Digital Image Processing (III Ed.) R. Gonzalez, R.E. Woods.
Pearson International Edition.
Materiale disponibile sul sito web del docente
Obiettivi Formativi
Obiettivo del corso è quello di fornire le conoscenze e competenze
necessarie ad effettuare operazioni di elaborazione ed analisi di immagini e video.
- Progetto e sviluppo di soluzioni per la segmentazione di immagini in regioni in base a caratteristiche di forma, colore, tessitura
- Progetto e sviluppo di soluzioni per l'analisi di video al fine di rilevare e tracciare oggetti in moto
- Progetto e sviluppo di soluzioni per la descrizione delle caratteristiche di regioni dell'immagine
- Conoscenza di modelli e metodologie per l'analisi di immagini e video in base a caratteristiche di colore, tessitura e moto
Prerequisiti
.
Metodi Didattici
Lezioni in aula ed esercitazioni con Matlab
Altre Informazioni
.
Modalità di verifica apprendimento
Orale
Programma del corso
Proprietà metriche, distanza di Hausdorff, distanza di Mahalanobis, proprietà topologiche, inviluppo convesso, laghi e baie
Trasformazioni puntuali: istogramma, espansione di scala, equalizzazione di immagine
Trasformazioni position dependent; Local histogram equalization ; trasformazioni geometriche: applicazione e stima; image morphing
Concetto di edge; edge e derivate; operatori del primo ordine; maschere di roberts, prewit, sobel; operatori del secondo ordine; Laplaciano, LoG, DoG; Filtro di canny: principi, soppressione non massimale, isteresi; Contronto risultati edge su immagine con rumore; edge detection con modelli parametrici; estrazione edge su immagini a colori;
Corner detection: modello di Harris
Rappresentazione multiscala e scale-space: motivazioni e definizione del modello, N-jet ed invarianti; Anisotropic diffusion models;
Invarianti di colore;
Descrizione tessiture: introduzione, motivazione e contesti applicativi; matrici co-occorrenza, matrice di covarianza; Tamura, Fourier Power Spectrum, Region covariance, bars&spots, Gabor, Momenti, invarianti di Hu;
La Gestalt ed i principi di raggruppamento; Sogliatura di immagini con il metodo di Otsu; Sogliatura immagini rumorose, sogliatura con media mobile;
Binary mathematical morphology: erode and dilate; open, close, smooth, hit-or-miss, gradient, hole filling; binary reconstruction by dilation and erosion, open by reconstruction, ultimate erosion, distance transform.
Lattice morphology: erosion, dilation, open, close, morphological gradient, top-hat, bottom-hat, contrast enhancement, grayscale reconstruction, opening by reconstruction; Granulometry with MM;
Segmentazione di immagini attraverso clustering; Clustering gerarchico, K-means
Gaussian Mixtures, Algoritmo EM; Mean Shift;
Segmentazione basata su grafi: Normalized Cuts;
Edge-based segmentation: Hough rette, rette con parametrizzazione theta; Hough cerchi e generalizzata; Watersheds
Principio di formazione del moto sul piano immagine. Applicazioni ed esempi pratici di analisi del moto. Relazione tra 3D motion field e 2D motion field.
Flusso ottico. Definizione e relazione con 2D motion field. Casi particolari e degeneri. Distinzione tra metodi densi e metodi sparsi. Stima del flusso ottico tramite metodi differenziali: algoritmo Horn&Schunk.
Stima del flusso ottico tramite il metodo di Lucas e Kanade. Stima del flusso con modello di moto globale affine: l'algoritmo KLT. Stima in caso di displacement elevato: algoritmo KLT piramidale, metodo di Brox e Malik basato su Region Matching.
Segmentazione del moto. Casi possibili (telecamera fissa, brandeggiabile, in movimento). Segmentazione background/foreground. Metodi dinamici di modellazione del background basati su modelli statistici. Algoritmo Mixture of Gaussian.
Tracking visuale basato su modello del moto. Il Filro di Kalman applicato al problema del tracking visuale. Esempi di tracking di un soggetto in movimento da una telecamera fissa. Cenni su tracking con modelli non lineari tramite il filtro di Kalman esteso (EKF), cenni di tracking tramite metodi basati su algoritmi di detection: l'algoritmo Ensemble Tracking.
Cenni di trasmissione e compressione del video su rete IP. I protocolli RTP/RTSP. Il metodo di compressione H264.