Elaborazione delle immagini
A.A. 2020/2021
Obiettivi formativi
L'insegnamento tratta di problemi e metodi di analisi di immagini singole o video. L'obiettivo è di fornire strumenti concettuali e semplici algoritmi di base che consentano di conoscere i principi della formazione del segnale visivo, la sua codifica, di migliorare la qualità del segnale visivo (immagini o video) e di identificare gli elementi di interesse della scena ritratta.
Risultati apprendimento attesi
Comprensione dei principi alla base della formazione e della codifica delle immagini.
Comprensione e capacità di applicazione di tecniche di base per il miglioramento delle immagini. Comprensione e capacità di applicazione di metodologie per l'analisi delle immagini allo scopo di estrarne descrittori di alto livello e un'interpretazione semantica
Comprensione e capacità di applicazione di tecniche di base per il miglioramento delle immagini. Comprensione e capacità di applicazione di metodologie per l'analisi delle immagini allo scopo di estrarne descrittori di alto livello e un'interpretazione semantica
Periodo: Primo semestre
Modalità di valutazione: Esame
Giudizio di valutazione: voto verbalizzato in trentesimi
Corso singolo
Questo insegnamento non può essere seguito come corso singolo. Puoi trovare gli insegnamenti disponibili consultando il catalogo corsi singoli.
Programma e organizzazione didattica
Edizione unica
Responsabile
Periodo
Primo semestre
Il corso in fase emergenziale verrà erogato a distanza, possibilmente in modalità sincrona usando la piattaforma Zoom. Le lezioni verranno comunque registrate, salvate su Ariel, e resteranno accessibili per l'intero semestre.
Materiali di riferimento:
Il programma e il materiale di riferimento non subiranno variazioni.
Modalità di verifica dell'apprendimento e criteri di valutazione:
La modalità d'esame e i criteri di valutazioni non cambiano rispetto a quanto stabilito nel syllabus (situazione non emergenziale).
Lo svolgimento degli scritti sarà in presenza oppure a distanza (nei casi previsti dall'Ateneo) sulla piattaforma exam.net (modalità illustrate sul portale di Ateneo).
Materiali di riferimento:
Il programma e il materiale di riferimento non subiranno variazioni.
Modalità di verifica dell'apprendimento e criteri di valutazione:
La modalità d'esame e i criteri di valutazioni non cambiano rispetto a quanto stabilito nel syllabus (situazione non emergenziale).
Lo svolgimento degli scritti sarà in presenza oppure a distanza (nei casi previsti dall'Ateneo) sulla piattaforma exam.net (modalità illustrate sul portale di Ateneo).
Programma
- introduzione all'elaborazione delle immagini, nozione di immagine e sua acquisizione
- la luce, il colore e lo spettro elettromagnetico
- formati immagini e compressione JPEG
- miglioramento della qualità delle immagini mediante trasformazioni puntuali
- filtraggio nel dominio spaziale
- clusteting and image binarization
- key point detection e local descriptor
- flusso ottico
- introduzione alla classificazione con reti convolutive
- esempi e simulazioni in Python
- la luce, il colore e lo spettro elettromagnetico
- formati immagini e compressione JPEG
- miglioramento della qualità delle immagini mediante trasformazioni puntuali
- filtraggio nel dominio spaziale
- clusteting and image binarization
- key point detection e local descriptor
- flusso ottico
- introduzione alla classificazione con reti convolutive
- esempi e simulazioni in Python
Prerequisiti
Conoscenze di statistica e algebra lineare
Metodi didattici
Il corso è strutturato in lezioni frontali ed esercitazioni basate su Python.
Materiale di riferimento
La più parte del corso fa riferimento al testo:
Rafael C. Gonzalez & Richard E. Woods, "Digital Image Processing", Pearson
Altro materiale verrà segnalato di volta in volta durante il corso
Rafael C. Gonzalez & Richard E. Woods, "Digital Image Processing", Pearson
Altro materiale verrà segnalato di volta in volta durante il corso
Modalità di verifica dell’apprendimento e criteri di valutazione
L'esame consiste di due parti:
1. una prova scritta con domande aperte su tutti gli argomenti affrontati a lezione (pesa per il 75% del voto finale)
2. una prova pratica di programmazione Python (pesa per il 25% del voto finale)
E' prevista una prova al termine delle lezioni (circa a fine Novembre) con modalità analoghe alle prove d'appello (scritto più prova pratica).
1. una prova scritta con domande aperte su tutti gli argomenti affrontati a lezione (pesa per il 75% del voto finale)
2. una prova pratica di programmazione Python (pesa per il 25% del voto finale)
E' prevista una prova al termine delle lezioni (circa a fine Novembre) con modalità analoghe alle prove d'appello (scritto più prova pratica).
Docente/i