Teaching Guides Query



Academic Year of Degree: 2021/22

615 - Máster Universitario en Robótica, Gráficos y Visión por Computador / Master in Robotics, Graphics and Computer Vision

69155 - Computational Imaging


Teaching Plan Information

Academic Year:
2021/22
Subject:
69155 - Computational Imaging
Faculty / School:
110 - Escuela de Ingeniería y Arquitectura
Degree:
615 - Máster Universitario en Robótica, Gráficos y Visión por Computador / Master in Robotics, Graphics and Computer Vision
ECTS:
6.0
Year:
1
Semester:
Second semester
Subject Type:
Compulsory
Module:
---

1. General information

1.1. Aims of the course

The course and its expected results respond to the following approaches and objectives:

With a strong applied character, upon successful completion of the module, each student should have achieved the following objectives:

  • Multidisciplinary understanding of the scientific basis of the world of computer imaging and its industrial and scientific applications. Knowledge of its evolution, state-of-the-art and open problems.
  • He/She will know how to transmit the knowledge acquired to an audience of any kind adapting himself to the peculiarities of that audience.
  • He/She will be able to work both in an autonomous manner and in team, taking responsibilities.
  • He/She will be able to carry out the projection, calculation and design of solutions to specific problems.
  • He/She will be able to plan and work out R+D+I projects.
  • He/She will know how to design hardware and software solutions.
  • He/She will have knowledge of tools and methodologies.

These approaches and objectives are aligned with some of the Sustainable Development Goals, SDG, of the 2030 Agenda (https://www.un.org/sustainabledevelopment/es/) and certain specific goals, in such a way that the acquisition of the Learning outcomes of the subject provides training and competence to the student to contribute to a certain extent to their achievement:

  • Goal 8: Promote sustained, inclusive and sustainable economic growth, full and productive employment and decent work for all
    • Target 8.2 Achieve higher levels of economic productivity through diversification, technological modernization and innovation, including by focusing on high value-added and labor-intensive sectors
    • Target 8.3 Promote development-oriented policies that support productive activities, the creation of decent jobs, entrepreneurship, creativity and innovation, and encourage the formalization and growth of micro, small and medium-sized enterprises, including through access to financial services.
    • Target 8.6 By 2030, significantly reduce the proportion of young people who are not employed and do not study or receive training
  • Objective 9: Industry, innovation and infrastructure
    • Target 9.5 Increase scientific research and improve the technological capacity of industrial sectors in all countries, particularly developing countries, including by fostering innovation and significantly increasing, by 2030, the number of people working in research and development per million inhabitants and the spending of the public and private sectors in research and development

1.2. Context and importance of this course in the degree

The rationale for this course is to know the state-of-the-art in the field of computer Imaging, its industrial and scientific and technological applications as well as the open problems that exists nowadays.

1.3. Recommendations to take this course

There is no special requirement or recommendation to take this course.

2. Learning goals

2.1. Competences

BASIC AND GENERAL COMPETENCES:

