CCO - 750 - Fundamentos de Visão Computacional

Quantidade de créditos: 8
Total de horas de aulas teóricas: 60
Total de horas de aulas de exercícios, seminários ou estudos dirigidos : 60

Objetivo

Ao final da disciplina, o aluno deverá ser capaz de: aplicar filtros em imagens tanto no domínio espacial quanto no domínio da frequência; segmentar regiões coerentes de imagens; identificar bordas, retas e pontos salientes em imagens; aplicar métodos de casamento de pontos salientes em imagens e vídeos; rastrear objetos em conjuntos de imagens e vídeos; aplicar métodos de aprendizado de máquina para segmentação e para a identificação de objetos em imagens e vídeos.

Ementa

  • Transformação de intensidade e filtragem de imagens: processamento de histograma; correlação e convolução; filtros espaciais lineares e não-lineares; transformada de Fourier e suas propriedades, filtragem no domínio da frequência; operadores morfológicos.
  • Detecção de regiões salientes em imagens: detecção de retas e círculos utilizando a transformada Hough; pirâmides de imagens; algoritmo Harris; algoritmos SIFT e SURF; técnicas para redução no número de regiões salientes.
  • Casamento de pontos salientes e rastreamento de imagens: transformações geométricas; método RANSAC; algoritmos mean-shift e cam-shift; fluxo ótico.
  • Segmentação de imagens: limiarização ótima global e local; método k-médias; modelo de mistura de Gaussianas; superpixels.
  • Tópicos de aprendizado de máquina para visão: HOG; algoritmo k-vizinhos; classificador SVM; conceitos de Deep Learning.

Bibliografia Principal

  1. R. Szeliski, “Computer Vision: Algorithms and Applications”, Springer, 2010 (http://szeliski.org/Book/). (disponível on-line).
  2. D. A. Forsyth and J. Ponce, "Computer Vision: A Modern Approach", Prentice Hall, 2003. (disponível na BCo).
  3. R. C. Gonzalez and R. E. Woods, “Digital Image Processing” (3rd Edition), Prentice-Hall, 2008. (disponível na BCo).
  4. D. Ballard and C. Brown, “Computer Vision”, Prentice Hall, 1982. (disponível na BCO - UFSCar)
  5. Kaebler and G. Bradski, “Learning OpenCV - Computer Vision in C++ with the OpenCV library” (1st. Edition), O’Reilly, 2017.
  6. M. Nixon, A. S. Aguado, “Feature Extraction & Image Processing for Computer Vision”, (2nd Edition), Academic Press, 2008.