Corso di laurea magistrale in Informatica Multimedia - Prof. F.Stanco. Segmentazione. A cura di Andrea Tambone
|
|
- Costantino Orazio Parente
- 7 anni fa
- Visualizzazioni
Transcript
1 Corso di laurea magistrale in Informatica Multimedia - Prof. F.Stanco Segmentazione A cura di Andrea Tambone
2 Introduzione Lo scopo della segmentazione è suddividere un immagine in regioni contenenti pixel simili per valore, ovvero in regioni che ci consentano di individuare superfici e oggetti dall immagine di partenza. La segmentazione può esser utilizzata per object recognition, la stima di occlusion boundary, compressione di immagini, image editing e image database look-up. 16 Dicembre 2013 A cura di Andrea Tambone
3 Posta R un intera regione spaziale, occupata da un immagine, possiamo vedere la segmentazione come un processo di partizionamento di R in n sottoregioni: R 1, R 2,, R n
4 Requisiti 1) L unione delle partizioni di R dev essere uguale ad R stesso. 2) Ogni singola partizione di R dev essere un insieme connesso. 3) L intersezione tra tutti gli insieme di R dev esser l insieme vuoto (ovvero tutti gli insiemi devono essere disgiunti). 4) L insieme dei pixel di ogni singola regione deve avere la stessa intensità. 5) I pixel di due partizioni adiacenti devono avere intensità differente.
5 Una buona segmentazione è solitamente quella in cui: - Pixel della stessa categoria hanno simili valori in scala di grigi di intensità multivariata e formano una regione connessa. - Pixel vicini appartenenti a categorie differenti, hanno valori differenti. La segmentazione a volte è una fase critica nell analisi delle immagini, e molto spesso gli algoritmi automatici hanno un successo solo parziale, tuttavia alcuni interventi manuali possono favorire una buona segmentazione.
6 Approcci: EDGE BASED Un filtro di Edge viene applicato all immagine, in base all output i pixel vengono classificati come edge o non edge e i pixel che non sono separati da quelli di edge vengono inglobati nella medesima categoria. THRESHOLDING BASED I Pixel sono allocati nelle varie categorie in base al range di valori in cui giaciono nell istogramma dell immagine. Questo metodo segmenta con maggior successo le immagini in due tipi di categorie.
7 Approcci: REGION BASED Gli algoritmi di segmentazione operano iterativamente raggruppando i pixel vicini con valori simili e separando i gruppi di pixel di valore non simile. NON ESISTE UN APPROCCIO PERFETTO, OGNUNO DI QUESTI HA DELLE PECCHE
8 Edge Based Methods Etichettatura dei pixel di un immagine in edge e non edge, i non edge che formano regioni connesse vengono allocati alla stessa categoria. L etichettatura avviene per mezzo di filtri di Edge-detection. 16 Dicembre 2013 A cura di Andrea Tambone
9 Operatori di Edge- Detection Prewitt Sobel Canny
10 Connected Components Algorithms Tutti i pixel sono visitati a turno, partendo dall angolo in alto a sinistra e scorrendo lungo tutte le righe, finendo nell angolo in basso a destra. Per ogni pixel non-edge, (i,j), le seguenti condizioni sono verificate: Se i suoi vicini già visitati (i-1,,j) e (i, j-1) nel caso di 4-connessi e anche (i-1,j-1) e (i-1,j+1) nel caso degli 8-connessi sono tutti pixel di edge, allora viene creata una nuova categoria ed è allocata in (i,j). Alternativamente, se tutti i pixel vicini appartenenti ad una singola categoria sono non-edge, allora (i,j) viene piazzato nella stessa categoria. Nel caso in cui un pixel vicino appartenga a due o più categorie, (i,j) viene assegnato ad uno di esse e viene segnato che le due categorie sono connesse e potrebbero essere considerate un unica categoria.
