logo-polimi
Loading...
Funzioni disponibili
Risorse bibliografiche
Risorsa bibliografica obbligatoria
Risorsa bibliografica facoltativa
Scheda Riassuntiva
Anno Accademico 2014/2015
Scuola Scuola di Ingegneria Industriale e dell'Informazione
Insegnamento 089166 - IMAGE ANALYSIS
Docente Caglioti Vincenzo
Cfu 5.00 Tipo insegnamento Monodisciplinare

Corso di Studi Codice Piano di Studio preventivamente approvato Da (compreso) A (escluso) Insegnamento
Ing Ind - Inf (Mag.)(ord. 270) - CO (435) INGEGNERIA INFORMATICA* AZZZZ088954 - COMPUTER VISION (INF-CO)
Ing Ind - Inf (Mag.)(ord. 270) - MI (434) INGEGNERIA INFORMATICA* AZZZZ089166 - IMAGE ANALYSIS
Ing Ind - Inf (Mag.)(ord. 270) - MI (436) INGEGNERIA DELL'AUTOMAZIONE* AZZZZ089166 - IMAGE ANALYSIS
Ing Ind - Inf (Mag.)(ord. 270) - MI (473) AUTOMATION AND CONTROL ENGINEERING - INGEGNERIA DELL'AUTOMAZIONE* AZZZZ089166 - IMAGE ANALYSIS
Ing Ind - Inf (Mag.)(ord. 270) - MI (481) COMPUTER SCIENCE AND ENGINEERING - INGEGNERIA INFORMATICA* AZZZZ089166 - IMAGE ANALYSIS

Programma dettagliato e risultati di apprendimento attesi

Purpose

The purpose of  the Image analysis course is to study both the foundations on image formation,

image analysis, and the methodology underlying the solution techinques to the main problems involved. 

Image analysis addresses the extraction of the content of one or several images, in order to obtain a representaton of the observed 3D scene. 

 Optical aspects, geometrical ones, and algorithmic aspects are studied,

as well as aspects connected to signal processing and data analysis. 

A project allows to closely examine, possibly from a practical point of view, one or more of the discussed topics.

 

 

Program

0. Introduction.

1. Camera sensors: transduction, optics, geometry, distortion

2. Basics on Projective geometry: modelling basic primitives (points, lines, planes, conic sections, quadric surfaces) and projective spatial transformations and projections.

3. Camera geometry, and single view analysis: localization of 3D models.

4. Multi-view analysis: 3D reconstruction, self-calibration.

5. Linear filters and convolutions, space-invariant filters, Fourier Transform, sampling and aliasing. 

6. Nonlinear filters: image morphology and morphology operators (dilate, erode, open, close), median filters.

7. Edge detection and feature detection techniques.

8. Image segmentation, contour segmentation, clustering, Hough Transform, Ransac (random sample consensus), EM (expectation maximization). 

9. Applications

 


Note Sulla Modalità di valutazione

Evaluation. The examination consists of a homework (max 6/30) plus either a project or a written proof (max 24/30).


Bibliografia
Risorsa bibliografica obbligatoriaR.Hartley, A. Zisserman, Multi-view Geometry in Computer Vision, Editore: McGraw- Hill, Anno edizione: 2004
Risorsa bibliografica obbligatoriaD.Forsyth, J. Ponce, Computer Vision: A Modern Approach

Mix Forme Didattiche
Tipo Forma Didattica Ore didattiche
lezione
32.0
esercitazione
16.0
laboratorio informatico
0.0
laboratorio sperimentale
0.0
progetto
0.0
laboratorio di progetto
0.0

Informazioni in lingua inglese a supporto dell'internazionalizzazione
Insegnamento erogato in lingua Inglese
Disponibilità di materiale didattico/slides in lingua inglese
Disponibilità di libri di testo/bibliografia in lingua inglese
Possibilità di sostenere l'esame in lingua inglese
Disponibilità di supporto didattico in lingua inglese
schedaincarico v. 1.5.0 / 1.5.0
Area Servizi ICT
22/05/2019