Corso di Laurea Specialistica in
Informatica
Curriculum Grafica e Immagini
Perche’ scegliere questo curriculum?
• Perché vi piace
• Perché vi consente di fare più esperienza su:
–
–
–
–
soluzioni di problemi (algoritmi)
sviluppo software a basso livello
calcolo scientifico
manipolazione di dati non alfanumerici
• Perché nella vita vi piacerebbe fare qualcosa di
diverso da scrivere software per le banche……
• Perché ci sono settori del mercato (controllo
industriale, CAD, biomedicina, entertainment….)
per i quali questi contenuti sono più adatti
2 Ottobre 3
1
Struttura generale del curriculum
• 12 CFU di matematica:
– Calcolo differenziale e integrale 2
– Matematica computazionale 3
• Almeno 3 fra i seguenti corsi (che dovreste
avere già fatto):
–
–
–
–
Elaborazione di segnali e immagini
Grafica Interattiva
Soft computing
Visione computazionale
2 Ottobre 3
2
Struttura generale del curriculum
• Dei restanti crediti (al più 48):
– Al più 12 CFU scelti da Elenco A (vediamo dopo)
– Il resto a scelta tra:
•
•
•
•
•
•
•
•
2 Ottobre 3
Algoritmi Geometrici
Apprendimento Statistico
Immagini Biomediche
Metodi di Elaborazione di Segnali e Immagini 1
Metodi di Elaborazione di Segnali e Immagini 2
Modellazione Geometrica
Reti Neurali
Visione Computazionale 2
3
Elenco A
•
•
•
•
•
•
•
•
•
•
•
•
•
•
•
Architettura dei sistemi integrati
Architetture dei sistemi di gestione dati
Architetture parallele 1 e/o 2 (con laboratorio)
Implementazione di linguaggi
Implementazione di linguaggi 2 (non attivato nel 2003/04)
Ingegneria del Software 2
Intelligenza artificiale
Intelligenza Artificiale 2
Laboratori specialistici di informatica 1 e/o 2
Modelli dei dati di nuova generazione
Sistemi distribuiti 1 e 2
Sistemi e tecnologie della comunicazione
Sistemi Operativi 3
Laboratori di fisica, matematica, informatica 1/2/3
Quello non già fatto tra ESI, GI, SC, VC
2 Ottobre 3
4
Struttura dei corsi informatici
caratteristici di questo curriculum
2 Ottobre 3
5
Algoritmi geometrici
IV anno, 1° sem
Docente: Prof. E. Puppo
• Prerequisiti:
• GI (aiuta)
• algebra lineare (aiuta)
• C ANSI (meglio C++)
• Contenuti: Geometria computazionale
●
●
●
Strutture dati per entità geometriche nel piano (da CASD)
Paradigmi per il progetto di algoritmi geometrici
Algoritmi per la soluzione di problemi geometrici nel piano: guscio
convesso, intersezione, ricerca geometrica, triangolazione, ……
• Applicazioni: sistemi informativi geografici
• Esame: esercitazione laboratorio + orale
2 Ottobre 3
6
Apprendimento statistico
IV anno, 2° sem
• Prerequisiti:
–
–
–
–
Docente: Prof. A. Verri
Probabilità e statistica
Amore per e/o voglia di imparare un po’ di matematica (analisi)
C ANSI e matlab (che useremo comunque)
In effetti, tutto quello che non sapete vi costringeremo a
impararlo durante il corso (matematica, C, etc.)
• Contenuti:
– Fondamenti statistici della teoria dell’apprendimento da esempi
(Bayes, ML, Fisher…)
– Teoria dell’apprendimento à la Vapnik
– Support Vector Machines
– Applicazioni all’Image Understanding
• Esame: Compiti a casa (laboratorio) durante il corso +
prova scritta finale (qualche esercizio in laboratorio)
2 Ottobre 3
7
Immagini biomediche
IV anno, 2° sem
Docente: Prof. P. Boccacci
•
Prerequisiti: ESI, Trasformata di Fourier
•
Contenuti:
–
–
–
–
–
Esempi di immagini biomediche: tomografia a raggi X, risonanza
magnetica, immagini funzionali (SPECT , PET)
Tomografia a raggi paralleli: trasformata di Radon, proiezioni e
sinogramma.
