DIPARTIMENTO Ingegneria ANNO ACCADEMICO OFFERTA 2020/2021 ANNO ACCADEMICO EROGAZIONE 2020/2021
CORSO DILAUREA MAGISTRALE INGEGNERIA INFORMATICA
INSEGNAMENTO TEORIA E TECN.ELABORAZIONE IMMAGINE
TIPO DI ATTIVITA' B
AMBITO 50369-Ingegneria informatica
CODICE INSEGNAMENTO 08980 SETTORI SCIENTIFICO-DISCIPLINARI ING-INF/05
DOCENTE RESPONSABILE ARDIZZONE EDOARDO Professore Ordinario Univ. di PALERMO
ALTRI DOCENTI
CFU 9
NUMERO DI ORE RISERVATE ALLO STUDIO PERSONALE
153
NUMERO DI ORE RISERVATE ALLA DIDATTICA ASSISTITA
72
PROPEDEUTICITA' MUTUAZIONI
ANNO DI CORSO 1
PERIODO DELLE LEZIONI 2° semestre MODALITA' DI FREQUENZA Facoltativa TIPO DI VALUTAZIONE Voto in trentesimi ORARIO DI RICEVIMENTO DEGLI
STUDENTI
ARDIZZONE EDOARDO
Martedì 11:00 13:00 Ufficio del docente
DOCENTE: Prof. EDOARDO ARDIZZONE
PREREQUISITI Algoritmi e strutture dati. Programmazione. Elementi di base di trattamento dei segnali. Elementi di base di algebra lineare e geometria analitica. Elementi di base di probabilità e statistica.
RISULTATI DI APPRENDIMENTO ATTESI CONOSCENZA E CAPACITA' DI COMPRENSIONE
Lo studente acquisira' conoscenze e metodologie per definire, affrontare e risolvere in maniera originale problemi di elaborazione ed analisi di immagini e video. Lo studente sara' in grado di selezionare algoritmi di miglioramento di qualita, di restauro e di estrazione di caratteristiche da immagini in diversi contesti applicativi e di formularne di nuovi. Per il raggiungimento di questo obiettivo il corso prevede: lezioni frontali; analisi e discussione di casi di studio. Per la
verifica di questo obiettivo l’esame comprende il colloquio finale sugli argomenti del programma; la discussione sui casi di studio e sui temi di ricerca presentati durante il corso; la discussione della prova scritta o della eventuale tesina preparata autonomamente.
CAPACITA' DI APPLICARE CONOSCENZA E COMPRENSIONE
Lo studente sapra' applicare le conoscenze acquisite al dimensionamento e alla utilizzazione di metodi e sistemi per elaborazione ed analisi di immagini, e acquisira' la capacita' di rapportarsi alle piu' diffuse realta' di mercato riguardanti i dispositivi di acquisizione, visualizzazione e riproduzione di immagini. Egli sapra' inoltre interpretare e utilizzare i principali standard per la compressione e la trasmissione di immagini e video. Sara' in grado di utilizzare l’ambiente di sviluppo Matlab per il progetto e la implementazione di soluzioni prototipali a problematiche nuove e di interagire con i principali pacchetti applicativi commerciali. Per il raggiungimento di questo obiettivo il corso prevede: esercitazioni teoriche a al computer (individuali e di gruppo); analisi e discussione di casi di studio; l’eventuale preparazione di una tesina svolta autonomamente.
Per la verifica di questo obiettivo l’esame comprende la discussione degli elaborati preparati durante le esercitazioni teoriche e al computer; la discussione sui casi di studio; la discussione della prova scritta o della eventuale tesina preparata autonomamente.
AUTONOMIA DI GIUDIZIO
Attraverso l’approccio metodologico acquisito durante il corso, anche grazie all’analisi di casi di studio, lo studente acquisira' capacita' di utilizzazione e di integrazione, in diversi ambiti applicativi, degli strumenti appresi. Egli sara' dunque in grado di affrontare problemi nuovi non strutturati e proporre soluzioni anche in presenza di dati limitati e incompleti, integrando le conoscenze acquisite durante il corso, e sara' in grado di analizzare pregi e difetti delle soluzioni proposte. Per il raggiungimento di questo obiettivo il corso prevede:
lezioni frontali; analisi e discussione di casi di studio; esercitazioni teoriche e al computer (individuali e di gruppo); l’eventuale preparazione di una tesina svolta autonomamente.
Per la verifica di questo obiettivo l’esame comprende il colloquio finale sugli argomenti del programma; la discussione sui casi di studio presentati durante il corso; la discussione degli elaborati preparati durante le esercitazioni teoriche e al computer; la discussione della eventuale tesina preparata autonomamente.