  • CB6 – To possess and understand knowledge that provides a basis or opportunity to be original in the development and/or application of ideas, often in a research context.
  • CB7 – Students are able to apply the knowledge acquired and their problem solving skills in new or unfamiliar environments with broader (or multidisciplinary) contexts related to their area of study.
  • CB8 – Students are able to integrate knowledge and deal with the complexity of making judgements based on pieces of information which, while being incomplete or limited, includes reflections on social and ethical responsibilities linked to the application of their knowledge and judgement.
  • CB9 – Students are able to communicate their conclusions and the underlying knowledge and ultimate reasons to specialist and non-specialist audiences in a clear and straightforward manner.
  • CB10 – Students possess the learning skills to enable them to continue studying in a way which will be largely self-directed and autonomous.
  • CG01 – Students will have acquired advanced knowledge and demonstrated, in a scientific and technological research or highly specialised context, a detailed and solid understanding of the theoretical and practical aspects and working methodology in the fields of Robotics, Graphics and/or Computer Vision, allowing them to be innovative in a context of research, development and innovation.
  • CG02 -  Ability to apply and integrate their knowledge and its understanding, their scientific basis and problem solving skills in new and undefined contexts, including highly specialised multidisciplinary research and professional contexts. 
  • CG03 – Ability to evaluate and select the appropriate scientific theory and precise methodology of their fields of study in order to make judges base don incomplete or limited information, including, when needed and relevant, a reflection on the social and ethical responsibility linked to the solution proposed in each case.
  • CG04 – Ability to predict and control the evolution of complex situations by developing new, innovative working methodologies adapted to the specific, generally multidisciplinary, scientific/research, technological or professional scope in which the activity is being carried out.
  • CG05 – Ability to transmit in English, orally and in writing, in a clear and straightforward manner, to both specialised and non-specialised audiences, results from scientific and technological research or from the most advanced innovation spheres, as well as the most relevant foundations in which they are based.
  • CG06 - To have developed sufficient autonomy to take part in research projects and research or technological collaborations within his topic, in interdisciplinary contexts and, where appropriate, with a significant share of knowledge transfer.
  • CG07 – Ability to take responsibility for one’s own professional development and specialisation in one or more fields of study.
  • CG08 – To possess the aptitudes, skills and method necessary to carry out a multidisciplinary research and/or development work in the fields of Robotics, Graphics and/or Computer Vision.
  • CG09 – Ability to use Engineering techniques, skills and tools necessary for problema solving in the fields of Robotics, Graphics and/or Computer Vision.
  • CG10 – Ability to understand, relate to the estate-of-the-art and critically evaluate scientific Publications in the fields of Robotics, Graphics and/or Computer Vision..
  • CG11 – Ability to manage and use bibliography, documents, databases, software and hardware specific to the fields of Robotics, Graphics and/or Computer Vision.
  • CG12 – Ability to work in a multidisciplinary group and in a multilingual environment.

 

SPECIFIC COMPETENCES:

 

  • CE01 – Ability to apply mathematical and artificial intelligence methods to model, design and develop Robotics, Graphics and/or Computer Vision systems and applications.
  • CE02 – Ability to design and develop new methods and algorithms applicable to autonomous or virtual and augmented reality Systems..
  • CE03 – Ability to understand light transport phenomena and apply them to the development of new computer imaging techniques.
  • CE05 – Ability to devise, design and develop software, products and systems in the sphere of computer graphics.
  • CE07 – Ability to develop and evaluate software for problems for Robotics, Graphics and/or Computer Vision, which may use general and/or specific purpose architectures
  • CE09 – Ability to develop in an autonomous manner an initiation to research and/or development assignment in the field of robotics, Graphics or computer vision, in which the competences acquired in the degree are synthesized and integrated.
  • CE13 – Ability to apply high performance computing systems or numerical or computational methods to Robotics, Graphics and/or Computer Vision problems.
  • CE14 – Ability to apply mathematical methods, optics and high performance computing to model, design and develop computer imaging systems and applications.

2.2. Learning goals

The student must be able to:

  1. Know the hardware elements involved in computer imaging systems.
  2. Understand the main algorithms and techniques used in computer imaging..
  3. Know the main applications of computer imaging.
  4. Design and develop computer imaging systems for different applications.
  5. Propose and evaluate the performance of new computer imaging techniques that address unsolved problems.

2.3. Importance of learning goals

Computer imaging is a field of great technological strength and a strong growth in its industrial applications of many different kinds. This course covers a very wide breadth of this topic, including:

  1. the state-of-the-art  in the field;
  2. existing tools;
  3. industrial and scientific applications;
  4. open problems and relating possible future.

3. Assessment (1st and 2nd call)

3.1. Assessment tasks (description of tasks, marking system and assessment criteria)

Evaluation system                             Minimum weight          Maximum weight

E01 – Written/laboratory test                     10%                             40%

            (learning outcomes 1, 2, 3)

E02 - Trabajos dirigidos                             40%                             80%

(learning outcomes 1, 2, 4, 5)

E03 – Oral presentations and discussions      5%                             20%

            (learning outcomes 1, 2, 3, 4, 5)

 

Students who do not opt for the evaluation procedure described above, does not pass such tests during the teaching period or wants to improve the mark/grade obtained, will be entitled to take a comprehensive test.