11 Thresholding Posto un valore soglia di luminanza o media o varianza o altra proprietà in un immagine, questa strategia suddivide la stessa (attraverso una o più soglie) in due o più tipi di categorie. La soglia può essere fissata arbitrariamente, o in maniera automatica in base a criteri usualmente statistici. Può essere globale o locale. 16 Dicembre 2013 A cura di Andrea Tambone
12 Vantaggi: Semplicità di Implementazione; Velocità computazionale; Svantaggi: Impreciso su immagini a colori; Perdita di informazioni di prossimità.
13 Ruolo del rumore L immagine A è pura da qualsiasi rumore, come si può notare dal suo istrogramma, l immagine B presenta un rumore Gaussiano di media 0 e una deviazione standard di 10 livelli di intensità, l immagine C presenta un rumore Gaussiano di media 0 e di 50 livelli di intensità.
14 Ruolo della luminosità e della riflettanza L immagine A è ben illuminata, come si può notare dal suo istrogramma, l immagine B presenta un una illuminazione non uniforme, data dalla moltiplicazione dell immagine A con una funzione di intensità variabile, all immagine C è stato applicato uno Shading Pattern.
15 UN OTTIMO METODO DI THRESHOLDING GLOBALE: OTSU In questa strategia basata sull istogramma globale, la soglia viene scelta automaticamente, in maniera tale da minimizzare la varianza intra-classe tra le categorie, massimizzando di fatto la varianza interclasse.
16 STRATEGIA OTSU
17 STRATEGIA OTSU: L ALGORITMO 1) Consideriamo un immagine digitale MxN pixel con L distinti livelli di intensità e sia n i il numero di pixel di intensità i. Computa l istogramma normalizzato di un immagine e denota le componenti con P i con i compreso tra 0 e L-1. 2) Computa la somma cumulativa, P 1 (k), con k compreso tra 0 e L-1 e quindi la probabilità che un pixel sia assegnato ad una certa classe.
18 STRATEGIA OTSU: L ALGORITMO 3) Computa la media cumulativa dei valori medi di intensità dei pixel per classe, m(k), con k compreso tra 0 e L-1. 4) Computa l intensità media globale, M G
19 STRATEGIA OTSU: L ALGORITMO 5) Computa la varianza intra-classe σ 2 B(k), con σ 2 B(k) compreso tra 0 e L-1. 6) Ottieni l istogramma di Otsu, k*, come il valore k per cui σ 2 B(k) è massimo. Se il massino non è unico, ottieni k* dalla media dei valori di k corrispondenti alla varianza massima individuata.
20 STRATEGIA OTSU: L ALGORITMO 7) Ottieni la misura di separabilità, η*, dalla valutazione di: con k= k*
21 OTSU TESTIAMOLO SU MATLAB!
22 Region Based Methods I metodi Region-based possono esser: Merging dei pixel; Splitting delle immagini in regioni; Split-and-merge in uno schema di ricerca iterativo. 16 Dicembre 2013 A cura di Andrea Tambone
23 Region Merging Seeded region growing Metodo automatico o semi-automatico di tipo Merging. Posizionato un insieme di seeds(dischi bianchi di raggio 3) Viene applicato l operatore Prewitt In bianco in sovraimpressione avremo i seeds e i confini delle categorie,l algoritmo prende il nome di watershed. Considerazioni Per dischi di raggio minore di 3 pixel, l operatore di Prewitt risulta meno sensibile alle fluttuazioni. L algoritmo nel suo utilizzo standard è totalmente automatico, attraverso l applicazione di un filtro di varianza subito dopo l equalizzazione dell istogramma. - I seeds appariranno nei minimi locali, dopo aver scelto un peso Gaussiano abbastanza grande da assicurarci che l output del filtro non abbia più punti di minimo locali
24 WATERSHED TESTIAMOLO SU MATLAB!
25 Merging and Splitting Primo Step Splitting Viene calcolata la varianza dell intera immagine, se la varianza eccede in un determinato limite, allora l immagine viene suddivisa in 4 quadranti, e così ricorsivamente, fino a che l intera immagine è composta da un insieme di quadrati di varia dimensione, tutti sotto il limite varianza. Considerazioni -I quadrati sono più piccoli in parti di immagine poco uniformi. - L algoritmo richiede un immagine di dimensioni n, con n potenza di 2.
