Obiettivi formativi generali dell'insegnamento in termini di risultati di apprendimento attesi.
corsi di base dedicati al trattamento e alla rappresentazione e classificazione e di dati.
Fortemente consigliata
Il corso si propone di approfondire teorie e tecniche specificatamente rivolte alla visione artificiale con una serie di applicazioni.
La prima parte del corso verterà su: Modelli di Formazione dell’Immagine, Filters and Features: Edges, Texture, Laplacian Pyramid,Corner Detection (Harris, …), SIFT(Teoria e Applicazioni), Tecniche di Segmentazione (Thresholding, Seeded Region Growing, Statistical Region Merging, ..)
La seconda parte del corso è dedicata allo studio di modelli probabilistici applicati alla Visione.Verranno infine presentate una serie di applicazioni: CBIR Retrieval, Video Stabilization, Face detection and Recognition
L'ultima parte del corso è dedicata ad un tema "specialistico" d'approfondimento
E. Trucco, A. Verri, “Introductory Techniques for 3-D Computer Vision”, Prentice Hall, 1998
G. Bradski, A. Kaehler, “Learning OpenCV Computer Vision with the OpenCV Library” O'Reilly Media, 2008;
Mubarak Shah, "Fundamentals of Computer Vision" (pdf), 1997
R. Hartley and A. Zisserman, “Multiple View Geometry in Computer Vision”, 2004;
D. A. Forsyth, J. Ponce, “Computer Vision a Modern Approach”, Prentice Hall PTR, 2002;
Richard Szeliski, Computer Vision: Algorithms and Application, Springer 2010
Fondamenti di Image Processing - Guida teorico/pratica per l’elaborazione e la codifica di immagini digitali – ISBN: 88-88659-49-8 - EdiArgo 2006;
Elaborazione delle Immagini Digitali - R.C. Gonzales, R.E. Woods – Pearson Italia 2008;
Sito del corso
http://www.dmi.unict.it/~battiato/teaching_research.htm
Il materiale didattico è disponibile su Studium
Argomenti | Riferimenti testi | |
1 | Fundamental Matrix; Estrinsic and Intrinsic Paramters; Camera Calibration; | |
2 | Low Level vision | |
3 | Mid Level vision | |
4 | Face Recognition and Detection | |
5 | SIFT and related issues |
Colloquio Orale
Progetto individuale da concordare con il docente
Due prove in itinere assegnate in aula, da svolgere individualmente. La prova consiste nella risoluzione di alcuni quesiti, attraverso la realizzazione di script in linguaggio MATLAB o mediante le librerie openCV. Le prove sono assegnate sottoforma di homework con una scadenza di circa 3/4 gg.
prova orale + progetto
Dettagli sulle SIFT
Autocalibrazione
Parametri Intrinseci/Estrinseci della Camera
Algoritmo Viola/Jones per il Face Detection
Image Generation Pipeline
Interest point detectors
Interest point descriptors