Ricostruzione di un oggetto da proiezioni, algoritmo filtered back
projection (FBP).
Principi base nell'acquisizione e nell'elaborazione di immagini in
risonanza magnetica ed ecografia.
Metodi algebrici per la ricostruzione da proiezioni
•
Esame: orale
Il corso prevede 5 esercitazioni di laboratorio guidate e una visita
all’ESA-OTE biomedica
2 Ottobre 3
8
Metodi di elab. di segnali ed immagini 1
IV anno, 2° sem
•
•
Docente: Prof. M. Bertero
Prerequisiti: ESI (3° anno) + Calcolo differenziale e
integrale 2, Matemetica computazionale 3
Contenuti:
–
–
–
–
Serie di Fourier
Integrale di Fourier
Trasformata di Fourier discreta e sue relazioni con serie e
integrale di Fourier
Sistemi lineari sia per segnali temporali sia per immagini
• Esame: orale
Il corso non prevede esercitazioni di laboratorio
2 Ottobre 3
9
Metodi di elab. di segnali ed immagini 2
V anno, 1° sem Docente: Prof. M. Bertero
•
•
(no 2003/04)
Prerequisiti: MESI 1
Contenuti:
–
–
–
–
Studio delle principali cause di degrado di un'immagine: definizione
della Point Spread Function (PSF) di un sistema per la formazione di
immagini (telecamera, microscopio, telescopio, ecc.).
Esempi di problemi di ricostruzione di immagini:immagini mosse,
immagini sfocate, immagini degradate da turbolenza atmosferica,
immagini degradate da fenomeni di diffrazione (microscopi e telescopi).
Concetti base nella ricostruzione di immagini: problemi non ben posti e
instabilità numerica, problemi ai minimi quadrati.
Metodi di ricostruzione : metodi di regolarizzazione e di filtraggio e
metodi iterativi non lineari.
•
Esame: orale + progetto finale di gruppo
Il corso prevede 5 esercitazioni di laboratorio guidate
2 Ottobre 3
10
Modellazione geometrica
IV anno, 2° sem
Docente: Prof. L. De Floriani
• Prerequisiti: Algoritmi Geometrici
• Contenuti:
– Rappresentazioni di solidi mediante enumerazione spaziale
– Rappresentazioni di solidi mediante scomposizioni cellulari:
• Tetraedralizzazioni
– Rappresentazioni di solidi mediante la superficie di contorno:
• Estensione delle suddivisioni piane
– Diagramma di Voronoi e triangolazione di Delaunay:
•
• Proprieta', relazione col guscio convesso 3D
• Algoritmi di calcolo
Applicazioni: Sistemi informativi geografici, computer graphics, computer
aided design, realta' virtuale
• Esame: esercitazione laboratorio + orale
2 Ottobre 3
11
Reti neurali
IV anno, 1° sem Docente: Prof. F. Masulli (inizia il 16/10)
• Prerequisiti: Programmazione (R language), elementi di
analisi matematica, algebra lineare, calcolo numerico,
probabilita' e statistica
• Contenuti:
●
●
●
●
●
Macchine ad apprendimento automatico
Apprendimento Bayesiano
Reti neurali con supervisore
Reti neurali senza supervisore
Applicazioni:
●
●
●
Classificazione (p.e., riconoscimento di SPAM nell' e-mail)
Regressione/predizione (p.e. Previsione indici di borsa)
Clustering (p.e. fusione di dati)
• Esame: esercitazione laboratorio + orale
2 Ottobre 3
12
Visione computazionale 2
V anno, 1° sem
• Prerequisiti:
–
–
–
–
Docente: Prof. A. Verri
VC 1 (aiuta)
Amore per e/o voglia di imparare un po’ di matematica (MC 3?)
C ANSI e matlab (che useremo comunque)
In effetti, tutto quello che non sapete vi costringeremo a
impararlo durante il corso (matematica, C, ecc.)
• Contenuti:
– Riassunto delle puntate precedenti (VC 1)
– La ricostruzione 3D: stereo, triangolazione attiva, viste
sintetiche, da sequenze di immagini
– Content-Based Image Retrieval: rappresentazione di immagini e
metodi di ricerca per contenuto
• Esame: Compiti a casa (laboratorio) durante il corso +
prova scritta finale (qualche esercizio in laboratorio)
2 Ottobre 3
13