ABILITA' COMUNICATIVE
Lo studente sara' in grado di lavorare in gruppo, di comunicare con competenza e proprieta' di linguaggio problematiche complesse di elaborazione di immagini, anche in contesti altamente specializzati. Egli sapra' interagire con progettisti e tecnici per la realizzazione di sistemi di elaborazione ed analisi di
immagini e video. Per il raggiungimento di questo obiettivo il corso prevede:
esercitazioni di gruppo; presentazione e discussione di casi di studio. Per la verifica di questo obiettivo l’esame
comprende il colloquio finale sugli argomenti del corso; la discussione su casi di studio e sui temi di ricerca presentati durante il corso; la discussione degli elaborati preparati durante le esercitazioni di gruppo; la discussione della prova scritta o della eventuale tesina preparata autonomamente.
CAPACITA' DI APPRENDIMENTO
Lo studente sara' in grado di affrontare in autonomia le problematiche relative all’elaborazione ed alla analisi di immagini e video. Sara' pertanto in grado di approfondire tematiche complesse quali il restauro di immagini, la rappresentazione del
colore, la descrizione di immagini, la standardizzazione dei formati di
memorizzazione e trasmissione, etc. Per il raggiungimento di questo obiettivo il corso prevede: esercitazioni individuali e di gruppo; seminari e dibattiti guidati su temi di ricerca. Per la verifica di questo obiettivo l’esame comprende la
discussione degli elaborati preparati durante le esercitazioni di gruppo; la discussione sui temi di ricerca.
VALUTAZIONE DELL'APPRENDIMENTO La valutazione dell’apprendimento (esame finale) si articola in due fasi:
1) Prova scritta e di laboratorio
2) Prova orale.
La prova scritta e di laboratorio ha una durata di tre ore. Essa ha l’obiettivo di accertare il possesso delle abilita' e delle capacita' di applicare conoscenza e comprensione dei metodi e dei sistemi per l’elaborazione, l’analisi e la codifica di immagini studiati durante il corso. La prova intende altresi' accertare la capacita' di utilizzare l’ambiente di sviluppo Matlab per il progetto e la
implementazione di soluzioni algoritmiche a semplici problematiche tipiche della elaborazione e analisi di immagini.
Il risultato della prova scritta e di laboratorio e' espresso da un giudizio nella scala I (insufficiente), M (mediocre), S (sufficiente), D (discreto), B (buono), O (ottimo). Se il risultato e' I, la prova scritta e di laboratorio deve essere ripetuta.
L’esaminando non e' ammesso alla prova orale, e la valutazione complessiva dell’apprendimento e' negativa: l’esame finale dell’insegnamento non e' superato. Se il risultato e' M oppure S, l’esaminando e' ammesso alla prova orale, la valutazione complessiva dell’apprendimento (voto dell’esame finale) sara' un voto in trentesimi non superiore a votomax = 24/30. Se il risultato e' D oppure B oppure O, l’esaminando e' ammesso alla prova orale, la valutazione complessiva dell’apprendimento (voto dell’esame finale) sara' un voto in trentesimi, con votomax = 30/30.
Su richiesta effettuata dallo studente con congruo anticipo rispetto alla data di esame, la prova scritta e di laboratorio puo' essere sostituita dallo svolgimento di una tesina. Il lavoro di tesina e' svolto autonomamente dallo studente, sotto la guida di un assistente, e verte su un argomento, tipicamente di ricerca,
concordato con il docente. La documentazione del lavoro di tesina, da consegnare in formato elettronico prima della presentazione della stessa, consiste in una relazione tecnica sul lavoro svolto, tipicamente contenuta in un file .doc o compatibile, e in una sequenza di slide, da utilizzare durante la presentazione della tesina, tipicamente contenuta in un file .ppt o compatibile.
La presentazione della tesina avviene in data concordata con il docente. Per il giudizio sulla tesina, e per gli effetti sul voto dell’esame finale, vale quanto detto a proposito della prova scritta e di laboratorio.
