Visione Artificiale
Docente: Marcello Pelillo
Semestre: 1o
Crediti: 3
Settore scientifico-disciplinare: INF/01 (Informatica)
Ore di lezioni/esercitazioni: 20
Ore per attività integrative: 4
Modalità di esame: colloquio orale e discussione di un progetto concordato con il docente
Esame coordinato con:
Esami propedeutici: Calcolo I, Calcolo II
Obiettivi.
I sistemi di visione (biologici e artificiali) hanno l’obiettivo di creare un modello del mondo mediante l’analisi di
una o più immagini. Il corso fornisce un’introduzione ai principi e agli algoritmi fondamentali impiegati per la
costruzione di sistemi di visione artificiale. Per favorire uno studio “attivo” degli argomenti trattati, lo studente
svilupperà un semplice progetto, concordato con il docente, che sarà poi oggetto di discussione in sede di esame.
Programma.
Introduzione. Il problema della percezione visiva. Geometria della formazione delle immagini.Campionamento e
quantizzazione. Il “pixel”. Livelli di elaborazione.
Elaborazione di immagini binarie. Thresholding. Proprietà geometriche. Proiezioni. Codifica “run-length”.
Algoritmi binari. Operatori morfologici.
Estrazione di regioni. Regioni e spigoli. Segmentazione. Rappresentazione di regioni. Split-and-merge. Growing.
Filtraggio. Modifica di istogrammi. Sistemi lineari. Filtri lineari. Filtri mediani. Smoothing Gaussiano.
Rilevamento di spigoli. Gradiente. Algoritmi di Roberts, Sobel, Prewitt. Operatori basati sulla derivata seconda.
Algoritmo di Marr-Hildreth. Approssimazione di immagini. Algoritmo di Canny. Valutazione delle prestazioni.
Contorni. Geometria delle curve. Curve digitali. Rappresentazione polyline. Archi circolari. Sezioni coniche. Spline.
Approssimazione di curve.
Riconoscimento di oggetti. Complessità del problema. Rappresentazione degli oggetti.
Rilevamento di “feature”. Strategie di riconoscimento. Verifica.
Libri di testo.
R. Jain, R. Kasturi, and B. G. Schunk. Machine Vision. McGraw-Hill, New York, 1995.
Dispense e appunti a cura del docente.
