Course Syllabus
Obiettivi
Il corso ha l'obiettivo di fornire agli studenti le competenze teoriche e pratiche per l’elaborazione, la segmentazione, l’analisi e la classificazione di immagini e video digitali.
Conoscenza e capacità di comprensione
Conoscenza dei concetti fondamentali dell'elaborazione delle immagini
Conoscenza delle tecniche base e avanzate per il miglioramento, processamento e interpretazione del contenuto delle immagini
Conoscenza e capacità di comprensione applicate
Capacità di applicare le conoscenze acquisite per sviluppare algoritmi di analisi delle immagini
Capacità di utilizzare correttamente le tecniche e gli strumenti presentati
Autonomia di giudizio
Capacità di scegliere e applicare le tecniche più appropriate a seconda del problema da affrontare
Abilità comunicative
Saper presentare, documentare e giustificare chiaramente le scelte effettuate nell'ambito di attività progettuali
Capacità di apprendere
Capacità di approfondire in modo indipendente aspetti avanzati dellìelaborazione delle immagini
Capacità di estendere e applicare le competenze acquisite a diversi problemi reali
Contenuti sintetici
Lo studente acquisirà competenze specifiche che lo porranno in grado di comprendere la catena di elaborazione, analisi e classficazione di immagini e video. Lo studente acquisirà inoltre le competenze necessarie per progettare, sviluppare ed integrare specifici moduli in sistemi applicativi complessi.
Programma esteso
1 Cenni sulla percezione visiva, la visione umana e artificiale, il colore. Acquisizione e digitalizzazione di immagini.
2 Miglioramento delle immagini con operatori puntuali.
3 Filtraggio spaziale lineare e non-lineare
4 Spazi colore. Elaborazione di immagini a colori.
5 Segmentazione di immagini per regioni e per contorni.
6 Analisi tessiturale; morfologia matematica.
7 Descrizione e rappresentazione di immagini (regioni, contorni, approssimazione poligonale)
8 Riconoscimento, classificazione supervisionata e non supervisionata.
9 Introduzione alle reti neurali convoluzionali profonde
Prerequisiti
nessuno
Modalità didattica
Lezioni frontali (48) in presenza con modalita' erogativa ed interattiva.
Esercitazioni/ lab (MATLAB) con discussione di studi di caso, in presenza con modalita' interattiva ed erogativa
Materiale didattico
Digital Image Processing, 3rd Edition, Gonzalez & Woods I S B N n u m b e r : 9 7 8 0 1 3 1 6 8 7 2 8 8 , 2 0 0 8 , http://www.imageprocessingplace.com/index.htm
slide fornite in format PDF dal docente
Periodo di erogazione dell'insegnamento
primo semestre
Modalità di verifica del profitto e valutazione
L’esame è composto di due parti,
Esame Scritto che a sua volta è composto di domande a risposta chiusa, e domande a risposta aperte inerenti gli argomenti trattati nel corso.
Prova pratica concernente la Realizzazione e discussione di un progetto l’elaborazione ed analisi di immagini. Gruppo di al massimo 3 persone con valutazione individuale.
Il voto finale è la media dei voti dello scritto e del progetto.
Saranno anche erogati alcuni esercizi di laboratorio facoltativi la cui consegna dà dei punti aggiuntivi nel voto finale.
Orario di ricevimento
dopo le lezioni e su appuntamento
Sustainable Development Goals
Aims
The course aims to give students the theoretical and practical skills for the design and development of algorithms and systems for the processing, segmentation, analysis and classification of digital images and videos.
Knowledge and understanding
Knowledge of the fundamental concepts of image processing.
Knowledge of basic and advanced techniques for improving, processing, and interpreting image content.
Applied knowledge and understanding
Ability to apply acquired knowledge to develop image analysis algorithms
Ability to correctly use the techniques and tools presented
Judgment and decision-making
Ability to choose and apply the most appropriate techniques depending on the problem to be addressed
Communication skills
Ability to clearly present, document, and justify choices made in project activities
Learning skills
Ability to independently explore advanced aspects of image processing
Ability to extend and apply acquired skills to different real-world problems
Contents
The student will acquire specific skills that will put him in a position to understand the chain of processing, analysis and classification of images and videos. The student will also acquire the skills needed to design, develop and integrate specific modules in complex application systems .
Detailed program
1 A background on visual perception, human vision vs. artificial vision, color perception. Image sampling and quantization.
2 Image enhancement using intensity transformation functions.
3 Spatial image filtering using liner and non-liner filters "
4 Color spaces. Color image processing.
5 Region-based and edge-based image segmentation
6 Mathematical morphology. Texture analysis
7 Image description and representation (regions, contours, polygonal approximation)
8 Image recognition; supervised and unsupervised image classification.
- Introduction to deep convolutional neural networks
Prerequisites
none
Teaching form
Lectures (48) in presence with delivery and interactive mode. Exercises/lab (MATLAB) (20) with discussion of case studies, in-presence with interactive and delivery mode
Textbook and teaching resource
Digital Image Processing, 3rd Edition, Gonzalez & Woods I S B N n u m b e r : 9 7 8 0 1 3 1 6 8 7 2 8 8 , 2 0 0 8 , http://www.imageprocessingplace.com/index.htm
PDF of the slides provided by the professors.
Semester
first semester
Assessment method
The exam is composed of two parts,
The Written exam is composed of closed-ended questions, and open-ended questions related to the topics covered in the course.
The practical part concerns the Implementation and discussion of a project concerning the processing and analysis of images. Group of at most 3 persons with individual evaluation.
The final grade is the average of the written and project scores.
Some, non mandatory, assignments will be provided. Submitting them will provide extra points on the final evaluation.
Office hours
after each lessons, and by request
Sustainable Development Goals
Staff
-
Gianluigi Ciocca
-
Raimondo Schettini