26 Merging and Splitting Secondo Step Merging Comporta il fondersi dei quadrati con un bordo in comune, provvedendo a non eccedere il limite della varianza. Una volta che tutte le fusioni sono state completate, il risultato è una segmentazione in cui ogni regione ha una varianza minore del limite. TESTIAMO L ALGORITMO SU MATLAB
27 Altre ottime tecniche di segmentazione : - Trasformata di Hough: potente tecnica di ricerca per linee dritte e altre forme parametrizzate. - Le immagini possono esser spezzate in forme primitive, in maniera del tutto simile alla decomposizione di una frase in parole, usando metodi sintattici; - I modelli di forme da cercare può essere rappresentato come template e matchato alle immagini. I template possono essere rigidi e la mappatura flessibile, o anche il template stesso può essere flessibile.
28 Grazie per l attenzione! 16 Dicembre 2013 A cura di Andrea Tambone
29 Bibliografia - Digital Image Processing R.C. Gonzales, R.E. Woods Prenctice Hall Segmentation - Chris Glasbey -
ELABORAZIONE DELLE IMMAGINI:
Università degli Studi di Catania Facoltà di Scienze Matematiche,Fisiche e Naturali Corso di Laurea in Informatica, Secondo Livello ELABORAZIONE DELLE IMMAGINI: EDGE DETECTION Corso di Analisi Numerica
DettagliTrasformazioni di intensità Filtraggio spaziale. 31/03/2010 Francesca Pizzorni Ferrarese
Trasformazioni di intensità Filtraggio spaziale 31/03/2010 Francesca Pizzorni Ferrarese Istogrammi L istogramma è la rappresentazione grafica della quantità di pixel presenti nell immagine per ciascun
DettagliHISTOGRAM MATCHING Di Raimondo Graziano - Nicolosi Salvatore Multimedia A.A
HISTOGRAM MATCHING Di Raimondo Graziano - Nicolosi Salvatore Multimedia A.A 2013-2014 Introduzione Un istogramma è un grafico che mostra la distribuzione delle varie tonalità di una data immagine digitale
DettagliFondamenti di Elaborazione di Immagini Estrazione dei Bordi e Segmentazione. Raffaele Cappelli raffaele.cappelli@unibo.it
Fondamenti di Elaborazione di Immagini Estrazione dei Bordi e Segmentazione Raffaele Cappelli raffaele.cappelli@unibo.it Contenuti Estrazione dei bordi Calcolo del gradiente Operatori di Roberts Operatori
DettagliImage segmentation. Elaborazione intermedia
Image segmentation Edge detection Elaborazione intermedia elaborazione intermedia si occupa di ottenere una descrizione signiicativa della scena mediante la segmentazione suddivisione della immagine in
DettagliOperazioni sulle immagini digitali
Operazioni sulle immagini digitali Categorie di operatori L istogramma dei livelli di grigio Trasformazioni puntuali Equalizzazione Operazioni su immagini digitali I tipi di operazioni che si possono realizzare
DettagliImage Elaboration. Image Processing
Image Elaboration Immagine digitale Un immagine digitale può essere rappresentata come una matrice con un prefissato numero di righe e colonne che ne determinano la risoluzione (campionamento). L'unità
DettagliProcessamento di immagini
Processamento di immagini Applicazioni Immagini biomediche Modifica di immagini Confronto e registrazione... Formazione Ogge=o in - > Immagine out Processamento Immagine in - > Immagine out Analisi Immagine
DettagliFACOLTA DI INGEGNERIA INGEGNERIA INFORMATICA A.A. 2008/2009. Corso VISIONE E PERCEZIONE. Docente. Prof. FIORA PIRRI. Tutor MATIA PIZZOLI
FACOLTA DI INGEGNERIA INGEGNERIA INFORMATICA A.A. 2008/2009 Corso VISIONE E PERCEZIONE Docente Prof. FIORA PIRRI Tutor MATIA PIZZOLI MAPPA DI DISPARITA Studente Redjan Shabani (1013173) 0 Definizione di