4. Methodology, learning tasks, syllabus and resources

4.1. Methodological overview

The learning process designed for this course is based on the following:

  • Learning of concepts and techniques through master classes in which student participation will be encouraged.
  • Personal study of the course by the student, and participation in the resolution of the exercises proposed in class.
  • Accomplishment of practical assignments which develop the theoretical knowledge.

 

It should be noted that the course has both a theoretical and practical orientation

 

Teaching and learning activities are based on:

  1. Master class. Exposition of contents by means of presentation or explanation by a lecturer (possibly including demonstrations).
  2. Practical classes. Practical activities carried out with computers.
  3. Tutoring. A period of instruction conducted by a tutor with the aim of reviewing and discussing the materials and topics presented in class.
  4. Evaluation. Set of written, oral and practical tests, projects, assignments, etc. used in the evaluation of student progress.
  5. Tutorized assignments. Projects which are larger than the practical classes, which will have to be orally presented.
  6. Theoretical study. Self-study of the contents presented, including any study activity which has not be computed in the previous section (studying exams, library work, complementary reading, doing problems and exercises, etc.)

4.2. Learning tasks

Student work

The course consists of 6 ECTS credits that correspond to 150 estimated hours of student work, distributed as follows:

Learning activity                                                           Nº Hours

A01 – Master class                                                               30

A02 – Problem solving and cases                                            6

A03 – Laboratory sessions                                                    12

A04 – Special practical sessions                                              0

A05 – Practical application or research works                         30

A06 – Personalised teacher-student tutoring                            7

A07 - Study                                                                        60

A08 – Evaluation tests                                                           5

4.3. Syllabus

The course syllabus will include at least the following topics and its contents:

  1. Introduction. Human and animal visual systems
  2. Digital photography (camera pipeline, camera optics, ...)
  3. Mathematical foundations (Fourier, compressed sensing, geometric optics matrix, ...)
  4. Plenoptic imaging. Computational photography
  5. High dynamic range imaging
  6. Hyperspectral capture and polarization
  7. 3D capture (focal stack/ light fields / panoramas)
  8. Computational illumination and light transport capture
  9. Transient imaging, non-line-of-sight imaging, multi-path interference
  10. Computational displays

4.4. Course planning and calendar

Teaching organization is planned as:

  • Master classes and problem solving and cases
  • Practical sessions and  assignments Prácticas y trabajos

Timetable of all lectures and dates of practical sessions will be announced well in advance on the center and course websites.

The calendar of lectures, practical sessions and presentations, as well as deadlines for practical papers and assignents will be announced well in advance.

4.5. Bibliography and recommended resources

  1. Introduction to Fourier Optics, Joseph W. Goodman
  2. Foundations of 3D Computer Graphics, by Steven Gortler.
  3. Computer Vision: Algorithms and Applications, by Richard Szeliski. http://szeliski.org/Book/
  4. Photography, by Barbara London and John Upton.
  5. The computational approach to biological vision. Frisby, John and Stone, James. Seeing: 2nd Edition. MIT Press. 2010.


Curso Académico: 2021/22

615 - Máster Universitario en Robótica, Gráficos y Visión por Computador / Master in Robotics, Graphics and Computer Vision

69155 - Computational Imaging


Información del Plan Docente

Año académico:
2021/22
Asignatura:
69155 - Computational Imaging
Centro académico:
110 - Escuela de Ingeniería y Arquitectura
Titulación:
615 - Máster Universitario en Robótica, Gráficos y Visión por Computador / Master in Robotics, Graphics and Computer Vision
Créditos:
6.0
Curso:
1
Periodo de impartición:
Segundo semestre
Clase de asignatura:
Obligatoria
Materia:
---

1. Información Básica

1.1. Objetivos de la asignatura

La asignatura y sus resultados previstos responden a los siguientes planteamientos y objetivos:

Con un fuerte carácter aplicado, tras finalizar con éxito de la asignatura, cada estudiante deberá haber conseguido los siguientes objetivos:

  • Comprensión multidisciplinar de la fundamentación científica del mundo de la imagen computacional y sus aplicaciones industriales y científicas. Conocerá su evolución, el estado del arte y los problemas abiertos.
  • Sabrá trasmitir a un público de cualquier tipo los conocimientos adquiridos adaptándose a las peculiaridades de dicho público.
  • Será capaz de trabajar de manera autónoma y en equipo, asumiendo responsabilidades.
  • Podrá llevar a cabo la proyección, cálculo y diseño de soluciones a problemas concretos.
  • Será capaz de planificar y elaborar proyectos de I+D+i.
  • Sabrá diseñar soluciones hardware y software.
  • Contará con conocimiento de herramientas y metodologías.

