Planificación de Métodos Avanzados para Análisis y Representación de Imágenes (2020)

Operaciones matemáticas, lógicas y relacionales con imágenes.

Definición de imágenes como conjuntos y preliminares de teoría de conjuntos: definiciones, propiedades y operaciones.

Morfología matemática binaria: elemento estructurante. Erosión y dilatación. Apertura y cierre. Transformación Hit-or-Miss.

Algoritmos morfológicos y aplicaciones: gradiente, relleno de agujeros, componentes conectadas, envoltura convexa, adelgazamiento, espesamiento, esqueletización, poda.

Reconstrucción morfológica y aplicaciones: apertura por reconstrucción, relleno de agujeros automático, limpieza de objetos sobre el borde.

SVD (descomposición en valores singules): formulación matricial, problemas inversos y regularización de soluciones.

Análisis frecuencial: transformada de Fourier y transformada coseno.

Análisis multirresolución: wavelets y transformaciones relacionadas.

Representaciones ralas: planteo del análisis por diccionarios ralos sobrecompletos, aprendizaje del diccionario y estimación de coeficientes.

NMF (factorización matricial no negativa): modelos y algoritmo básico para estimación de parámetros.

Características principales de las distintas representaciones. Algoritmos de cómputo. Criterios de selección.

PCA e ICA (análisis de componentes principales e independientes). Generalidades y propiedades básicas, cálculo de componentes, estimación robusta, relación con SVD.

Campos aleatorios Markovianos (MRF): definición; codificación de dependencias contextuales; criterios de optimización; enfoque MAP-MRF. Estimación de parámetros: métodos supervisados y no supervisados. Regularización y estimación robusta. MRF en el dominio wavelet.

Representación: seguimiento de frontera; códigos de cadenas; aproximaciones poligonales usando MPP, técnicas de fusión y técnicas de división; firmas; segmentos de bordes y esqueletos.

Descriptores de límites: descriptores simples; números de forma; descriptores de Fourier y momentos estadísticos.

Descriptores de regiones: descriptores simples; descriptores topológicos; texturas y momentos invariantes.

Descriptores relacionales.

Segmentación: MRF para segmentación de imágenes. Identificación de regiones mediante NMF.

Denoising: Denoising por wavelet shrinkage. Denoising por campos aleatorios en el dominio wavelet. Caracterización de ruido para limpieza mediante representaciones ralas.

Inpainting: Separación y rellenado de imágenes por representaciones ralas.

Deblurring: Deblurring por medio de SVD y MRF.

Aplicaciones de morfología matemática. Análisis de formas, imagenes ruidosas, reconstrucciones, segmentación con watershed.

Identificación y clasificación de objetos.

K. R. Castleman
Digital Image Processing
Prentice-Hall

W. Burger and M. J. Burge
Digital Image Processing - An algorithmic Introduction Using Java
Springer

R. González and R. Woods
Digital Image Processing, 3rd. Edition
Prentice-Hall

J. Serra
Image Analysis and Mathematical Morphology
Academic Press, London.

T. Chan and J. Shen
Image Processing and Analysis: Variational, PDE, Wavelet and Stochastic Methods.
Society for Industrial and Applied Mathematic

F. Shih
Image Processing and Mathematical Morphology: Fundamentals and Applications
CRC Press

G. Bradski and A. Kaehler
Learning OpenCV
O'Reilly

E. R. Davies
Machine Vision: Theory, Algorithms, Practicalities (3rd Edition)
Elsevier

S. Z. Li
Markov Random Field Modeling in Image analysis, Third Ed.
Springer

A. Blake, P. Kohli and C. Rother (Eds.)
Markov Random Fields for Vision and Image Processing
MIT Press

R. Laganière
OpenCV 2 Computer Vision Application Programming. Cookbook.
Packt Publishing