UD1: Qué es Introducción a la Visión por Computador (2 horas)

1. Introducción, fundamentos  y Conceptos básicos de los Sistemas de Visión por Computador  
2. El procesamiento biológico de la señal visual
3. El proceso geométrico de la formación de imágenes. La geometría en la cámara. Transformaciones 2D y 3D
4. El proceso fotométrico en la formación de imágenes. Luz, reflectancia y sombreado. Color. Óptica
5. La cámara digital. Muestreo y aliasing. Procedimientos de compresión de imagen y video.
6. Transformaciones
REFERENCIAS: [3]

UD2: Arquitecturas de Sistemas de Visión por Computador para procesamiento y análisis de imagen y video (1 hora)

1. Arquitecturas clásicas
2. Arquitecturas con aprendizaje tradicional
3. Arquitecturas con aprendizaje profundo.
4. Arquitecturas para aplicaciones diversas
5. Arquitecturas que usan servicios en la nube
6. Últimas tendencias
REFERENCIAS: [3], [4], [5], [6]


UD3: Procesamiento de la imagen (2 horas)

1. Operaciones puntuales. Transformaciones sobe pixels, color, de composición. Operaciones sobre histogramas
2. Filtrado lineal
3. Operaciones de vecindad
4. Transformada de Fourier
5. Pirámides
6. Transformaciones geométricas
REFERENCIAS: [3]


UD4: Detección y comparación de características (2 horas)
1. Puntos y parches
2. Bordes y contornos
3. Seguimiento de contornos
4. Líneas y puntos de fuga
5. Segmentación
REFERENCIAS: [3]


UD5: Clasificación y Reconocimiento (2 horas)

Clasificación y Reconocimiento con soluciones tradicionales
Clasificación con redes neuronales y redes neuronales profundas, Redes Neuronales Convolutivas Profundas.
Últimos avances. Cápsulas. Algoritmo Forward-forward
REFERENCIAS: [3], [1], [4], [5]


UD6: Estimación de movimiento (2 horas)

1. Movimiento paramétrico
2. Flujo óptico
3. Movimiento entre capas
REFERENCIAS: [3], [5]

UD7: Estimación de profundidad (2 horas)

1. Geometría epipolar
2. Correspondencia dispersa
3. Correspondiencioa densa
4. Métodos locales
5. Optimización Global
6. Uso de imágenes estereo multivista
7. Estimación monocular
REFERENCIAS: [3], [5]


Casos de estudio en Clases prácticas en aula y laboratorio:

A.1) Entorno de trabajo y software para prácticas: Pytorch, OpenCV y Yolo (2 h Prácticas Aula + 5 h Prácticas Laboratorio))
A.2) Caso de estudio 1: detección en Imágenes Médicas (3 h PA + 6 h PL)
A.3) Caso de Estudio 2: Teledetección (3 h PA + 6 h PL)
A.4) Caso de Estudio 3: Biometría (3 h PA + 6 h PL)
A.5) Caso de estudio 4: Seguimiento de objetos (3 PA  + 6 h PL)

- Evaluación de las prácticas guiadas y defensa de prácticas  (2 horas presenciales)
- Evaluación de las Clases de Teoría (1 hora presencial)