1.- Introduction Concept and objectives of Computer Vision. Image acquisition. Levels of image processing.
Tema 2.- Image formation. Geometric foundations: mathematical representation of an image, basic geometric transformations, perspective transformation, parallel transformation. Illumination techniques. Color. Charge-coupled device: camera model, lens focus and perception, stereoscopic vision.
Tema 3.- Preprocessing techniques. Basic relationships between pixels. Spatial domain. Frequency domain. Filtering techniques: normalization, equalization, smoothing, edge detection.
Tema 4.- Representation techniques. Segmentation: detection of borders, thresholding, region growing, split and merge. Feature Extraction.
Tema 5.- Description and recognition techniques. Description: border descriptors, region descriptors. Recognition. Interpretation.
Tema 6.- Computer vision applications. Industrial applications: inspection, quality control. Medical applications. Office applications.

Planning
Methodologies  ::  Tests
  Competences (*) Class hours
 Hours outside the classroom
 (**) Total hours
Introductory activities
CP5
 2 0 2
Practicals using information and communication technologies (ICTs) in computer rooms
CP3
 15 30 45
Assignments
A7
C4
 0 13 13
Lecture
CP5
CP7
 9 33 42
Problem solving, classroom exercises
CP5
 15 29 44
Personal tuition
2 0 2
 
Objective multiple-choice tests
CP3
CP5
CP7
 2 0 2
 
(*) On e-learning, hours of virtual attendance of the teacher.
(**) The information in the planning table is for guidance only and does not take into account the heterogeneity of the students.

Methodologies
Methodologies
  Description
Introductory activities Comprehensive description of the course: contents, assessment, etc.
Practicals using information and communication technologies (ICTs) in computer rooms Practical exercises related to the theoretical concepts in lectures using standard computer vision software.
Assignments Performing work related to theoretical concepts in lectures: the work will be theoretical or practical.
Lecture Explanation by the teacher of Computer Vision concepts, techniques, methodologies, etc., related to the course content.
Problem solving, classroom exercises Solving exercises under the supervision of the teacher.
Personal tuition Personal attention by teachers of the subject. Includes personalized attention devoted to the evaluation of some projects and exercises.

Personalized attention
Description
Personal attention by teachers of the subject. Includes personalized attention devoted to the evaluation of some projects and exercises.

Assessment
Methodologies Competences Description Weight        
Practicals using information and communication technologies (ICTs) in computer rooms
CP3
 Practical exercises related to the theoretical concepts in lectures using standard computer vision software. 50%
Assignments
A7
C4
 Performing work related to theoretical concepts in lectures: the work will be theoretical or practical. 25%
Problem solving, classroom exercises
CP5
 Solving exercises under the supervision of the teacher. 15%
Objective multiple-choice tests
CP3
CP5
CP7
 Solve tests related to the theoretical contents of the course. 10%
Others  
 
Other comments and second exam session

A la segona convocatòria s'hauran de tornar a realitzar les proves parcials d'avaluació continua que l'alumne no hagi aconseguit una nota minima.

La nota mitjana ponderada de totes les proves parcials ha de ser com a mínim de 5.

Sources of information

Basic Escalera, A. de la, Visión por Computador, Prentice Hall, 2001
Ajenjo, A.D, Tratamiento Digital de Imágenes, Anaya Multimedia, 1994
Forsyth, D.A.; Ponce, J., Computer vision a modern approach, Prentice Hall, 2011
Pajares Martinsanz, Gonzalo, Visión por computador: imágenes digitales y aplicaciones , Ra-Ma, 2007

Complementary Vitrià, J., Visió per Computador, Servei Publicacions U.A.B., 1995
Fu, K.S.; Gonzalez, R.C.; Lee, C.S.G, Robótica: Control, Detección, Visión e Inteligencia, McGraw Hill, 1990

Recommendations
(*)The teaching guide is the document in which the URV publishes the information about all its courses. It is a public document and cannot be modified. Only in exceptional cases can it be revised by the competent agent or duly revised so that it is in line with current legislation.