DC-UFRPE/Bacharelado em Ciência da Computação/Visão Computacional
| Nome: | VISÃO COMPUTACIONAL |
| Código: | 14704 |
| Departamento | Departamento de Computação (DC) |
| Área | Inteligência Artificial, Álgebra Linear, Processamento de Imagens |
| Carga-horária total | 60h (30h CH Teórica / 30 CH Prática) |
| Créditos | 4 |
| Pré-requisitos | 06418 - ÁLGEBRA VETORIAL E LINEAR PARA COMPUTAÇÃO |
Ementa
[editar | editar código-fonte]- Visão geral, história e introdução à visão computacional.
- Pirâmide e aplicações.
- Detecção de bordas e cantos.
- Segmentação.
- Descrição de objetos.
- Reconhecimento de objetos.
- Ajuste de modelos.
- Câmeras, coordenadas e calibração.
- Visão estéreo.
- Múltiplas visões.
- Rastreamento.
Objetivos
[editar | editar código-fonte]Abordar conceitos básicos e algoritmos relacionados à área de Visão Computacional, permitindo que os alunos experimentem na prática os conhecimentos obtidos.
Conteúdo Programático
[editar | editar código-fonte]- Apresentação da disciplina
- Fundamentos de imagem
- OpenCV
- Processamento de imagens operadores de ponto e vizinhança
- Processamento de imagens formas, pirâmides, wavelets, transformações geométricas
- Extração de características
- Casamento de características
- Calibração de câmera e estimação de pose
- Reconstrução 3D
- Análise de movimento e rastreamento de objetos
- Detecção de objetos
- Criação de projeto
Bibliografia
[editar | editar código-fonte]Básica
[editar | editar código-fonte]1. DAVIES, E. Computer and machine vision: theory, algorithms, practicalities. 4. ed. Academic Press, 2012. 912 p
2. KLETTE, R. Concise computer vision: an introduction into theory and algorithms. Springer, 2014. 429 p.
3. SZELISKI, R. Computer vision: algorithms and applications. 1. ed. Springer, 2010. 812 p.
Complementar
[editar | editar código-fonte]BÁSICA 1. DAVIES, E. Computer and machine vision theory, algorithms, practicalities. 4. ed. Academic Press, 2012. 912 p. 2. KLETTE, R. Concise computer vision an introduction into theory and algorithms. Springer, 2014. 429 p. 3. SZELISKI, R. Computer vision algorithms and applications. 1. ed. Springer, 2010. 812 p. COMPLEMENTAR 1. NIXON, M.; AGUADO, A. Feature extraction image processing for computer vision. 3. ed. Academic Press, 2012. 632 p. 2. SONKA, M.; HLAVAC, V.; BOYLE, R. Image processing, analysis, and machine vision. 4. ed. Cengage Learning, 2014. 912 p. 3. PRINCE, S. Computer vision models, learning, and inference. 1. ed. Cambridge University Press, 2012. 598 p. 4. FACELI, K.; LORENA, A.; GAMA, J.; CARVALHO, A. Inteligência artificial uma abordagem de aprendizado de máquina. 1. ed. LTC, 2011. 394 p. 5. PARKER, J. Algorithms for image processing and computer vision. 2. ed. Wiley, 2010. 504 p.