Campus Virtual

Introducción a la visión por computador. Propiedades de las lentes ópticas, distorsiones en las imágenes, tipos de proyecciones, parámetros físicos intrínsecos y extrínsecos de las cámaras, calibración utilizando patrones de referencia, métodos de corrección de la distorsión radial, mosaicos de imágenes, reconstrucción 3D.
Técnicas avanzadas de filtrado de imágenes y modelos de ruido en imágenes, filtrado adaptativo, filtrado anisotrópico utilizando filtro bilateral, filtro direccional, filtro de difusión anisotrópica lineal y no lineal, suavizado mediante la minimización del gradiente, reducción de ruido utilizando la variación total, desoclusión (inpainting) de imágenes.
Segmentación de imágenes utilizando: umbralado basado en entropía unidimensional y bidimensional, multinivel y adaptativa, detección de bordes y puntos de interés. Métodos avanzados de segmentación basados en: texturas, morfología matemática, crecimiento de regiones, separación y mezcla de regiones, modelos deformables, aglomeraciones, patrones binarios locales, superpíxeles, algoritmos evolutivos, redes neuronales atificiales, algoritmos estadísticos, algoritmos basados en grafos, desplazamiento de la media, métodos de multi-resolución.
Procesamiento de imágenes digitales basado en la morfología matemática, incluyendo: teorнa de conjuntos binarios, operaciones morfológicas con imágenes binarias, filtrado morfológico binario, filtros de secuencia alternante, granulometría morfológica, operaciones morfológicas con imágenes en escala de grises, suavizado morfológico, transformaciones estructurales con operaciones morfológicas, transformada watershed.

El curso de Cultura Informacional ofrece

OBJETIVO GENERAL

• Desarrollar las habilidades informacionales en el acceso y recuperación de la información relacionada con los temas de la especialidad, así como en su organización, procesamiento y comunicación  mediante el empleo de las Tecnologías de la Información y las Comunicaciones.

 OBJETIVOS ESPECIFICOS

 ·        Identificar las necesidades de información ante una problemática determinada de la especialidad.

·        Identificar las fuentes de información potenciales para la especialidad.

·        Buscar y recuperar información de manera eficaz y eficiente dentro de las fuentes de información accesibles.

·        Aplicar correctamente la norma bibliográfica aprobada para su especialidad, apoyándose en el uso de gestores bibliográficos.

·        Respetar los principios éticos y legales vigentes sobre el uso y manejo de la información científica.

·        Comunicar los resultados de su trabajo a través de presentaciones orales o plataformas en línea.

IDENTIFICACION DE SISTEMAS

Cualquier acción a desarrollar en un sistema o proceso, requiere un conocimiento de sus principios de operación, representado en  algún tipo de modelo. Objetivo de este curso es familiarizar con los métodos más avanzados para la modelación, identificación y simulación de  sistemas, con énfasis en procesos industriales, considerados como objetos de automatización e informatización en las empresas.

En la ingeniería de control, el campo de identificación de sistemas usa métodos estadísticos para crear modelos matemáticos de sistemas dinámicos a partir de valores medidos. La identificación de sistemas también abarca el diseño óptimo de los experimentos para generar eficientemente información útil para aproximar dichos modelos.

Desarrollar conocimientos y habilidades mínimas en los estudiantes relacionados con la simulación en computadoras. Adquirir habilidades en el uso de los principales paquetes profesionales de simulación.

Familiarizar al estudiante con los métodos más avanzados para el modelado y la identificación de sistemas dinámicos como objetos de control.

Desarrollar habilidades en los estudiantes relacionadas con en el uso de paquetes profesionales de identificación de sistemas dinámicos.

Sistema de conocimientos y habilidades:

Elementos de estadística y procesos estocásticos. Métodos de identificación experimental. Identificación paramétrica y validación del modelo. Modelos ARX, ARMAX, OE y BJ. Autocorrelación y Olvido exponencial. Algoritmos recursivos de identificación. Aplicaciones usando MATLAB.