banner

Site menu:

Principal >> Cursos Académicos >> Cursos
NOMBRE DEL CURSOSoft Computing y Visión por Ordenador
NOMBRE DEL MODULOSOFT COMPUTING: HIBRIDACIÓN Y APLICACIONES
Nº CRÉDITOS EUROPEOS2 ECTS
COORDINADOROscar Cordón García
IDIOMAInglés
CARÁCTEROptativo
PROFESORADO
Oscar Cordón García 1 ECTS
Jesús Chamorro Martínez 1 ECTS
COMPETENCIAS
Se pretende que el alumno obtenga las capacidades de:
  • Valorar críticamente la adecuación de las distintas modalidades del registrado de imágenes (basado en características, intensidades, imágenes de rango) a problemas concretos.
  • Aplicar los algoritmos evolutivos y las metaheurísticas para las distintas modalidades de este problema.
  • Incorporar información específica de las imágenes para guiar la búsqueda y mejorar el registrado.
  • Aplicar distintos modelos clásicos y evolutivos para el registrado de imágenes médicas reales.
  • Valorar críticamente el grado de mejora introducido por las propuestas evolutivas y basadas en metaheurísticas en el registrado con respecto al obtenido por los métodos clásicos existentes.
  • Determinar la necesidad y aplicar los conceptos de color difuso y espacio de color difuso a un problema concreto de procesamiento de imágenes.
  • Determinar la necesidad y aplicar la caracterización difusa de texturas mediante etiquetas linguísticas sobre diversos tipos de textura.
  • Determinar la aplicabilidad general de la lógica difusa al ámbito de la segmentación de imágenes.
  • Aplicar el concepto de espacio de color difuso a la determinación de colores difusos dominantes.

METODOLOGÍA DE ENSEÑANZA Y APRENDIZAJE
El sistema de clases es semi-presencial, aunque se pretende el uso intensivo de los recursos de internet para mejorar y potenciar la calidad docente, en particular permitiendo al alumno a través del web la comunicación directa con el profesor, descarga de material, consultas diversas, foros, realización de encuestas, etc.  Como referencia básica cada ECTS se corresponde con 25 horas de trabajo efectivo del alumno y habitualmente se estructura de la siguiente forma

- 4 horas de clases presenciales
- 4 horas de clases de trabajo práctico en laboratorio
- 17 horas de trabajo del alumno

Dicho trabajo permitirá valorar la adquisición de las competencias por parte del alumno.
CRITERIOS Y PROCEDIMIENTOS DE EVALUACIÓN
El curso seguirá un sistema de evaluación continua, de modo que para la calificación final se considerarán:
- la participación activa del alumno en clase,  fomentada por el profesor en las clases mediante la formulación de preguntas y la petición del comentario crítico de los alumnos sobre los contenidos explicados. Si bien no se exige la asistencia del alumno a clase, en caso de que no asista deberá obligatoriamente ponerse en contacto con los profesores y realizar con cada uno de ellos una breve entrevista, con la posibilidad de hacerla mediante videoconferencia, en la que a lo largo de unos 20 minutos de conversación deberá poner de manifiesto que ha leido y comprendido el material que se aportará para el seguimiento del curso.

Siguiendo esta idea de participación activa, el otro concepto relacionado con la calificación será la realización de un pequeño trabajo  de investigación relacionado con el curso y su exposición por parte del alumnado durante la última sesión en el aula de teoría para proceder a la  discusión crítica en grupo de los mismos. De este modo, el trabajo se realizará de forma individual y consistirá en el estudio de un artículo científico  relacionado con la temática del curso y la elaboración de un comentario razonado (¡no un resumen!) sobre el mismo. Los profesores proporcionarán una lista actualizada de posibles artículos al principio del curso, aunque el alumno podrá proponer artículos no contenidos en  ella.
TEMARIO DE TEORÍA
Introducción al Problema del Registrado de Imágenes 0.2 ECTS
Modelos de Registrado de Imágenes basados en Algoritmos Evolutivos 0.2 ECTS
Reconstrucción de Modelos 3D mediante el Registrado de Imágenes de Rango 0.5 ECTS
Conjuntos Difusos y Visión por Computador 0.1 ECTS
Espacios de Color Difusos 0.25 ECTS
Caracterización Lingüística de Texturas 0.25 ECTS
Segmentación Difusa de Imágenes 0.4 ECTS
Aplicación en Antropología Forense. 0.1 ECTS
TEMARIO DE PRÁCTICAS

