Processamento e Análise de Imagem Avançados

Código:

MVCOMP08

Sigla:

PAIA

Áreas Científicas
Classificação	Área Científica
CNAEF	Ciências informáticas

Ocorrência: 2022/2023 - 2S

Ativa?	Sim
Unidade Responsável:	Departamento de Engenharia Informática
Curso/CE Responsável:	Mestrado em Visão por Computador

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
MVCOMP	5	Plano de Estudos Oficial	1	-	6	42	162

Língua de trabalho

Inglês

Objetivos

• Estudo e aplicação de técnicas avançadas de processamento digital de imagens.


• Estudo e aplicação técnicas avançadas de análise de imagens digitais.


• Análise de problemas reais e projeto de desenvolvimento de soluções baseadas em tecnologias avançadas de processamento e análise de imagens.


• Avaliação da adequação das metodologias aplicadas em problemas específicos.

Resultados de aprendizagem e competências

Os estudantes que concluírem este curso com sucesso deverão:

• compreender e ser capazes de explicar os conceitos de processamento digital de imagens e técnicas avançadas de análise de imagens digitais;
• conhecer e ser capazes de aplicar esses algoritmos em situações práticas;
• adquirir conhecimentos que lhes permitam resolver desenvolver soluções baseadas em tecnologias avançadas de processamento e análise de imagens;
• ser capazes de analisar e compreender artigos científicos seleccionados nas áreas de processamento e análise de imagem e de visão por computador.

Modo de trabalho

Presencial

Programa

- Técnicas avançadas de processamento de imagens. Denoising avançado. Variação total. Deteção avançada de bordas (por exemplo, filtro bilateral, difusão anisotrópica, congruência de fase).
- Segmentação avançada (modelos deformáveis, métodos level-set, Markov Random Fields, graph-cuts, programação dinâmica, etc.).
- Segmentação baseada em aprendizagem (modelos ativos de forma / aparência).
- Modelos de saliência e atenção.
- Tópicos selecionados em processamento e análise avançada de imagens (detecção, segmentação semântica, realce multivista, superresolução, inpainting, coloração, photo stitching, remoção de fundo, etc.).
- Aplicações avançadas de processamento e análise de imagens.

Bibliografia Obrigatória

Richard Szeliski; Computer vision. ISBN: 978-1-84882-935-0

Bibliografia Complementar

Adrian Kaehler; Learning OpenCV 3. ISBN: 978-1-491-93799-0
David A. Forsyth; Computer vision. ISBN: 0-13-085198-1

Métodos de ensino e atividades de aprendizagem

O processo de ensino-aprendizagem será baseado numa abordagem de aprendizagem teórico-prática.  Haverá uma exposição e discussão das matérias do programa, acompanhada pela resolução de exercícios baseados na análise e resolução de casos práticos. Adicionalmente, haverá lugar ao desenvolvimento de projetos individuais de aplicação das técnicas estudadas.

Tipo de avaliação

Avaliação distribuída sem exame final

Componentes de Avaliação

Designação	Peso (%)
Teste	20,00
Trabalho prático ou de projeto	80,00
Total:	100,00

Componentes de Ocupação

Designação	Tempo (Horas)
Elaboração de projeto	50,00
Estudo autónomo	70,00
Frequência das aulas	42,00
Total:	162,00

Obtenção de frequência

Obter uma classificação mínima de 50% na avaliação distribuída.

Fórmula de cálculo da classificação final

Classificação = PR * 0.8 + T * 0.2

PR - projetos
T - testes escritos