PORTALE DELLA DIDATTICA

PORTALE DELLA DIDATTICA

PORTALE DELLA DIDATTICA

Elenco notifiche



Image Processing and Computer vision

01TUJOV, 01TUJPD

A.A. 2025/26

Lingua dell'insegnamento

Italiano

Corsi di studio

Corso di Laurea Magistrale in Ingegneria Informatica (Computer Engineering) - Torino
Corso di Laurea Magistrale in Ingegneria Del Cinema E Dei Mezzi Di Comunicazione - Torino

Organizzazione dell'insegnamento
Didattica Ore
Docenti
Docente Qualifica Settore h.Lez h.Es h.Lab h.Tut Anni incarico
Collaboratori
Espandi

Didattica
SSD CFU Attivita' formative Ambiti disciplinari
ING-INF/05 6 C - Affini o integrative Attività formative affini o integrative
2024/25
The course is taught in Italian. Oggetto dell'insegnamento sono l'acquisizione, l' elaborazione, l'analisi e la comprensione del contenuto di immagini e sequenze di immagini digitali di oggetti 2D e 3D (computer vision). Tra le molte applicazioni citiamo l'ispezione industriale, la sorveglianza, l'identificazione biometrica (impronte digitali, retiniche, immagini del viso, iride), l'analisi del movimento umano per l'intrattenimento o scopi medici e sportivi, l'analisi del territorio da immagini aeree o da satellite, la scansione 3D, la navigazione robotica. L'insegnamento illustrerà le tecniche fondamentali e il loro uso in alcune delle principali applicazioni pratiche.
The course is taught in Italian. Image capture, processing and understanding are required for many practical applications. In particular, Computer Vision refers to computing properties of the 3D world from 2D images. Among main applications, we quote industrial inspection, surveillance, biometric identification, human body motion capture for entertainment, medicine or sport performance enhancement, satellite and UAV images analysis, 3D scanning, and robotic navigation. The course will provide the elements of the most used image processing and analysis techniques, and will illustrate some popular application.
Lo studente acquisirà le conoscenze fondamentali relative a: - sensori e sistemi per l'acquisizione dell'immagine - modellazione dei sistemi ottici e loro funzioni di trasferimento - analisi in frequenza delle immagini - tecniche per il miglioramento e la ricostruzione di immagini affette da vari tipi di rumore ed alterazioni (rumore termico dei sensori, imperfezioni dell'ottica, movimento relativo, etc) - tecniche per la segmentazione e l'estrazione di elementi caratteristici di un'immagine - tecniche per il riconoscimento di oggetti 2D e 3D - tecniche per l'analisi del movimento - machine learning e reti neurali per il trattamento delle immagini Tramite queste conoscenze e numerosi esempi applicativi, lo studente verrà messo in grado di progettare un sistema di visione mediante calcolatore.
The course will supply the main elements about: - Sensor and optical systems - Optical systems' models and transfer functions - Frequency analysis of images - Enhancement and reconstruction of images corrupted by noise, motion blur, atmospheric turbulence, etc. - Techniques for image segmentation and feature extraction - 2D and 3D objects recognition - Motion analysis Using this knowledge, and based on several examples, the student should be able to design image analysis and computer vision applications.
Elementi di analisi matematica, analisi di segnali monodimensionali, algebra lineare, calcolo delle probabilità.
Basics of analysis, 1D signal processing, linear algebra, probability theory.
Argomenti principali e peso in crediti - Sistemi di acquisizione immagini (1 cr) - Elaborazione immagini. Trasformate 2D e funzioni di trasferimento (1 cr) - Miglioramento e ricostruzione immagine (0.5 cr) - Segmentazione ed estrazione dati significativi (0.5 cr) - Riconoscimento 2D e 3D (1 cr) - Analisi movimento (0.5 cr) - Casi di studio (1.5 cr)
Main topics. - Imaging systems (1 cr) - Image processing. 2D transforms and transfer function(1,0 cr) - Image enhancement and image restoration (0.5 cr) - Image segmentation and feature extraction (0.5 cr) - 2D and 3D object recognition (1 cr) - Motion analysis(0.5 cr) - Case studies(1.5 cr)
I gruppi per il lavoro obbligatorio saranno composti da una a tre persone.
I gruppi per il lavoro obbligatorio saranno composti da una a tre persone.
Le esercitazioni di laboratorio prevedono l'uso di programmi per l'elaborazione e l'analisi dell'immagine. Le esercitazioni sono propedeutiche allo sviluppo di un progetto, individuale o di gruppo, che concorrerà a determinare il voto finale.