La prova orale consiste in una discussione sui casi di studio e sui temi di ricerca affrontati durante il corso e in un colloquio sugli argomenti del programma della materia. La discussione sui casi di studio e sui temi di ricerca affrontati durante il corso ha l’obiettivo di accertare se lo studente ha acquisito le conoscenza e le metodologie per definire, affrontare e risolvere problemi di elaborazione, analisi e codifica di immagini e video in diversi contesti applicativi, insieme alla necessaria autonomia di giudizio. Obiettivo di questa fase della valutazione e' altresi' l’accertamento della capacita' dello studente di affrontare in autonomia le problematiche relative alla elaborazione ed alla analisi di immagini e video, nonche' di comunicarle con competenza e proprieta' di linguaggio. La analisi dei casi di studio e dei temi di ricerca, e le relative discussioni, si svolgono durante il corso. A tal fine gli studenti vengono suddivisi in gruppi costituiti da due-tre unita'. Ad ogni gruppo il docente assegna un caso di studio o tema di ricerca. Il caso di studio o tema di ricerca e' approfondito autonomamente dal gruppo di studenti. La relativa discussione si svolge tre/quattro settimane dopo
l’assegnazione, tipicamente durante le ultime lezioni del corso. La discussione prevede la presentazione, da parte di ciascun gruppo di studenti, del caso di studio o tema di ricerca approfondito, avvalendosi di una sequenza di slide in formato .ppt o equivalente. Il risultato della discussione dei casi di studio e' un voto in trentesimi, da 0 a 3.
Durante il colloquio sugli argomenti del programma, l’esaminando deve
rispondere a due/tre domande poste oralmente, che possono riguardare tutte le parti oggetto del programma, con riferimento ai testi consigliati e al materiale didattico fornito dal docente. Il colloquio sugli argomenti del programma del corso ha l’obiettivo di accertare il grado di apprendimento di conoscenze e capacita' di comprensione dello studente, in relazione a problemi di base di elaborazione ed analisi di immagini e video ed ai relativi algoritmi e metodi risolutivi, oltre che delle sue abilita' comunicative. Il risultato del colloquio e' un voto in trentesimi, nell’intervallo tra 0 e votomax – 3.
Infine, il risultato complessivo della valutazione dell’apprendimento (voto dell’esame finale) e' la somma dei risultati della discussione dei casi di studio e del colloquio sugli argomenti del programma. Nel caso in cui lo studente consegua la valutazione massima (votomax=30), la Commissione esaminatrice puo' decidere di attribuire la lode, se ritiene che da parte dello studente sia stata dimostrata, in tutte le fasi dell’esame (prova scritta e di laboratorio o tesina, discussione di casi di studio e temi di ricerca, colloquio), eccellente conoscenza degli argomenti, ottima proprieta' di linguaggio, elevata capacita' di applicare le conoscenze acquisite per risolvere i problemi proposti.
OBIETTIVI FORMATIVI L’obiettivo del corso e' fornire conoscenze e metodologie per la comprensione e lo sviluppo di tecniche e di algoritmi di elaborazione ed analisi di immagini digitali. I temi trattati riguardano le caratteristiche delle immagini digitali, le principali trasformate delle immagini e le loro proprieta, i metodi di
miglioramento della qualita' e di restauro nel dominio dei pixel e nei domini trasformati, il filtraggio, la rappresentazione del colore, l’elaborazione delle immagini in colore falso e in colore vero, l’analisi di immagini e video e l’estrazione di caratteristiche globali e locali, statiche e dinamiche, l’indicizzazione basata sul contenuto di immagini e video, i fondamenti dell'applicazione delle reti neurali e delle tecniche di deep learning alla elaborazione ed alla analisi di immagini e video, l’ambiente di sviluppo e il linguaggio Matlab.
ORGANIZZAZIONE DELLA DIDATTICA Lezioni frontali ed esercitazioni teoriche. Esercitazioni di laboratorio al computer, guidate da un assistente. Analisi e discussione in aula di casi di studio e temi di ricerca.
TESTI CONSIGLIATI R.C. Gonzalez, R. E. Woods: Digital Image Priocessing (4th ed.), Pearson, 2018.
Altro materiale didattico reso disponibile dal docente sul portale studenti di unipa.
PROGRAMMA
ORE Lezioni
1 Introduzione al corso. Sillabo. Informazioni operative. Origini, esempi, domini applicativi.
3 Richiami sul sistema visivo umano e sulle lenti. Formazione dell'immagine. Un semplice modello della immagine. Frequenza spaziale
4 Caratteristiche generali del processo di acquisizione delle immagini. Campionamento e quantizzazione.
Rappresentazione di immagini digitali. Risoluzione spaziale e risoluzione di intensita. Effetti della variazione di risoluzione. Interpolazione dei livelli di grigio.
1 Trasformazioni geometriche. Registrazione di immagini. Relazioni tra pixel. Adiacenza. Boundary e paths.
Operazioni aritmetiche e logiche tra pixel e tra immagini.
4 Miglioramento di qualita' nel dominio spaziale. Elaborazioni puntuali omogenee. Istogramma dei livelli di grigio.
Equalizzazione e specificazione dell'istogramma. Elaborazioni puntuali non omogenee. Tecniche di miglioramento locale.
