Temario

  1.  Introducción y Conceptos Básicos en RF
  2.  Reglas de Decisión
  3.  Aprendizaje Supervisado de Clasificadores Deterministas
  4.  Técnicas de Análisis de Agrupamientos
  5.  Selección y Transformación de Características
  6.  Conceptos Básicos en Visión Artificial
  7.  Formación y Adquisición de Imágenes
  8.  Segmentación de Imágenes
  9.  Detección de Contornos
  10.  Representación de Estructuras Geométricas 2D
  11.  Caracterización y Discriminación de Formas 2D.
  12.  Técnicas de Análisis de Texturas
  13.  Análisis de Secuencias e Imágenes
  14.  Introducción a la Adquisición y Representación de Información 3D
  15.  Método Sintáctico I: Gramáticas y Lenguajes
  16.  Métodos Sintácticos II: Análisis Sintáctico y Reconocimiento
  17.  Métodos Relacionales
  


Tema 1: Introducción y Conceptos Básicos en Reconocimiento de Formas

1.1.- Introducción
1.2.- Formas y Clases de Formas
1.3.- Conceptos Básicos
1.4.- Aproximaciones en el Reconocimiento de Formas
1.5.- Postulados de Niemann
1.6.- Aproximación de Teoría de la Decisión
1.7.- Aproximación Estructural
1.8.- Algunas Aplicaciones del Reconocimiento de Formas
1.9.- Referencias
 

MODULO I: APROXIMACION DE TEORIA DE LA DECISION EN RF

Tema 2: Reglas de Decisión

2.1.- Introducción
2.2.- Funciones Discriminantes y Superficies de Decisión

2.2.1.- Discriminante Lineal Biclásico
2.2.2.- Discriminación Lineal Multiclásica
2.2.3.- Funciones Discriminantes Generalizadas
2.3.- Clasificación por Funciones de Distancia 2.3.1.- Similaridad y Distancia
2.3.2.- Regla de la Distancia Mínima
2.3.3.- Regla del Vecino Más Próximo
2.4.- La Clasificación como Problema Estadístico Paramétrico 2.4.1.- Decisión en Base a Probabilidades a Priori y a Posteriori
2.4.2.- Clasificación y Teoría de Juegos
2.4.3.- Clasificador Bayesiano de Mínimo Riesgo
2.4.4.- Estudio de Caso: Distribución Normal
2.5.- Referencias
 

Tema 3: Aprendizaje Supervisado de Clasificadores Deterministas

3.1.- Introducción.
3.2.- Aprendizaje de Funciones de Decisión. Planteamiento
3.3.- Procedimiento Basado en el Concepto de Descenso según el Gradiente

3.3.1.- Procedimiento Perceptrón 3.3.1.1.- Función Criterio
3.3.1.2.- Aprendizaje por Premio-Castigo
3.3.1.3.- Convergencia
3.3.1.4.- Variaciones de Procedimiento
3.3.1.5.- Clasificador Multiclásico
3.3.2.- Procedimientos de Error Cuadrático Mínimo 3.3.2.1.- Procedimiento Ho-Kashyap
3.3.2.2.- Comentarios al Procedimiento Ho-Kashyap
3.4.- Método de las Funciones Potenciales
                3.4.1.- Procedimiento de Aprendizaje Biclásico 3.4.2.- Generación de Funciones Potenciales 3.4.2.1.- Funciones Potenciales de Tipo 1
3.4.2.2.- Funciones Potenciales de Tipo 2
3.4.3.- Procedimiento de Aprendizaje Multiclásico
3.5.- Perceptrón Multicapa. Red Feedforward y Aprendizaje por Propagación Hacia Atrás 3.5.1.- Descripción y Propiedades.
3.5.2.- Aprendizaje por Propagación Hacia Atrás.
3.5.3.- Procedimiento de Aprendizaje.
3.5.4.- Comentarios Adicionales.
3.6.- Referencias
 

