Descargar ficha - I3A - Universidad de Zaragoza

Descargar ficha - I3A - Universidad de Zaragoza

Ed. Ada Byron
María de Luna, 1 – 3ª planta
E-50018 Zaragoza (Spain)
Phone + 34 976 76 2158
Fax + 34 976 76 2111
[email protected]
www.cv.i3a.unizar.es
Presentación
El grupo de visión por computador (CV Lab) es uno de los grupos de investigación del Instituto de Investigación de
Ingeniería en Aragón (I3A) que está registrado como Grupo Emergente de Investigación por el Gobierno de Aragón.
Además de su trabajo en el campo de la investigación que se describe más adelante, el CV Lab está directamente
involucrado en la enseñanza en el Centro Politécnico Superior (CPS) de la Universidad de Zaragoza y participa activamente en el Programa Doctoral interuniversitario de Ingeniería Biomédica (UZ-UPC). Los miembros del CV Lab
participan también en varias actividades y foros, incluyendo conferencias científicas, cursos y seminarios. Finalmente,
el CV Lab está también muy involucrado en la promoción de colaboraciones y proyectos coordinados con otros grupos de investigación, institutos e industrias a nivel nacional e internacional.
Experiencia
Los miembros del CV Lab realizan investigación metodológica en varias áreas, principalmente enfocadas a la visión
computacional y tratamiento computacional de imágenes medicas con énfasis en visión cuantitativa y sensores de
video estadísticos. Las principales líneas de investigación son: supervisión vía video y control de trafico, análisis de
imágenes médicas basado en modelos y registrado (en particular en el dominio cardiovascular), reconocimiento de
modelos de comportamiento estadísticos y redes neuronales. El CV Lab está muy involucrado en la investigación
aplicada con PYMEs y colaboradores industriales vía contratos a nivel nacional e internacional. Proyectos recientes
incluyen el diseño y construcción de un sensor de video estadístico para el control de trafico, un sistema facial
biométrico y módulos de software para planificación de radioterapia.
Estructura y Personal
El CV Lab está coordinado por el Dr. Carlos Orrite, y se articula en varias líneas de investigación. Actualmente, el
personal incluye cuatro profesores titulares, dos profesores ayudantes, tres investigadores subvencionados por el
programa Ramón y Cajal y dos investigadores de postgrado, además de varios estudiantes de doctorado y desarrolladores científicos. El grupo favorece proyectos de fuerte interacción, que aprovechan la multidisciplinaridad y la
experiencia de sus miembros. El CV Lab ofrece un ambiente excelente e internacional para investigadores licenciados y posdoctorales y actualmente tiene miembros de varios países distintos. Finalmente, el grupo mantiene un
número importante de colaboraciones científicas con varios grupos de España, E.E.U.U., Reino Unido, los Países
Bajos, China etc. que han resultado en varias publicaciones y proyectos científicos conjuntos.
Instalaciones
El CV Lab está situado en el Edificio Ada Byron en el
Campus Río Ebro, donde se encuentran los despachos del personal y laboratorios, junto con algunas
instalaciones de equipos y seminarios. La superficie
total es de aproximadamente 150 m2. El CV Lab dispone también de sistemas de alta capacidad de cálculo y almacenamiento, incluyendo un cluster con 90
procesadores, varias estaciones de trabajo accesibles vía Grid o middleware computacional. La potencia de cálculo total incluye más de 120 Gflop y 3Tb
de almacenamiento de información.
Financiación
El CV Lab se financia por medio de diversos proyectos
de investigación públicas. También se ofrece servicio
de consultoría para compañías nacionales e internacionales en campos como imagen médica y supervisión por video. Los principales patrocinadores son el
Ministerio Española de Ciencia y Tecnología, el Ministerio Española de Educación y Cultura, el Gobierno de
Aragón, el Banco Santander-Central-Hispano y varias
compañías. El presupuesto total anual es aproximadamente de 200.000 €, excluyendo los sueldos de
personal permanente.
Current Research and Selected Projects
Análisis espacio-temporal de análisis cardíaco
En la actualidad, existe un interés cada vez mayor por el desarrollo
de tecnologías de imagen médica con el objeto de obtener la mayor
cantidad posible de información existente en un reconocimiento
cardíaco completo. El CV Lab tiene una amplia experiencia en el
área de análisis de imagen cardiaca, utilizando estrategias basadas
en modelos y registrado. En particular, el grupo ha desarrollado
nuevas estrategias para la construcción de modelos estadísticos 3D
del corazón y de ajuste de tales modelos a datos dispersos de
imágenes 3D de alta resolución. El grupo está también involucrado
en el desarrollo de técnicas novedosas de descomposición de
formas y su uso en “model fitting”. Áreas de aplicación son el cálculo de parámetros funcionales cardíacos, el análisis de deformación
Supervisión y Control de Tráfico
Se innova en métodos para detección y seguimiento de objetos
en movimiento con cámaras de supervisión y el cálculo de parámetros como situación y velocidad de vehículos, numero de
objetos, etc., con objeto de generar alarmas.
y movimiento y el diagnóstico asistido por ordenador.
