81616 - TECNICHE AVANZATE PER L'ANALISI DELLE IMMAGINI E VISIONE 3D

Scheda insegnamento

  • Docente Alessandro Bevilacqua

  • Crediti formativi 6

  • SSD ING-INF/05

  • Modalità didattica Convenzionale - Lezioni in presenza

  • Lingua di insegnamento Italiano

SDGs

L'insegnamento contribuisce al perseguimento degli Obiettivi di Sviluppo Sostenibile dell'Agenda 2030 dell'ONU.

Industria, innovazione e infrastrutture

Anno Accademico 2018/2019

Conoscenze e abilità da conseguire

L'obiettivo formativo del corso è formare un ingegnere in grado di progettare sistemi reali avanzati per l'analisi automatica di immagini e sequenze video per numerosi campi applicativi quali la visione industriale, la sicurezza, l'imaging aerospaziale, medico e biomedico. In particolare, al termine del corso, lo studente: - conosce e sa applicare tecniche avanzate per l'elaborazione e l'analisi di immagini e sequenze video 2D e 3D volte al miglioramento della qualità, all'estrazione di informazioni, all'automazione ed al controllo - è capace di progettare e realizzare sistemi di visione artificiale per la soluzione di problematiche reali nei diversi settori applicativi, per scopi industriali o scientifici - è in grado di applicare le competenze acquisite per realizzare algoritmi complessi di elaborazione ed analisi di immagini, utilizzando librerie software commerciali e di pubblico dominio - possiede gli strumenti di base per rielaborare ed ampliare, con un buon grado di autonomia, le proprie conoscenze nell'ambito degli argomenti dell'insegnamento - è in grado di scrivere una relazione tecnica e di presentare i risultati ottenuti - è in grado di lavorare in gruppo e di introdurre nel mondo del lavoro soluzioni basate sulla visione artificiale.

Contenuti

Introduzione

Definizione di visione artificiale (computer vision). Definizione di sistema per la elaborazione e l'analisi di immagini. Alcuni settori applicativi: videosorveglianza “intelligente”; tracciamento di persone per l'analisi del comportamento; analisi automatica di eventi nel monitoraggio del traffico; guida automatica di veicoli, ultraleggeri senza pilota (UAV - Unmanned Aerial Vehicles) e controllo satellitare; analisi di immagini mediche (TAC, RM, …) e biomediche (immagini microscopiche cellulari e istologiche); misure automatiche e controllo di qualità nella visione industriale; robotica e ricostruzione 3D della scena.

Formazione delle immagini

Tipi di immagine: fotografica, termica, radiografica. Livelli di grigio e canali colore. Processo e sistemi di formazione dell'immagine e digitalizzazione. Il dispositivo: lenti, aberrazioni, fuoco, diaframma. Radiometria: radianza e irradianza. Quantizzazione, risoluzione radiometrica e range dinamico. Rilevamento e correzione del vignetting. Funzione di risposta della telecamera (RF). Processo di acquisizione e campionamento. Risoluzione spaziale e Point Spread Function (PSF). Immagini da sensori non ottici.

Modelli e trasformazioni geometriche

Geometria di ripresa: posizione del sensore e prospettiva. Sistemi di coordinate mondo, telecamera, immagine. Trasformazioni e operazioni geometriche: interpolazione, scala (zoom in e zoom out), rotazioni, traslazioni, trasformazioni affini e proiettive. Parametri della telecamera e calibrazione geometrica: parametri intrinseci ed estrinseci. Modello prospettico debole e forte. Omografia e matrice prospettica. Pattern e tecniche di calibrazione. Calibrazione in laboratorio.