The laboratory sessions will build on the material covered in the class, and aim to solidify your understanding of concepts through hands-on experimentation. Project will be assigned individually or to small groups. The results will be evaluated and will contribute to the final mark.
Slide del corso ed altro materiale presso: http://didattica.polito.it Testi suggeriti: - R.C. Gonzales and R.E. Woods: Digital Image Processing, Pearson International Edition, 2008 - C. Steger, M. Ulrich, C. Wiedermann: Machine Vision Algorithms and Applications, Wiley-VCH, 2008 - G.C. Holst and T.S. Lomheim: CMOS/CCD Sensors and Camera Systems, SPIE Press, 2007 - E.R. Davies, Machine Vision: Elsevier, 2005 - A. Bellini e A. Guidi: Python e machine learning, McGrawHill, 2022
Course transparencies and other material at http://didattica.polito.it Suggested textbooks: - R.C. Gonzales and R.E. Woods: Digital Image Processing, Pearson International Edition, 2008 - C. Steger, M. Ulrich, C. Wiedermann: Machine Vision Algorithms and Applications, Wiley-VCH, 2008 - G.C. Holst and T.S. Lomheim: CMOS/CCD Sensors and Camera Systems, SPIE Press, 2007 - E.R. Davies, Machine Vision: Elsevier, 2005
Slides; Libro di testo; Video lezioni tratte da anni precedenti; Materiale multimediale ;
Lecture slides; Text book; Video lectures (previous years); Multimedia materials;
E' possibile sostenere l’esame in anticipo rispetto all’acquisizione della frequenza
You can take this exam before attending the course
Modalità di esame: Prova scritta (in aula); Prova orale facoltativa; Elaborato progettuale in gruppo;
Exam: Written test; Optional oral exam; Group project;
... L'esame si compone di una prova scritta della durata indicativa di 80 minuti, nella quale sarà richiesto di rispondere ad una serie di domande, normalmente 5, con punteggio massimo normalmente pari a 25. A discrezione del docente può inoltre svolgersi una prova orale, integrativa o sostitutiva. La prova orale potrà incrementare o ridurre, anche fino alla bocciatura, l'eventuale voto dello scritto. Scritto e orale sono su tutto il programma svolto nell'anno corrente., al fine di verificare i risultati di apprendimento attesi. È necessario prenotarsi all'esame e presentarsi muniti di un documento d'identità. Durante l'esame non è possibile usare computer o smartphone, oppure consultare libri e appunti. È inoltre previsto che venga svolto un lavoro obbligatorio, individuale o di gruppo, volto a realizzare un'applicazione grafica sfruttando le nozioni acquisite durante le esercitazioni di laboratorio, la cui valutazione consentirà di aggiungere un massimo di 6 punti al voto dello scritto, fino ad arrivare alla lode. La correttezza delle risposte all'esame scritto e/o orale e la corretta esecuzione della tesina concorreranno al voto finale.
Gli studenti e le studentesse con disabilità o con Disturbi Specifici di Apprendimento (DSA), oltre alla segnalazione tramite procedura informatizzata, sono invitati a comunicare anche direttamente al/la docente titolare dell'insegnamento, con un preavviso non inferiore ad una settimana dall'avvio della sessione d'esame, gli strumenti compensativi concordati con l'Unità Special Needs, al fine di permettere al/la docente la declinazione più idonea in riferimento alla specifica tipologia di esame.
Exam: Written test; Optional oral exam; Group project;
L'esame si compone di una prova scritta della durata indicativa di 80 minuti, nella quale sarà richiesto di rispondere ad una serie di domande, normalmente 5. A discrezione del docente può inoltre svolgersi una prova orale, integrativa o sostitutiva. È necessario prenotarsi all'esame e presentarsi muniti di un documento d'identità. Durante l'esame non è possibile usare computer, telefonini o smartphone, oppure consultare libri e appunti. È inoltre previsto che venga svolto un lavoro obbligatorio, individuale o di gruppo, volto a realizzare un'applicazione grafica sfruttando le nozioni acquisite durante le esercitazioni di laboratorio. La correttezza delle risposte all'esame scritto e/o orale e la corretta esecuzione della tesina concorreranno al voto finale.
In addition to the message sent by the online system, students with disabilities or Specific Learning Disorders (SLD) are invited to directly inform the professor in charge of the course about the special arrangements for the exam that have been agreed with the Special Needs Unit. The professor has to be informed at least one week before the beginning of the examination session in order to provide students with the most suitable arrangements for each specific type of exam.
Esporta Word