DettagliCapitolo 10 SEGMENTAZIONE DI IMMAGINI
Capitolo 10 SEGMENTAZIONE DI IMMAGINI La segmentazione suddivide un'immagine nelle regioni o negli oggetti che la compongono. Il dettaglio della segmentazione dipende da ciò che si vuole ottenere dall'immagine,
DettagliRiconoscimento e recupero dell informazione per bioinformatica
Riconoscimento e recupero dell informazione per bioinformatica Analisi Immagini Biomedicali Manuele Bicego Corso di Laurea in Bioinformatica Dipartimento di Informatica - Università di Verona Parte del
DettagliL istogramma. Interazione & Multimedia 2
Istogramma 1 L istogramma I pixel di una immagine sono una popolazione sulla quale possiamo calcolare tutte le quantità statistiche descrittive che si usano normalmente: Media, mediana, varianza, deviazione
DettagliFasi dell analisi di dati da microarray (2)
Fasi dell analisi di dati da microarray (). Image Processing: le immagini sono analizzate per determinare una misura dell intensità di ogni spot, insieme ad una valutazione della sua affidabilità. Data
DettagliOperatori locali su immagini digitali
Operatori locali su immagini digitali Deinizione degli operatori locali Filtri di smoothing Filtri di sharpening Filtri derivativi Operatori locali Questi operatori sono usati per: miglioramento della
DettagliCorso di Visione Artificiale. Texture. Samuel Rota Bulò
Corso di Visione Artificiale Texture Samuel Rota Bulò Texture Le texture sono facili da riconoscere ma difficili da definire. Texture Il fatto di essere una texture dipende dal livello di scala a cui si
DettagliElaborazione dei Segnali Multimediali a.a. 2009/2010. Segmentazione
Elaborazione dei Segnali Multimediali a.a. 2009/2010 Segmentazione In questa esercitazione vengono implementate alcune delle tecniche base per la segmentazione di immagini. In particolare, si focalizzerà
DettagliAutomatic and Accurate Extraction of Road Intersections from Raster Maps
Automatic and Accurate Extraction of Road Intersections from Raster Maps Studente Francesco Vitagliani Introduzione L uso delle mappe è noto da tempi antichi. Oggi grazie alla diffusione di mappe raster,
DettagliLa statistica. Elaborazione e rappresentazione dei dati Gli indicatori statistici. Prof. Giuseppe Carucci
La statistica Elaborazione e rappresentazione dei dati Gli indicatori statistici Introduzione La statistica raccoglie ed analizza gruppi di dati (su cose o persone) per trarne conclusioni e fare previsioni
DettagliUniversita degli Studi di Siena
Universita degli Studi di Siena Facolta di Ingegneria Dispense del corso di Sistemi di Supporto alle Decisioni I L algoritmo per la risoluzione di problemi di programmazione dinamica Chiara Mocenni Corso
DettagliArray e Oggetti. Corso di Laurea Ingegneria Informatica Fondamenti di Informatica 1. Dispensa 12. A. Miola Dicembre 2006
Corso di Laurea Ingegneria Informatica Fondamenti di Informatica 1 Dispensa 12 Array e Oggetti A. Miola Dicembre 2006 http://www.dia.uniroma3.it/~java/fondinf1/ Array e Oggetti 1 Contenuti Array paralleli
Dettagli1/55. Statistica descrittiva
1/55 Statistica descrittiva Organizzare e rappresentare i dati I dati vanno raccolti, analizzati ed elaborati con le tecniche appropriate (organizzazione dei dati). I dati vanno poi interpretati e valutati
DettagliMorfologia Matematica su immagini in scala di grigio
Morfologia Matematica su immagini in scala di grigio Dilation, erosion, opening, closing Top-Hat, Bottom-Hat Algoritmi Morfologici in scala di grigio Dalle immagini binarie alle immagini in scala di grigio