Tema 4: Técnicas de Análisis de Agrupamientos

4.1.- Introducción. Aprendizaje no Supervisado y Análisis de Agrupamientos
4.2.- Clasificación de los Métodos de Análisis de Agrupamientos
4.3.- Procedimientos Heurísticos Directos

4.3.1.- Procedimiento LEADER
4.3.2.- Procedimiento MAXIMIN
4.4.-Métodos de Reagrupamiento por Optimización Iterativa de Función Criterio 4.4.1.- Procedimientos Tipo KMEDIA
4.4.2.- Funciones Criterio
4.4.3.- Evaluación de Resultados
4.5.- Métodos de Cuantización Vectorial
4.6.- Métodos Jerárquicos 4.6.1.- Nociones Generales
4.6.2.- Estrategias. Descripción y Estudio. Análisis Comparativo
4.6.2.- Método de Ward. Optimización
4.7.- Métodos Tipológicos 4.7.1.- Estimación de la Característica Más Discriminante
4.7.2.- Endograma Discriminante
4.7.3.-Procedimientos de Estratificación Bietápica y Análisis de Varianza
4.8.- Referencias

Tema 5: Selección y Transformación de Características

5.1.- Introducción
5.2.- Selección de Características.
5.3.- Evaluación.
5.4.- Transformación de Características.
5.5.- Referencias.

 

MODULO II: TECNICAS DE VISION ARTIFICIAL

Tema 6: Conceptos Básicos en Visión Artificial

6.1.- Introducción
6.2.- Sistemas de Visión Artificial. Objetivos y Definiciones
6.3.- Esquema de Procesos en un Sistema de Visión Artificial
6.4.- Algunos Datos Sobre Percepción Visual Biológica
6.5.- Referencias
 

Tema 7: Formación y Adquisición de Imágenes

7.1.- Introducción
7.2.- Proceso de Formación de las Imágenes

7.2.1.- Geometría de Formación de las Imágenes
7.2.2.- Conceptos de Fotometría y Colorimetría
7.3.- Estructura de los Sistemas de Adquisición en VA 7.3.1.- Fuentes de Luz y Técnicas de Iluminación
7.3.2.- Sensores
7.3.3.- Sistemas de Digitalización de Imágenes
7.4.- Imágenes Digitales, Distorsiones y Homotecias
7.5.- Referencias
 

Tema 8: Segmentación de Imágenes

8.1.- Introducción
8.2.- Definición Formas de Segmentación
8.3.- Estructuras de Datos en Segmentación

8.3.1.- Grafo de Adyacencia de Regiones
8.3.2.- Grafo de Adyacencia de Líneas
8.3.3.- Pirámides de Resolución
8.4.- Aproximaciones en Segmentación 8.4.1.- Segmetación por Clasificación en Espacio de Propiedades de los Puntos
            8.4.1.1.- Umbralizado en Histogramas
            8.4.1.2.- Segmetación Cromática
8.4.2.- Segmentación por División y Fusión
8.4.3.- Segmentación por Relajación
8.5.- Referencias
 

Tema 9: Detección de Contornos

9.1.- Introducción
9.2.- Métodos de Detección de Contornos

9.2.1.- Operadores Locales Gradiente y Laplaciana
9.2.2.- Métodos de Ajuste Funcional. Operador de Hueckel
9.2.3.- Método del Cruce por Cero de Marr-Hildreth
9.3.- Detección de Contornos Específicos. Transformada de Hough
9.4.- Referencias
 

Tema 10: Representación de Estructuras Geométricas 2D

10.1.- Introducción
10.2.- Compactación de Imágenes. Códigos de Longitud de Recorrido
10.3.- Representación por Bloques. Quadtrees
10.4.- Representación por Transformación al Eje Medio
10.5.- Representación de Contornos

10.5.1.- Códigos de Cadena
10.5.2.- Funciones de Curvatura
10.5.3.- Interpolaciones Polinomiales B-Spline
10.6.- Referencias
 