5 Filtraggio spaziale. Correlazione e convoluzione. Padding. Filtri spaziali lineari di smoothing. Filtro mediano e altri filtri non lineari order-statistics. Filtri di sharpening. Filtri derivativi. Filtri basati sul laplaciano e sul gradiente. Estrazione dei contorni. Edge detectors basati sul laplaciano e sul gradiente.Operatori di Roberts, Prewitt e Sobel. Sensibilita' al rumore degli operatori derivativi. Operatori LoG e DroG.
Edge detector di Canny.
3 Rappresentazione nel dominio della frequenza. Trasformata di Fourier e sue proprieta'. Teorema della
convoluzione. Campionamento di funzioni 1-D e 2-D. Trasformata discreta di Fourier (DFT) 1-D e 2-D. Aliasing e altri artefatti. Proprieta' della trasformata 2-D di Fourier. Altre trasformate di immagini.
4 Filtraggio nel dominio della frequenza. Considerazioni sul padding e sui suoi effetti. Filtraggio passa basso e passa alto nel dominio della frequenza e problematiche connesse. Il ringing nei filtri pb ideali. Filtro pb e pa ideale, di Butterworth e gaussiano. Il blurring come processo di convoluzione. Filtraggio omomorfo.
3 Restauro di immagini. Modello del processo di degrado/restauro. Modelli del rumore. Stima dei parametri di rumore. Restauro in presenza di solo rumore additivo. Filtri adattivi. Riduzione del rumore nel dominio della frequenza. Filtri selettivi: arresto banda, passa banda e notch. Esempi. Stima della funzione di degrado.
Filtraggio inverso. Filtro di Wiener.
3 Percezione e rappresentazione del colore. Tricromaticita. Combinazioni additive e sottrattive. Tinta e saturazione. Valori di tristimolo. Standard CIE 1931. Spazio CIE XYZ. Illuminanti. Temperatura di colore.
Diagrammi di cromaticita'. Modelli del colore. Spazi di colore percettivamente uniformi.
3 Elaborazione di immagini in colore falso e full color. Trasformazioni puntuali. Cerchio dei colori. Correzioni di tono e colore. Elaborazioni locali. Segmentazione di immagini a colori. Rumore nelle immagini a colori.
3 Introduzione alle tecniche di deep learning per problemi di classificazione di immagini; il problema della rappresentazione del contenuto dell'immagine; evoluzione storica delle reti neurali: dal neurone al deep learning; cenni sugli algoritmi di addestramento delle reti neurali.
3 Reti neurali convoluzionali; struttura della rete AlexNet; calcolo del numero di parametri in una rete convoluzionale; introduzione al deep learning toolbox di Matlab; cenni sull'algoritmo di discesa lungo il gradiente.
2 Analisi delle immagini. Estrazione di punti isolati, linee, contorni. Tecniche locali di edge linking. Trasformata di Hough e tecniche globali di edge linking. Tecniche di segmentazione a soglia. Tecniche di thresholding globale e dinamico. Determinazione automatica del valore di soglia. Tecniche di regionalizzazione: region growing e split & merge.
2 Rappresentazione e descrizione di regioni. Schemi di rappresentazione. Chain codes. Approssimazioni poligonali. Numeri di forma, descrittori di Fourier, momenti statistici. Descrittori di boundary e regionali.
Tessitura. Database di Brodatz. Analisi e descrizione della tessitura: approcci statistico e strutturale.
Indicizzazione basata sul contenuto di immagini e video. Sistemi CBIR.
ORE Esercitazioni
2 Caratteristiche delle immagini digitali. Acquisizione.
3 Miglioramento di qualita. Filtraggio spaziale.
2 Filtraggio in frequenza. Restauro di immagini.
ORE Esercitazioni 3 Dispositivi per l’acquisizione e la restituzione di immagini.
ORE Laboratori
3 Sviluppo in ambiente Matlab di algoritmi e metodi di elaborazione ed analisi di immagini: miglioramento di qualita; filtraggio spaziale.
3 Sviluppo in ambiente Matlab di algoritmi e metodi di elaborazione ed analisi di immagini: trasformate di immagini e loro proprieta; filtraggio nel dominio della frequenza.
6 Sviluppo in ambiente Matlab di algoritmi e metodi di elaborazione ed analisi di immagini: restauro di immagini.
3 Sviluppo in ambiente Matlab di algoritmi e metodi di elaborazione ed analisi di immagini: estrazione e descrizione di caratteristiche di immagini e video.
3 Sviluppo in ambiente Matlab di algoritmi e metodi di elaborazione ed analisi di immagini: spazi di colore ed elaborazione di immagini a colori.
