UNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI

Transcripción

1 UNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI NOMBRE DE LA ASIGNATURA: RECONOCIMIENTO DE PATRONES FECHA DE ELABORACIÓN: MARZO 2005 ÁREA DEL PLAN DE ESTUDIOS: AS ( ) AC ( ) APOBL ( ) APOPT ( X ) ASIGNATURA INTEGRADORA ( ) CLAVE: _532873_ ASIGNATURA ANTECEDENTE: NINGUNA _ CLAVE NOMBRE HORAS DE APRENDIZAJE A LA SEMANA CON DOCENTE INDEPENDIENTES TOTAL CRÉDITOS: 5.6 TOTAL DE HORAS CLASE POR ASIGNATURA: 90 OBJETIVO GENERAL El estudiante evaluará las técnicas del estado del arte en el reconocimiento de patrones; para aplicarlos en la solución de problemas tipo en el área de ingeniería mecatrónica. 1. Procesamiento digital de imágenes. 2. Imágenes en dos tonos de grises. 3. Imágenes con múltiples tonos de grises. 4. Clasificación y reconocimiento de objetos. 5. Conteo y clasificación de objetos. 6. Códigos legibles por computadora. 7. Imágenes de ciencia y tecnología. ÍNDICE DE UNIDADES

2 1. Procesamiento digital de imágenes El estudiante analizará las imágenes como objetos digitales; para manejarlas en el campo profesional 1.1 Introducción (cantidades digitales, imágenes digitales, digitalización de imágenes). 1.2 Imágenes y señales (concepto de información, señales). 1.3 Transformaciones (Características de transformaciones, Fourier, de Fourier correspondiente

3 2. Imágenes en dos tonos de grises El estudiante evaluará la utilidad de las imágenes digitales con dos tonos y su relación en la geometría y conectividad de los píxeles. 2.1 Introducción. 2.2 Pixel (variables aleatorias, bases conceptuales, cuantificación, histogramas, conclusiones). 2.3 Vecindades (combinación de píxeles, filtros, filtros lineales, filtros recursivos). 2.4 Medios y aristas (detección de medios, detección de aristas, diseño de filtros). correspondiente

4 3. Imágenes con múltiples tonos de grises El estudiante analizará las imágenes en múltiples tonos de grises en función de su representación por medio de histogramas y las operaciones que se realizan con este tipo de imágenes. 3.1 Orientación local (representación vectorial de orientaciones fiscales, códigos de colores para caracterizar imágenes vectoriales, filtros, métodos de cuadratura, y método tensorial). 3.2 Escalas (estructura de datos, pirámides de Gauss y Laplace). 3.3 Textura (rotación y escala invariante, rotación y escala variante). 3.4 Segmentación (método basado en píxeles, método basado en región, método basado en aristas). correspondiente

5 4. Clasificación y reconocimiento de objetos. El estudiante formulará un mecanismo, para identificar imágenes digitales mediante sus características 4.1 Operadores morfológicos (operaciones de necesidad en imágenes binarias, propiedades generales de operaciones morfológicas). 4.2 Representación de forma (código de cadena, código Run Length, cuadratura). 4.3 Parámetros de forma (parámetros de geometría simple, características baradas en momento descriptores de Tourier). 4.4 Clasificación (características de espacio Ilusters, características de relación, técnicas de clasificación, aplicaciones) correspondiente

6 5. conteo y clasificación de objetos El estudiante ensamblará un método para el conteo de objetos simples. 5.1 Algoritmos para el conteo de objetos. 5.2 Implantación de un sistema para el conteo de objetos simples. correspondiente

7 6. Códigos legibles por computadora El estudiante diseñará un sistema para leer mecánicamente el código UCP de barras, texto impreso, conceptualizando el problema general del reconocimiento óptico de caracteres. 6.1 Introducción a los sistemas automáticos de identificación. 6.2 Sistema de código de barras (código EAN, código UPC). 6.3 Texto impreso (técnicas para reconocimiento óptico de caracteres O.C.R.). 6.4 Aplicaciones. correspondiente

8 7. Imágenes de ciencia y tecnología El estudiante diseñará un sistema para leer la secuencia del ADN. 7.1 ADN (conceptos básicos). 7.2 Definición de imagen ADN (forma características). 7.3 Algoritmo de lectura de ADN. 7.4 Complementación del sistema para leer la secuencia del ADN. correspondiente

9 REFERENCIAS BIBLIOGRÁFICAS BÁSICA: BITTER, Gary. Computación: fundamentos, aplicaciones y programación. Sitesa, México, FU, King Su. Robótica: control, detección, visión e inteligencia. McGraw Hill, México, TOU, Julius T. Pattern recognition principles. Addison Wesley, Reading Mass. USA, COMPLEMENTARIA: BITTER, Gary, Computación: Fundamentos, Aplicaciones y Programación. Edit. Sitesa, México, FU, King Su, Robótica: control, detección, visión e inteligencia. Edit. McGraw Hill, México, TOU, Julius T., Pattern Recognition Principles, Edit. Addison Wesley, Reading Mass. U.S.A., 1974.COLLINGS, Neil, Optical Pattern Recognition. PARKER, J.R., Practical Computer Vision Using C, Edit. Wiley, U.S.A., 1994.

10 UNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI ASIGNATURA: RECONOCIMIENTO DE PATRONES CLAVE: PERFIL DOCENTE NIVEL DE ESCOLARIDAD PROFESIÓN EXPERIENCIA PROFESIONAL ÁREA ACTIVIDADES AÑOS NIVEL EDUCATIVO EXPERIENCIA DOCENTE ASIGNATURAS AÑOS Y/O SEMESTRES Maestría en Ingeniería Electrónica Maestría en Procesamiento de imágenes digitales Desarrollo de sistemas electrónicos para la captura y procesamiento de imágenes Procesamiento de Imágenes digitales Reconocimiento de patrones Procesamiento digital de imágenes Inteligencia artificial Docencia Desarrollo de proyectos 2 Licenciatura Procesamiento digital de imágenes Reconocimiento de patrones 2 OTROS CONOCIMIENTOS DESEABLES: Contar con al menos 6 cursos de una maestría y/o Doctorado en el área de la asignatura. Redes neuronales, lógica difusa, inteligencia artificial.