|
Insegnamento
LABORATORIO DI IMAGE PROCESSING
SUP7078177, A.A. 2018/19
Informazioni valide per gli studenti immatricolati nell'A.A. 2018/19
Dettaglio crediti formativi
Tipologia |
Ambito Disciplinare |
Settore Scientifico-Disciplinare |
Crediti |
ALTRO |
Altre conoscenze utili per l'inserimento nel mondo del lavoro |
-- |
3.0 |
Organizzazione dell'insegnamento
Periodo di erogazione |
Annuale |
Anno di corso |
I Anno |
Modalità di erogazione |
frontale |
Tipo ore |
Crediti |
Ore di didattica assistita |
Ore Studio Individuale |
LABORATORIO |
3.0 |
24 |
51.0 |
Inizio attività didattiche |
25/09/2018 |
Fine attività didattiche |
28/06/2019 |
Visualizza il calendario delle lezioni |
Lezioni 2019/20 Ord.2018
|
Commissioni d'esame
Commissione |
Dal |
Al |
Membri |
3 2019 |
01/12/2019 |
30/11/2020 |
SALEMI
GIUSEPPE
(Presidente)
VIDALE
MASSIMO
(Membro Effettivo)
|
2 2017/19 |
01/12/2018 |
30/11/2019 |
SALEMI
GIUSEPPE
(Presidente)
FARESIN
EMANUELA
(Membro Effettivo)
VIDALE
MASSIMO
(Membro Effettivo)
|
1 2017/18 |
01/12/2017 |
30/11/2018 |
SALEMI
GIUSEPPE
(Presidente)
FARESIN
EMANUELA
(Membro Effettivo)
VIDALE
MASSIMO
(Membro Effettivo)
|
Prerequisiti:
|
Il Laboratorio prevede competenze di base relative all'utilizzo di software su piattaforme Windows o Mac. In laboratorio saranno comunque illustrate le procedure di installazione dei software utilizzati. |
Conoscenze e abilita' da acquisire:
|
Lo studente, al termine del Laboratorio, sarà in grado di gestire immagini monocromatiche e a colori, saprà gestire le aberrazioni cromatiche e le distorsioni geometriche. Inoltre, acquisirà le conoscenze di base per acquisire e ricomporre mosaici di immagini. |
Modalita' di esame:
|
L'esame prevede una prova orale di accertamento delle competenze acquisite, tramite la presentazione di un progetto di gestione e visualizzazione di immagini singole e mosaicate in ambito archeologico.
La prova di accertamento consente di verificare che lo studente abbia effettivamente acquisito le conoscenze per estrarre informazioni, morfologie e tessiture da immagini digitali provenienti da differenti sensori. |
Criteri di valutazione:
|
La valutazione della preparazione dello studente avviene tramite la prova di esame con la presentazione del progetto. In particolare, si valuterà come lo studente sia in grado di gestire mosaici di immagini e di estrarre informazioni di interesse per la ricerca archeologica. |
Contenuti:
|
- Immagini monocromatiche, immagini a colori e multicanale.
- Algoritmi di trattamento e correzione di:
fuori fuoco (deblur)
aberrazioni cromatiche e sferiche
deformazioni geometriche delle ottiche
- Analisi di morfologie e di tessiture con estrazione di informazioni
- Classificazione e segmentazione
- Luminosità e colorimetria
- Acquisizione e ricomposizione di mosaici di immagini, in modalità nodale o planare |
Attivita' di apprendimento previste e metodologie di insegnamento:
|
Il Laboratorio verrà erogato con due modalità tra loro collegate. Le lezioni frontali teoriche si svolgono in aula con presentazioni in formato Powerpoint. Seguiranno degli esempi pratici che verranno replicati dallo studente sul suo laptop. Le esercitazioni pratiche prevedono l'importazione di immagini acquisite con differenti sensori ed in differenti formati, la loro visualizzazione, classificazione e segmentazione. |
Eventuali indicazioni sui materiali di studio:
|
Tutti i materiali presentati nel Laboratorio saranno disponibili nella piattaforma Moodle del Laboratorio in tre specifiche cartelle:
- cartella lezioni con i file in formato PDF delle presentazioni teoriche e degli esempi applicativi presentati in aula;
- cartella approfondimenti con articoli reperiti dalla letteratura scientifica di settore;
- cartella software con file di installazione e la manualistica relativa ai software free ed open source presentati in Laboratorio e da utilizzare per le attività pratiche. |
Testi di riferimento: |
-
Blanchet, Gérard, Digital Signal and Image Processing using MATLAB, Volume 1. Wiley: --, 2014.
-
Liu, Jian-Guo; Guo Liu, Jian; Mason, Philippa J., Essential Image Processing and GIS for Remote Sensing. --: --, --.
|
Didattica innovativa: Strategie di insegnamento e apprendimento previste
- Lecturing
- Laboratory
- Problem based learning
- Case study
- Working in group
Didattica innovativa: Software o applicazioni utilizzati
- Moodle (files, quiz, workshop, ...)
- Mathematica
- Matlab
- Gimp, REgard3D, ParaView
Obiettivi Agenda 2030 per lo sviluppo sostenibile
|
|