B5534 - COMPUTATIONAL IMAGING

Conoscenze e abilità da conseguire

Al termine del corso lo studente conosce alcuni metodi computazionali per l’elaborazione delle immagini e loro applicazioni, con particolare riferimento ai problemi inversi nell’imaging, quali rimozione del rumore, dello sfocamento, o super-risoluzione. E’ in grado di risolvere alcuni di questi problemi utilizzando sia algoritmi classici di ottimizzazione che moderni approcci basati su reti neurali convoluzionali (CNN).

Contenuti

- Concetti di base della formazione delle immagini  e modellazione del rumore

- Strumenti matematici per l' elaborazione di immagini: filtri, trasformata discreta di Fourier

- Applicazioni di computational imaging come problemi inversi: rimozione del rumore, del blur, super risoluzione, segmentazione, ricostruzione da dati tomografici , ....

- Metodi classici con approccio regolarizzazione per la risoluzione dei problemi di computational imaging 

- Approccio con reti neurali convolutive. Studio di architetture  e loss  per imaging allo stato dell'arte.

- Approccio generativo:  Generative Adversarial Networks (GAN), Diffusion models e loro applicazione in computational imaging. Recenti sviluppi.

- Esercitazioni pratiche utilizzando Python e Pytorch.

Testi/Bibliografia

 

Note del docente

Metodi didattici

Lezioni frontali ed esercitazioni con il laptop personale.

Modalità di verifica e valutazione dell'apprendimento

Consegna e discussione di un progetto assegnato dal docente alla fine del corso. Il progetto sarà discusso con sllides.

Strumenti a supporto della didattica

Lucidi e codici forniti dal docente.

Orario di ricevimento

Consulta il sito web di Elena Loli Piccolomini

Consulta il sito web di Davide Evangelista