ADVANCED DIGITAL IMAGE PROCESSING

AF monodisc.

Scheda dell'insegnamento

Anno accademico

2016/2017

Anno accademico di espletamento

2016/2017

Tipologia di insegnamento

Caratterizzante

Afferenza

Corso di Corso di Laurea Magistrale in ELECTRONICS AND COMMUNICATIONS ENGINEERING - INGEGNERIA ELETTRONICA E DELLE TELECOMUNICAZIONI

Dipartimento Ingegneria dell’informazione e scienze matematiche

Settore disciplinare

TELECOMUNICAZIONI (ING-INF/03)

Lingua

Inglese

Crediti

Anno di corso

Docenti

MECOCCI ALESSANDRO

Ciclo

Primo Semestre

Ore di attivita' frontale

Ore di studio individuale

135

Prerequisiti

Pur non essendo indispensabili sono auspicabili: conoscenze matematiche di base (specie in algebra lineare ed in elaborazione dei segnali), propensione al ragionamento ed alla creatività nonché buone capacità analitiche

Obiettivi formativi

Alla fine di questo corso lo studente avrà appreso i concetti e le tecniche fondamentali per la messa a punto di sistemi di elaborazione di immagini e di visione. Sarà in grado di spiegare i modelli e gli algoritmi alla base del funzionamento di catene di elaborazione di complessità medio elevata. Sarà in grado di descrivere le catene elaborative di svariati sistemi di visione ed elaborazione usati in applicazioni reali, valutandone l'efficacia e le eventuali limitazioni. Lo studente acquisirà gli strumenti matematici ed algoritmici fondamentali indispensabili per affrontare la maggior parte delle applicazioni di elaborazione di immagini e visione, impadronendosi di un approccio rigoroso ai metodi di ricerca e sviluppo di soluzioni affidabili ed efficaci. Conoscerà tecniche avanzate di visione ed elaborazione sviluppando la capacità di utilizzarle appropriatamente a seconda del problema da affrontare. Sarà capace di leggere e comprendere gli articoli scientifici di settore analizzandone le sottoparti e valutandone l'effettiva riutilizzabilità e validità.
Gli ambiti applicativi sono molto variegati, tra gli altri: Medical Imaging, Video-surveillance, Computer Graphics, Video Compression, Industrial Inspection, Multimedia, Human-Computer Interfaces e Multimodal Signal Processing. L'evoluzione tecnologica dei sensori e delle architetture HW per l'acquisizione e l'elaborazione ha prodotto un'ingente quantità di dati ed oggi c'è l'indubbia necessità di strumenti automatici che consentano l'analisi, l'annotazione, l'interpretazione ed il recupero delle informazioni in essi disponibili. Di fatto l'elaborazione delle immagini e visione rappresenta una delle aree ICT in più rapida evoluzione, con applicazioni che si stanno diffondendo, ad una velocità mai vista, in tutte le aree del business e della vita quotidiana.
La "mission" di questo corso consiste nel motivare e nel fornire agli studenti quel bagaglio di conoscenze teoriche e di strumenti matematici che consentano loro di affrontare le varie problematiche del mondo reale in quei settori nei quali i metodi di elaborazione di immagini e visione computerizzata possono fornire risposte adeguate, robuste ed affidabili. Il corso consentirà loro di acquisire conoscenze approfondite su una delle aree più affascinanti nell'ambito dell'Information and Communication Technology.

Contenuti

Il corso ha caratteristiche avanzate e si concentra su aspetti di processazione di: basso, medio ed alto livello.

I principali argomenti trattati sono:

1) processo di formazione delle immagini (trasformazioni 2D e 3D, proiezione da 3D a 2D, teoria delle lenti sottili, radiometria, campionamento multidimensionale, spazi di colore, esempi di applicazione alla progettazione e dimensionamento di sistemi di acquisizione a partire dalle specifiche funzionali)

2) preelaborazione nel dominio spaziale (operatori puntuali, locali e globali, equalizzazione, filtraggio lineare e non lineare, separabilità, esempi di applicazione al conteggio di cellule)

3) esaltazione dei bordi (derivate di primo e secondo ordine, bordi in immagini a colori, collegamento di bordi, detezione di linee e punti di fuga, detezione di superfici piane, esempi di applicazione alla lettura di targhe di veicoli)

4) segmentazione (thresholding, tecniche morfologiche, accrescimento di regioni, fusione e separazione di sottoparti, esempi di applicazione ai tumori della pelle ed al volume foliare delle piante)

5) introduzione alle tecniche di calibrazione (griglia di Tsai, calcolo dei punti di fuga, omografie, esempi di applicazione all'analisi degli incidenti stradali ed alla misura di distanze da vista monoculare)

6) morfologia matematica (operazioni di base, hit & miss, thinning, DT, CC, esempi di applicazione al riconosimento di caratteri)

7) rilevazione di caratteristiche visuali (punti e superfici particolari, descrittori invarianti MSER, MOPS, SIFT, SURF, inseguimento di caratteristiche, esempi di applicazione al monitoraggio di monumenti ed al controllo di sicurezza)