Segmentazione delle immagini

Definizione di istogramma, proprietà e forma. Istogramma cumulativo. Uso dell'istogramma nell'elaborazione ed analisi di immagini. Segmentazione di scene stazionarie. Segmentazione in interni e all'aperto: segmentazione di ombre e riflessi. Segmentazione di scena basata sul gradiente e trasformata di Hough. Segmentazione di oggetti: sogliatura fissa e adattiva. Segmentazione basata sul colore, split and merge, segmentazione geodesica, watershed e k-means non parametrico. Labelling. Applicazioni: computer grafica, identificazione automatica di oggetti, stabilizzazione automatica delle condizioni di illuminazione.

Pattern recognition e analisi di immagini con caratteristiche multidimensionali

Richiami di probabilità e statistica per l'analisi dati. Distribuzione e densità di probabilità. Funzione gaussiana 2D. Teoria della decisione e classificazione dei dati multidimensionali. Estrazione automatica di caratteristiche dall'immagine. Feature fotometriche, geometriche, statistiche. Elementi di analisi della tessitura e momenti. Feature multidimensionali e tecniche di riduzione della dimensionalità. Classificazione supervisionata e clustering. Misure di prossimità. Classificatore bayesiano, MAP e MLE. Riconoscimento automatico di oggetti. Applicazioni: riconoscimento e classificazione automatica di oggetti, visione industriale.

Analisi di sequenze di immagini e video

Tecnologie di acquisizione, formati e codec. Tecniche di estrazione e tracciamento di feature. Alcuni tracciatori “classici” e moderni e loro applicazioni. Segmentazione di oggetti in movimento. Algoritmi di campionamento casuale. Rilevamento ed analisi automatica del movimento. Tracciamento automatico di oggetti e feature. Applicazioni: sicurezza, rilevamento automatico di eventi, controllo di qualità, visione industriale. Stabilizzazione di immagini.

Ricostruzione della scena da viste multiple

Tecniche di registrazione di immagini e pattern matching. Registrazione di immagini: metodi locali e globali. Mosaico di immagini: registrazione frame-to-frame, frame-to-mosaic. Il problema del dead-reckoning e del looping-path. “Cucitura” di immagini: warping, interpolazione, blending. Visione 3D stereoscopica: principi e tecniche. Stereoscopia densa e per punti. Geometria epipolare. Calibrazione del sistema e rettificazione delle immagini. Ricostruzione di assetto e posa di telecamera in movimento. Formazione di immagini 3D da viste multiple. Ricostruzione 3D della scena da singola telecamera monoculare. Applicazioni: computer grafica, misure automatiche, statiche e dinamiche, di oggetti, guida e controllo automatico di veicoli. Panorama.

Casi di studio in applicazioni reali

Testi/Bibliografia

  • R. I. Hartley, A. Zisserman: “Multiple View Geometry in Computer Vision”, Second Edition, Cambridge University Press, 2004
  • Richard O. Duda, Peter E. Hart, David G. Stork: “Pattern Classification”, Second Edition, Wiley Interscience, New York, 2001

Metodi didattici

Lezioni in aula ed esercitazioni assistite in laboratorio. Ogni argomento teorico verrà immediatamente accompagnato dallo studio di casi in laboratorio che ne mettano in luce applicazioni significative. Per far acquisire agli studenti padronanza e familiarità con gli argomenti trattati verranno inoltre proposte esercitazioni da svolgere a casa, con successiva correzione in laboratorio.

Modalità di verifica dell'apprendimento

Gli studenti saranno valutati in base agli esercizi svolti durante il corso (12/30), ad un progetto sviluppato singolarmente (15/30), o in piccoli gruppi, in cui si prevede la consegna e la discussione di una relazione, e a domande di carattere più teorico (3/30) riguardante gli argomenti sviluppati durante il corso. La lode si potrà ottenere dimostrando un uso motlo efficace della teoria su un esempio pratico.

Strumenti a supporto della didattica

Nel sito del materiale didattico sono disponibili per il download le slide presentate a lezione ed il software per le esercitazioni in laboratorio.

Link ad altre eventuali informazioni

http://cvg.deis.unibo.it

Orario di ricevimento

Consulta il sito web di Alessandro Bevilacqua