Estos planteamientos y objetivos están alineados con algunos de los Objetivos de Desarrollo Sostenible, ODS, de la Agenda 2030 (https://www.un.org/sustainabledevelopment/es/) y determinadas metas concretas, de tal manera que la adquisición de los resultados de aprendizaje de la asignatura proporciona capacitación y competencia al estudiante para contribuir en cierta medida a su logro:

  • Objetivo 8: Promover el crecimiento económico sostenido, inclusivo y sostenible, el empleo pleno y productivo y el trabajo decente para todos
    • Meta 8.2 Lograr niveles más elevados de productividad económica mediante la diversificación, la modernización tecnológica y la innovación, entre otras cosas centrándose en los sectores con gran valor añadido y un uso intensivo de la mano de obra
    • Meta 8.3 Promover políticas orientadas al desarrollo que apoyen las actividades productivas, la creación de puestos de trabajo decentes, el emprendimiento, la creatividad y la innovación, y fomentar la formalización y el crecimiento de las microempresas y las pequeñas y medianas empresas, incluso mediante el acceso a servicios financieros.
    • Meta 8.6 De aquí a 2030, reducir considerablemente la proporción de jóvenes que no están empleados y no cursan estudios ni reciben capacitación
  • Objetivo 9: Industria, innovación e infraestructuras
    • Meta 9.5 Aumentar la investigación científica y mejorar la capacidad tecnológica de los sectores industriales de todos los países, en particular los países en desarrollo, entre otras cosas fomentando la innovación y aumentando considerablemente, de aquí a 2030, el número de personas que trabajan en investigación y desarrollo por millón de habitantes y los gastos de los sectores público y privado en investigación y desarrollo

1.2. Contexto y sentido de la asignatura en la titulación

La razón de ser de esta asignatura es  conocer el estado del arte del campo de la imagen computacional, sus aplicaciones industriales y científico-tecnológicas, así como los problemas abiertos que existen en la actualidad.

1.3. Recomendaciones para cursar la asignatura

No existe ningún requisito ni recomendación especial para cursar la asignatura.

2. Competencias y resultados de aprendizaje

2.1. Competencias

BASICAS Y GENERALES:

  • CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación.
  • CB7 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.
  • CB8 - Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios.
  • CB9 - Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades
  • CB10 - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.
  • CG01 - Haber adquirido conocimientos avanzados y demostrado, en un contexto de investigación científica y tecnológica o altamente especializado, una comprensión detallada y fundamentada de los aspectos teóricos y prácticos y de la metodología de trabajo en los ámbitos de la Robótica, Gráficos y/o Visión por Computador, que les permitan ser innovadores en un contexto de investigación, desarrollo e innovación.
  • CG02 -  Capacidad para aplicar e integrar sus conocimientos, la comprensión de estos, su fundamentación científica y sus capacidades de resolución de problemas en entornos nuevos y definidos de forma imprecisa, incluyendo contextos de carácter multidisciplinar tanto investigadores como profesionales altamente especializados
  • CG03 - Capacidad para evaluar y seleccionar la teoría científica adecuada y la metodología precisa de sus campos de estudio para formular juicios a partir de información incompleta o limitada incluyendo, cuando sea preciso y pertinente, una reflexión sobre la responsabilidad social o ética ligada a la solución que se proponga en cada caso
  • CG04 - Capacidad para predecir y controlar la evolución de situaciones complejas mediante el desarrollo de nuevas e innovadoras metodologías de trabajo adaptadas al ámbito científico/investigador, tecnológico o profesional concreto, en general multidisciplinar, en el que se desarrolle su actividad
  • CG05 - Capacidad para transmitir en inglés, de manera oral y escrita,  de un modo claro y sin ambigüedades a un público especializado o no, resultados procedentes de la investigación científica y tecnológica o del ámbito de la innovación más avanzada, así como los fundamentos más relevantes sobre los que se sustentan.
  • CG06 -  Haber desarrollado la autonomía suficiente para participar en proyectos de investigación y colaboraciones científicas o tecnológicas dentro su ámbito temático, en contextos interdisciplinares y, en su caso, con una alta componente de transferencia del conocimiento.
  • CG07 - Capacidad para asumir la responsabilidad de su propio desarrollo profesional y de su especialización en uno o más campos de estudio.
  • CG08 - Poseer las aptitudes, destrezas y método necesarios para la realización de un trabajo de investigación y/o desarrollo de tipo multidisciplinar en los ámbitos de la Robótica, Gráficos y/o Visión por Computador.
  • CG09 - Capacidad para usar las técnicas, habilidades y herramientas de la Ingeniería necesarias para la resolución de problemas de los ámbitos de la Robótica, Gráficos y/o Visión por Computador.
  • CG10 - Capacidad para comprender, relacionar con el estado del arte y evaluar críticamente publicaciones científicas en los ámbitos de la Robótica, Gráficos y/o Visión por Computador.
  • CG11 - Capacidad para gestionar y utilizar bibliografía, documentación, bases de datos, software y hardware específicos de los ámbitos de la Robótica, Gráficos y/o Visión por Computador.
  • CG12 - Capacidad para trabajar en un grupo multidisciplinar y en un entorno multilingüe