Biometría basada en imagen
Análisis de imagen vascular
El CV Lab está comprometido con el desarrollo de varios algoritmos útiles para biometría facial. La mayor parte de las técnicas
tienen que ver con modelos estadísticos de formas y apariencias
y las técnicas de extracción de características estadísticas. El
grupo ha desarrollado un número importante de extensiones
originales para la generación automática de puntos de referencia,
modelos estadísticos de ajuste de formas con características
óptimas e invariantes respecto de la imagen y técnicas novedo-
Durante los últimos años, han adquirido una gran popularidad entre
los cirujanos vasculares los procedimientos endovasculares de
mínima invasión. Con objeto de planificar la viabilidad de tales
intervenciones, es esencial conocer la geometría del vaso afectado,
aneurismas o estenosis. Además, el conocimiento del flujo dentro
del vaso tiene importancia para la comprensión de interrupciones
hemodinámicas consecuencia de patologías como aneurismas y
estenosis. Con este propósito, CV Lab colabora intensamente con
investigadores de dinámica de fluidos computacional para generar
modelos geométricos específicos para pacientes a fin de capturar la
morfología compleja de bifurcaciones de vasos. Para ello se han
desarrollado nuevas técnicas para direccionado y evolución superficial utilizando “level-sets”.
Seguimiento de personas en interiors vías sistemas multicámara
Se puede seguir la pista de personas en escenarios complejos
mediante una sistema de video distribuido. Por medio de arquitectura cliente-servidor, cada cliente sigue la pista de su objeto en movimiento en una cámara especifica. La posición de cada objeto en
movimiento se envía al servidor que trata toda la información; luego,
el servidor vuelve a enviar la correspondiente identificación de objeto a las cámaras. El cliente muestra los objetos en movimiento en
una ventana que representa el escenario.
sas de forma y descomposición de apariencias.
Algunas publicaciones recientes
Aizenberg I., Butakoff C. (2004) "Effective Impulse Detectors Based on Rank-Order
Criteria", IEEE Signal Processing Letters, in press.
Aizenberg I., Butakoff C. (2002) "Image Processing Using Cellular Neural Networks Based
on Multi-Valued and Universal Binary Neurons", Journal of VLSI Signal Processing,
32:169-188.
Aizenberg I., Aizenberg N.N. and Vandewalle J. (2000) Multi-valued and universal binary
neurons: theory, learning, applications. Kluwer Academic Publishers, Boston/Dordrecht/London.
Frangi A.F., Laclaustra M., Lamata P. (2003). A registration-based approach to quantify
flow-mediated dilation (FMD) of the brachial artery in ultrasound image sequences.
IEEE Trans on Medical Imaging. 22(11):1458-69.
Frangi A.F., Niessen W.J., Nederkoorn P.J., Bakker J., Mali W., Viergever M.A. (2001).
Quantitative analysis of vascular morphology from 3D MR angiograms: in vitro and in
vivo results. Magnetic Resonance in Medicine. 45(2):311-22.
Frangi A.F., Rueckert D., Schnabel J.A., Niessen W.J. (2002). Automatic construction of
multiple-object three-dimensional statistical shape models: Application to cardiac
modeling. IEEE Trans on Medical Imaging. 21(9):1151-66.
Hernández M., Sapiro G., Frangi A.F. (2003), Three-dimensional segmentation of brain
aneurysms in CTA using non-parametric region-based information and implicit deformable models: Method and evaluation. Lecture Notes in Computer Science 2878.
Herrero E., Orrite C., Buldain D., Roy A. (2002) Human Recognition by Gait Analysis Using
Neural Networks. Lecture Notes in Computer Science 2415, 364-369
Herrero E., Orrite C., Senar J. (2003) Detected motion classification with a doublebackground and a Neighborhood-based difference. Pattern Recognition Letters
24(12):2079-92.
Orrite, C., Herrero, E. (2003) Shape matching of partially occluded curves invariant under
projective transformation, Computer Vision and Image Understanding, in press.
van Ginneken B., Frangi A.F., Staal J.J., ter Haar Romeny B.M., Viergever M.A. (2002).
Active shape model segmentation with optimal features. IEEE Trans on Medical Imaging. 21(8):924-33.
Yang J., Yang J-y, Frangi A.F. (2003). Combined Fisherfaces framework, Image and Vision
Computing, 21(12):1037-44.
Yang J., Zhang D., Frangi A.F., Yang J-y, (2004) A new approach to Face Representation
Using Two-Dimensional PCA, IEEE Trans. Pattern Anal. Mach. Intell., 26(1), in press.