Tema 11: Caracterización y Discriminación de Formas 2D. Sistemas

11.1.- Introducción
11.2.- Discriminación a Nivel Icónico: Técnicas de Comparación con Máscara

11.2.1.- Concepto
11.2.2.- Medidas de Comparación
11.3.- Técnicas de Discriminación a partir de Caracterización Global de Regiones 11.3.1.- Características Geométricas Simples: Topológicas y Métricas
11.3.2.- Características Analíticas. 11.3.2.1.- Momentos
11.3.2.2.- Expansiones
11.3.2.3.- Estudio de Casos
11.4.- Caracterización de Contornos 11.4.1.- Caracterizaciones Derivadas de los Angulos
11.4.2.- Caracterizaciones Derivadas de la Forma
11.5.- Referencias
 

Tema 12: Técnicas de Análisis de Texturas

12.1.- Introducción. Aproximación Estadística
12.2.- Estadísticos de Niveles de Gris de Primer Orden
12.3.- Matrices de Coocurrencias. Estadísticos de Niveles de Gris de Segundo Orden.
12.4.- Estadísticos de Propiedades Locales
12.5.- Autocorrelación y Espectro de Potencia
12.6.- Referencias
 

Tema 13: Análisis de Secuencias e Imágenes

13.1.- Introducción
13.2.- Métodos Elementales

13.2.1.- Diferencias de Imágenes
13.2.2.- Detección de Contornos en Movimiento
13.3.- Método del Flujo Optico 13.3.1.- Descripción y Formulación Analítica
13.3.2.- Restricciones Adicionales
13.4.- Determinación del Foco de Expansión
13.5.- Introducción al Modelado del Movimiento de Regiones
13.6.- Referencias
 

Tema 14: Introducción a la Adquisición y Representación de Información 3D

14.1.- Introducción.
14.2.- Adquisición de la Información de Profundidad

14.2.1.- Triangulación Pasiva: Estereovisión
14.2.2.- Triangulación Activa: Luz Estructurada
14.2.3.- Técnicas Telemétricas
14.2.4.- Métodos Indirectos: Shape from
14.3.- Métodos de Representación de Estructuras Tridimensionales.
14.4.- Referencias

 

MODULO III: APROXIMACIONES ESTRUCTURALES EN RF

Tema 15: Método Sintáctico I: Gramáticas y Lenguajes

15.1.- Introducción
15.2.- Gramáticas y Lenguajes de Cadena

15.2.1.- Conceptos y Definiciones
15.2.2.- Tipos de Gramáticas
15.2.3.- Gramáticas, Lenguajes y Autómatas
15.3.- Gramáticas Especiales de Formas 15.3.1.- Gramática Ledley para Cromosomas
15.3.2.- Gramática Shaw para Descripción de Escenas (PDG)
15.4.- Introducción a las Gramáticas de Dimensiones Superiores para Representación de Formas 15.4.1.- Gramáticas de Arbol
15.4.2.- Gramáticas Webb
15.5.- Gramáticas Estocásticas
15.6.- Referencias


Tema 16: Métodos Sintácticos II: Análisis Sintáctico y Reconocimiento

16.1.- Introducción
16.2.- Análisis en Gramáticas de Cadena.

16.2.1.- Análisis Ascendente y Descendente
16.2.2.- Algoritmo de Earley
16.3.- Análisis Corrector de Errores por Mínima Distancia en Gramáticas de Cadena
16.4.- Referencias


Tema 17: Métodos Relacionales

17.1.- Introducción
17.2.- Modelos de Objetos y Representación de Imágenes
17.3.- Técnicas de Análisis Relacional por Comparación de Grafos

17.3.1.- Tipos
17.3.2.- Comparaciones Basadas en el Grafo de Asociación. Procedimientos
17.4.- Técnicas de Etiquetado de Primitivas y Relaciones Basadas en Restricciones 17.4.1.- Uso de Relajación
17.4.2.- Uso de Programación Lógica
17.5.- Referencias
Actualizada 10/9/1999