ESPECÍFICAS:

  • CE01 - Capacidad para aplicar métodos matemáticos y de inteligencia artificial para modelar, diseñar y desarrollar sistemas y aplicaciones de Robótica, Gráficos y Visión por Computador.
  • CE02 - Capacidad para diseñar y desarrollar nuevos métodos y algoritmos aplicables a sistemas autónomos o de realidad virtual y aumentada.
  • CE03 - Capacidad para comprender los fenómenos de transporte de luz y aplicarlos al desarrollo de nuevas técnicas de imagen computacional.
  • CE05 - Capacidad para concebir, diseñar y desarrollar software, productos y sistemas en el ámbito de los gráficos por computador.
  • CE07 - Capacidad para desarrollar y evaluar software para problemas de Robótica, Gráficos y Visión por Computador, que pueda utilizar arquitecturas de propósito general y/o específico.
  • CE09 - Capacidad para desarrollar de forma autónoma un trabajo de iniciación a la investigación y/o desarrollo en el ámbito de la robótica, gráficos, o visión por computador, en el que se sinteticen e integren las competencias adquiridas en la titulación.
  • CE13 - Capacidad para aplicar sistemas de computación de altas prestaciones o métodos numéricos o computacionales a problemas de  Robótica, Gráficos y Visión por Computador.
  • CE14 - Capacidad para aplicar métodos matemáticos, óptica y computación de altas prestaciones para modelar, diseñar y desarrollar sistemas y aplicaciones de imagen computacional.

2.2. Resultados de aprendizaje

El alumno deberá ser capaz de:

  1. Conocer los elementos hardware que intervienen en sistemas de imagen computacional.
  2. Comprender los principales algoritmos y técnicas utilizados en imagen computacional.
  3. Conocer las principales aplicaciones de imagen computacional.
  4. Diseñar y desarrollar sistemas de imagen computacional para diferentes aplicaciones.
  5. Proponer y evaluar las prestaciones de nuevas técnicas de imagen computacional que aborden problemas no resueltos.

2.3. Importancia de los resultados de aprendizaje

La imagen computacional constituye un campo de gran pujanza tecnológica y con un fuerte crecimiento en sus aplicaciones industriales de muy diversa índole. En esta asignatura se consigue completar un amplio recorrido en esta temática que comprende:

  1. el estado del arte del campo;
  2. las herramientas existentes;
  3. las aplicaciones industriales y científicas;
  4. los problemas abiertos y posibles líneas de futuro relacionadas.

3. Evaluación

3.1. Tipo de pruebas y su valor sobre la nota final y criterios de evaluación para cada prueba

Sistema de evaluación                        Ponderación mínima    Ponderación máxima

E01 - Prueba escrita/de laboratorio                  10%                             40%

         (resultados de aprendizaje 1, 2, 3)

E02 - Trabajos dirigidos                                  40%                             80%

         (resultados de aprendizaje 1, 2, 4, 5)

E03 - Presentaciones y debates orales                5%                             20%

         (resultados de aprendizaje 1, 2, 3, 4, 5)

 

El estudiante que no opte por el procedimiento de evaluación descrito anteriormente, no supere dichas pruebas durante el periodo docente, o que quisiera mejorar su calificación, tendrá derecho a realizar una prueba global.

