The course is taught in Italian. Oggetto del corso 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. Il corso illustrerà le tecniche fondamentali e il loro uso in alcune delle principali applicazioni pratiche.

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.

Elementi di analisi matematica, analisi di segnali monodimensionali, algebra lineare, calcolo delle probabilità.

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)

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.

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

Modalità di esame: Prova scritta (in aula);

Exam: Written test;

... 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.

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.