8) stima ed analisi del movimento (stima gerarchica, apprendimento di traiettorie tipiche, rilevazione anomalie, esempi di applicazione all'identificazione di atti aggressivi ed all'ambient intelligence)

9) riconoscimento di oggetti (rilevamento di visi, identificazioni di pedoni, riconoscimento di oggetti tridimensionali in immagini stereo e di range, analisi di immagini 3D, riconoscimento di luoghi, riconoscimento di categorie, riconoscimento di sottoparti, analisi e riconoscimento di azioni)

Le applicazioni analizzate fanno riferimento a realizzazioni effettivamente sviluppate nel VIS-Lab del Dipartimento alcune delle quali implementate in prodotti di mercato. Gli studenti avranno così la possibilità di confrontarsi con reali tematiche applicative e con le corrispondenti soluzioni attuative.

Programma esteso

RIASSUNTO DEL CORSO Il corso ha caratteristiche avanzate e si concentra su aspetti di processazione di: basso, medio ed alto livello.
Il dettaglio degli argomenti trattati è riportato qui di seguito:

1) formazione delle immagini
primitive geometriche e trasformazioni geometriche
trasformazioni bidimensionali
proiezioni 3D - 2D
distorsioni delle lenti
formazione fotometrica delle immagini
i sensori digitali
campionamento M-D ed aliasing
colore e spazi cromatici

2) elaborazione di immagini nel dominio dello spazio
operatori puntuali
traformazione dei pixel
equalizzazione dell'istogramma
filtraggio lineare
filtri separabili
operatori locali
filtraggio non lineare

3) esaltazione dei bordi
derivate prime e seconde
bordi di immagini a colori
collegamento tra bordi
linee
punti di fuga
applicazioni: rilevamento di rettangoli e targhe veicolari

4) segmentazione
Thresholding
Level Sets
accrescimento di regioni
sudddivisione di regioni (divisive clustering)
accorpamento di regioni (agglomerative clustering)
approccio concorrente divisivo ed agglomerativo
Watersheed
trasformata di Hough
Clustering
K-means e misture di Gaussiane
Mean shift
applicazioni: segmentazione di immagini biomediche

5) introduzione alla calibrazione geometrica
tecniche di calibrazione
punti di fuga
omografie
applicazioni: misure metriche da vista singola

6) morfologia matematica
operazioni fondamentali (erosion, dilation, closure, opening, hit&miss, thinning, thickening)
trasformata distanza
analisi di componenti connesse

7) estrazione di caratteristiche invarianti
punti e superfici salienti
rilevamento e descrizione di caratteristiche visuali (Moravec, Harris, MSER, MOPS, SIFT, SURF, others)
comparazione e rintracciamento di caratteristiche salienti
inseguimento di caratteristiche salienti

8) stima ed analisi del moto
stima gerarchica del moto
raffinamento incrementale
applicazioni: stabilizzazione video, inseguimento di bersagli, protezione di persone e monumenti
apprendimento di modelli di moto
applicazione: riallineamento di immagini biomediche
Optical flow
stima multiframe del movimento
decomposizione dei movimenti in layer multipli
modelli di moto
moto planare prospettico
applicazioni: inseguimento di persone e veicoli, antigrafitismo

9) riconoscimento
rilevamento di oggetti
rilevamento di volti
rilevamento di pedoni
riconoscimento di volti
Eigenfaces
riconoscimento di istanze di categorie di oggetti in ambiente complesso
applicazione: riconoscimento di luoghi interni ed esterni
riconoscimento di categorie di oggetti ed entità
Bag of Features
modelli basati su sottoparti
comprensione del contesto e della scena
descrizione e riconoscimento di azioni
applicazioni: atti aggressivi, atti vandalici

Bibliografia consigliata

1) R. Szeliski, "Computer Vision: Algorithms and Applications", Springer 2010 (La versione elettronica del libro è è presente nel DVD fornito ad inizio corso)

2) David A. Forsyth and Jean Ponce, "Computer Vision: A Modern Approach", Prentice Hall, 2003. (La versione elettronica del libro è disponibile presso: http://decsai.ugr.es/mia/complementario/t1/book3chaps.html ed è presente nel DVD fornito ad inizio corso).

3) John C. Russ, "The Image Processing Handbook" Sixt Edition, CRC Press, 2011 (La versione elettronica del libro è è presente nel DVD fornito ad inizio corso)

4) T. Acharya, A.K. Ray, "Image Processing Principles and Applications", Waley, 2005 (La versione elettronica del libro è è presente nel DVD fornito ad inizio corso)

5) Mubarak Shah, "Fundamentals of Computer Vision" (Il libro è disponibile solamente on-line ed è presente nel CD fornito ad inizio corso)

6) Olivier Faugeras, "Three Dimensional Computer Vision", MIT Press, 1993 (Testo molto interessante sulla visione 3D, la geometria delle immagini e la stereoscopia. Richiede conoscenze di algebra lineare e di geometria proiettiva)

Altri libri di approfondimento

1) C.M. Bishop, "Pattern Recognition and Machine Learning", Springer, 2006

2) Rafael C. Gonzalez, Richard E. Woods, Steven L. Eddins, "Digital Image Processing Using MATLAB". (Un testo valido per fare un pò di pratica di elaborazione).