4. Metodología, actividades de aprendizaje, programa y recursos

4.1. Presentación metodológica general

El proceso de aprendizaje que se ha diseñado para esta asignatura se basa en lo siguiente:

  • Aprendizaje de conceptos y técnicas a través de las clases magistrales, en las que se favorecerá la participación de los alumnos.
  • Estudio personal de la asignatura por parte de los alumnos, y la participación en clase en la resolución de los ejercicios planteados.
  • Desarrollo de trabajos prácticos por parte de los alumnos, que desarrollan los conocimientos teóricos.

 Las actividades de enseñanza y aprendizaje se basan en:

  1. Clase magistral. Exposición de contenidos mediante presentación o explicación por parte de un profesor (posiblemente incluyendo demostraciones).
  2. Prácticas. Actividades practices desarrolladas mediante equipos informáticos.
  3. Tutoría. Período de instrucción realizado por un tutor con el objetivo de revisar y discutir los materiales y temas presentados en las clases.
  4. Evaluación. Conjunto de pruebas escritas, orales, prácticas, proyectos, trabajos, etc. utilizados en la evaluación del progreso del estudiante.
  5. Trabajos dirigidos. Desarrollo de proyectos de más envergadura que las prácticas que serán presentados.
  6. Estudio teórico. Estudio de los contenidos presentados; incluye cualquier actividad de estudio que no se haya computado en el apartado anterior (estudiar exámenes, trabajo en biblioteca, lecturas complementarias, hacer problemas y ejercicios, etc.)

4.2. Actividades de aprendizaje

Trabajo del estudiante

La asignatura consta de 6 créditos ECTS que corresponden con 150 horas estimadas de trabajo del alumno distribuidas del siguiente modo:

Actividad formativa                                                       Nº Horas

A01 - Clase magistral                                                            30

A02 - Resolución de problemas y casos                                    6

A03 - Prácticas de laboratorio                                                12

A04 - Prácticas especiales                                                       0

A05 - Trabajos de aplicación o investigación prácticos             30

A06 - Tutela personalizada profesor-alumno                             7

A07 - Estudio                                                                       60

A08 - Pruebas de evaluación                                                   5

4.3. Programa

El programa de la asignatura comprenderá al menos los siguientes bloques y contenidos de los mismos:

  1. Introducción. Sistemas visuales humano y animales
  2. Fotografía digital (pipeline de cámara, óptica y lentes de la cámara, ...)
  3. Fundamentos matemáticos (Fourier, detección comprimida, matriz óptica geométrica, ...)
  4. Captura plenóptica. Fotografía computacional
  5. Alto rango dinámico
  6. Captura hiperespectral y polarización
  7. Captura 3D (pila focal / campos de luz / panoramas)
  8. Iluminación computacional y captura de transporte de luz
  9. Imágenes transitorias, imágenes sin línea de visión, interferencia de múltiples rutas
  10. Pantallas computacionales

4.4. Planificación de las actividades de aprendizaje y calendario de fechas clave

La organización docente prevista es la siguiente:

  • Clases magistrales y resolución de problemas y casos
  • Prácticas y trabajos

Los horarios de todas las clases y fechas de las sesiones de prácticas se anunciarán con suficiente antelación a través de las webs del centro y de la asignatura.

 

El calendario de clases, prácticas y presentaciones, así como las fechas de entrega de prácticas y trabajos, se anunciará con suficiente antelación.

4.5. Bibliografía y recursos recomendados

  1. Introduction to Fourier Optics, Joseph W. Goodman
  2. Foundations of 3D Computer Graphics, by Steven Gortler.
  3. Computer Vision: Algorithms and Applications, by Richard Szeliski. http://szeliski.org/Book/
  4. Photography, by Barbara London and John Upton.
  5. The computational approach to biological vision. Frisby, John and Stone, James. Seeing: 2nd Edition. MIT Press. 2010.