  •     Utilización de Software de modelos evolutivos de Registrado de Imágenes y Reconstrucción de Modelos 3D.
  •     Utilización de Software de análisis de imágenes mediante técnicas difusas.
BIBLIOGRAFÍA
  • P.K. Allen, A. Troccoli, B. Smith, S. Murray, I. Stamos, M. Leordeanu, New methods for digital modeling of historic sites, IEEE Computer Graphics and applications, 23(6), pp. 32-41, 2003.
  • T. Bäck, D.B. Fogel, Z. Michalewicz (Eds.), Handbook of evolutionary computation. IOP Publishing Ltd and Oxford University Press, 1997.
  • P.J. Besl, N.D. McKay, A method for registration of 3-D shapes, IEEE Transactions on Pattern Analysis and Machine Intelligence, 14, pp. 239-256, 1992.
  • G. Blais, M. Levine, Registering multiview range data to create 3D computer objects, IEEE Transactions on Pattern Analysis and Machine Intelligence, 17(8), pp. 820-824, 1995.
  • C.K. Chow, H.T. Tsui, T. Lee, Surface registration using a dynamic genetic algorithm, Pattern Recognition, 37, pp. 105-117, 2004.
  • O. Cordón, S. Damas, Image registration with iterated local search, Journal of Heuristics, 12(1-2), pp. 73-94, 2006.
  • O. Cordón, S. Damas, J. Santamaría, Feature-based image registration by means of the CHC evolutionary algorithm, Image and Vision Computing, 25:5 (2006) 525-533.
  • Cordón, O., Damas, S., Santamaría, J., (2006), A fast and accurate approach for 3D image registration using the scatter search evolutionary algorithm. Pattern Recognition Letters 27:11, pp. 1191-1200.
  • J. Santamaría, O. Cordón, S. Damas, I. Alemán, M. Botella, (2007) A Scatter Search-based technique for pair-wise 3D range image registration in forensic anthropology, Soft Computing, 11:9, pp.  819-828.
  • Cordón, O., Damas, S., y Santamaría, J., (2006), A practical review on the applicability of different evolutionary algorithms to 3D feature-based image registration. En: Cagnoni, S., Lutton, E., y Olague, G., Eds., Genetic and Evolutionary Computation for Image Processing and Analysis, EURASIP Book Series on SP&C, Hindawi Publishing Corporation.
  • O. Cordón, S. Damas, J. Santamaría, R. Martí, Scatter Search for the 3D Point Matching Problem in Image Registration. INFORMS Journal on Computing 20:1 (2008) 55-68
  • J. Santamaría, O. Cordón, S. Damas, J.M. García-Torres, A. Quirin, Performance Evaluation of Memetic Approaches in 3D Reconstruction of Forensic Objects. Soft Computing, 13: 8-9 (2009) 883-904.
  • O. Ibañez, L. Ballerini, O. Cordón, S. Damas, J. Santamaría, An Experimental Study on the Applicability of Evolutionary Algorithms to Craniofacial Superimposition in Forensic Identification. Information Sciences, in press (2009).
  • J. Santamaría, O. Cordon, S. Damas, Evolutionary Image Registration Methods: An Experimental Survey. European Centre for Soft Computing Research Report AFE 2009-04. May 2009.
  • J. Salvi, C. Matabosch, D. Fofi, J. Forest, A review of recent range image registration methods with accuracy evaluation, Image and Vision Computing, 25:5 (2007) 578-596.
  • D.W. Eggert, A.W. Fitzgibbon, R.B. Fisher, Simultaneous registration of multiple range views for use in reverse engineering of CAD models, Computer Vision and Image Understanding, 69(3), pp. 253-272, 1998.
  • O. Faugeras, Three-dimensional computer vision, MIT press, 1996.
  • A. A. Goshtasby, 2-D and 3-D image registration for medical, remote sensing, and industrial applications. Wiley Interscience, 2005.
  • M. Laguna and R. Martí, Scatter search: methodology and implementations in C, Kluwer Academic, 2003.
  • Y. Liu, Improving ICP with easy implementation for free form surface matching, Pattern Recognition, 37(2), pp. 211-216, 2004.
  • E. Lomonosov, D. Chetverikov, A. Ekart, Pre-registration of arbitrarily oriented 3D surfaces using a genetic algorithm, Pattern Recognition Letters, 27(11), pp. 1201-1208, 2006.
  • L. Silva, O.R.P. Bellon, K.L. Boyer, Robust range image registration using genetic algorithms and the surface interpetenetration measure. World Scientific. 2005.
  • L. Silva, O.R.P. Bellon, K.L. Boyer, Multiview range image registration using the surface interpenetration measure, Image and Vision Computing, 2006.
  • S.M. Yamany, M.N. Ahmed, A.A. Farag, A new genetic-based technique for matching 3-D curves and surfaces, Pattern Recognition, 32, pp. 1817-1820, 1999.
  • B. Zitova, J. Flusser, Image registration methods: a survey, Image and Vision Computing, 21, pp. 977-1000, 2003.
  • James C. Bezdek, James Keller, Raghu Krisnapuram, Nikhil Pal (Editors), (1999). Fuzzy Models and Algorithms for Pattern Recognition and Image Processing, 
  • J. Chamorro-Martínez, E. Galán-Perales, D. Sánchez, and B. Prados-Suarez, A Fuzzy Approach to Image Texture Representation Applied to Visual Coarseness Description. IEEE International Conference on Fuzzy Systems 2006, Vancouver, Canadá.
  • J. Chamorro-Martínez, J.M. Medina, C.D. Barranco, E. Galán-Perales, J.M.Soto-Hidalgo, An Approach to Image Retrieval on Fuzzy Object-Relational Databases using Dominant Color Descriptors. Proceedings EUSFLAT 2005, pp. 676-68
  • E. Montseny, P. Sobrevilla (2003), Fuzzy Sets in Computer Vision: An Overview. Mathware and Soft Computing 10: 71-83.
  • B. Prados-Suárez, J. Chamorro-Martínez, D. Sánchez, J. Abad (2007), Region-based Fit of Color Homogeneity Measures for Fuzzy Image Segmentation, Fuzzy Sets and Systems 158, pp. 215-229.
Máster: Soft Computing y Sistemas Inteligentes
Mapa Web
sugerencias
Dpto. Ciencias de la Computación e Inteligencia Artificial
E.T.S. Ingeniería Informática y de Telecomunicaciones
Universidad de Granada
 
¡CSS Válido!   Valid XHTML 1.1