3) Martin D. Levine, "Vision in Man and Machine", McGraw-Hill, 1985. (Un altro classico che si occupa dei rapporti tra i meccanismi biologici di visione e le teorie computazionali. Fuori stampa.)

4) Luciano Da Fontoura Costa, Roberto Marcondes Cesar Jr., "Shape Analysis and Classification: Theory and Practice", CRC Press.

5) Robert M. Haralick and Linda G. Shapiro, "Computer and Robot Vision", Addison-Wesley, 1992-93. (Testo in due volumi con molti riferimenti algoritmici)

6) Richard O. Duda, Peter E. Hart, and David G. Stork, "Pattern Classification", Wiley Interscience, 2001. (Testo molto interessante che tratta tecniche di alto livello. richiede conoscenze di statistica)

Modalità di erogazione

Convenzionale

Metodi didattici

Fondamentalmente, questo corso è basato su lezioni frontali. Il materiale importante sarà coperto durante tali lezioni. Anche se non è obbligatorio, gli studenti dovrebbero sforzarsi di frequentare perché alcuni argomenti non sono accessibile in libri facilmente consultabili. Le lezioni frontali utilizzano presentazioni Powerpoint ed alcuni script in Matlab appositamente preparati con lo scopo di facilitare la comprensione di argomenti specifici. L'intero insieme di slide Powerpoint e gli script Matlab saranno resi disponibili all'inizio del corso sotto forma di un DVD distribuito dal docente stesso. All'interno del DVD saranno presenti materiali documentali in formato pdf collegati ad ogni ciclo di lezioni. Le lezioni sono organizzate in modo da coinvolgere gli studenti favorendo interventi critici e cercando di stimolare il loro pensiero creativo. Gli studenti impareranno concetti essenziali e principi fondamentali sviluppando la capacità di valutare quando, dove e perché un certo metodo è applicabile al problema che devono affrontare.

Metodi di valutazione

Tipo di esame

Orale

Modalita' di verifica dell'apprendimento

Una assegnazione che comporta attività di analisi e programmazione: un elenco di possibili argomenti dal quale gli studenti possono scegliere sarà reso disponibile durante la prima parte del corso. Gli studenti possono anche suggerire argomenti di loro gradimento. In tal caso, devono inviare una proposta al docente comprensiva di: un titolo, una breve descrizione ed uno o più riferimenti bibliografici pertinenti. Il docente si riserva di accettare o meno la proposta. L'assegnazione può essere portata a termine in gruppi di 2 o 3 oppure individualmente. Per l'assegnazione, gli studenti devono studiare la bibliografia pertinente ed implementare (in tutto od in parte) un metodo. Devono provarlo su dati di riferimento e riprodurre i risultati disponibili in letteratura. La relazione finale deve essere sotto forma di rapporto scientifico. Il corso si conclude con un esame orale, durante il quale gli studenti presenteranno anche i risultati della loro assegnazione.

Valutazione

Voto Finale

Calendario attività didattiche

Data di inizio del periodo didattico

Lunedì, 3 Ottobre, 2016

Data di fine del periodo didattico

Venerdì, 20 Gennaio, 2017

Altre informazioni

Collegamenti utili

http://www.kluweronline.com/issn/0920-5691 http://www.kluweronline.com/issn/0920-5691
http://ieeexplore.ieee.org/xpl/RecentIssue.jsp?puNumber=34 http://ieeexplore.ieee.org/xpl/RecentIssue.jsp?puNumber=34
http://ieeexplore.ieee.org/xpl/conferences.jsp?letter=CVPR&findtitle=&sr... http://ieeexplore.ieee.org/xpl/conferences.jsp?letter=CVPR&findtitle=&sr... http://ieeexplore.ieee.org/ 49http://ieeexplore.ieee.org/
http://www.cs.ucf.edu/~vision http://www.cs.ucf.edu/~vision
http://www-2.cs.cmu.edu/afs/cs/project/cil/ftp/html/vision.html
http://www-2.cs.cmu.edu/afs/cs/project/cil/ftp/html/vision.html
http://www.cs.ucf.edu/courses/cap6411/cap5415_sp02.html http://www.cs.ucf.edu/courses/cap6411/cap5415_sp02.html

Università degli Studi di Siena

ADVANCED DIGITAL IMAGE PROCESSING

ADVANCED DIGITAL IMAGE PROCESSING

Anno di corso: 1

Anno di corso: 2

Segui UNISI

Tu sei qui

ADVANCED DIGITAL IMAGE PROCESSING

ADVANCED DIGITAL IMAGE PROCESSING