COMPUTER VISION
Anno accademico 2015/2016 - 1° anno - Curriculum Data ScienceCrediti: 6
Organizzazione didattica: 150 ore d'impegno totale, 102 di studio individuale, 48 di lezione frontale
Semestre: 2°
Prerequisiti richiesti
corsi di base dedicati al trattamento e alla rappresentazione e classificazione e di dati.
Frequenza lezioni
Fortemente consigliata
Contenuti del corso
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
Testi di riferimento
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;