DettagliCenno al trattamento delle immagini digitali. Cartografia numerica e GIS Domenico Sguerso
Cenno al trattamento delle immagini digitali Cartografia numerica e GIS Domenico Sguerso Digital Image Processing: Preprocessing (Memorizzazione) analysis Trattamento dell immagine: - ricampionamento necessario
DettagliIl Corso di Fisica per Scienze Biologiche
Il Corso di Fisica per Scienze Biologiche Ø Prof. Attilio Santocchia Ø Ufficio presso il Dipartimento di Fisica (Quinto Piano) Tel. 75-585 278 Ø E-mail: attilio.santocchia@pg.infn.it Ø Web: http://www.fisica.unipg.it/~attilio.santocchia/
DettagliElementi di grafica raster
Elementi di grafica raster Segnali mono-bidimensionali Segnale: variazione di una grandezza fisica rispetto al tempo e/o allo spazio cioè Valore della grandezza ad ogni istante di tempo (spazio) Un segnale
DettagliSTATISTICA 1 ESERCITAZIONE 6
STATISTICA 1 ESERCITAZIONE 6 Dott. Giuseppe Pandolfo 5 Novembre 013 CONCENTRAZIONE Osservando l ammontare di un carattere quantitativo trasferibile su un collettivo statistico può essere interessante sapere
DettagliProgrammazione con Foglio di Calcolo Cenni di Statistica Descrittiva
Fondamenti di Informatica Ester Zumpano Programmazione con Foglio di Calcolo Cenni di Statistica Descrittiva Lezione 5 Statistica descrittiva La statistica descrittiva mette a disposizione il calcolo di
DettagliRUOLO DELLA MODELLAZIONE GEOMETRICA PARTE IN QUESTA LEZIONE E LIVELLI DI MODELLAZIONE. Prof. Daniele Regazzoni
RUOLO DELLA MODELLAZIONE GEOMETRICA E LIVELLI DI MODELLAZIONE PARTE 2 Prof. Daniele Regazzoni... IN QUESTA LEZIONE Modelli 2D/3D Modelli 3D/3D Dimensione delle primitive di modellazione Dimensione dell
DettagliProgramma del corso di Elaborazione delle immagini I
Programma del corso di Elaborazione delle immagini I 7 marzo 2011 Questo documento contiene una descrizione del programma svolto nel corso di Elaborazione delle immagini I, a.a. 2009/10, in relazione agli
DettagliEsercitazione su filtro di Sobel per l elaborazione delle immagini
Ver. 1. Esercitazione su filtro di Sobel per l elaborazione delle immagini Il filtro di Sobel opera sulle immagini come un gradiente lungo una direzione. In particolare detta f ( x, y) l intensità dell
Dettagli1 - STATO DELL ARTE DEI SISTEMI DI VIDEOSORVEGLIANZA...7
INDICE 1 - STATO DELL ARTE DEI SISTEMI DI VIDEOSORVEGLIANZA...7 1.1 - INTRODUZIONE...7 1.2 - EVOLUZIONE DEI SISTEMI DI VIDEOSORVEGLIANZA...10 1.2.1 - Sistemi di videosorveglianza di prima generazione (first-generation
DettagliTecniche di riconoscimento statistico
On AIR s.r.l. Tecniche di riconoscimento statistico Applicazioni alla lettura automatica di testi (OCR) Parte 10 Combinazione di classificatori Ennio Ottaviani On AIR srl ennio.ottaviani@onairweb.com http://www.onairweb.com/corsopr
DettagliOperatori locali. Operatori locali. Q=f(P,w)
Operatori locali Operatori locali P(i,j) Gli operatori locali associano ad ogni piel ( i,j) della immagine di output Q un valore calcolato in un intorno o finestra w centrata nel piel P(i,j) Q=f(P,w) Operatori
DettagliElaborazione di immagini digitali: trasformare e migliorare
Università degli Studi di Palermo Dipartimento di Ingegneria Informatica Elaborazione di Immagini e Suoni / Riconoscimento e Visioni Artificiali 12 c.f.u. Anno Accademico 2009/2010 Docente: ing. Salvatore
Dettaglile scale di misura scala nominale scala ordinale DIAGNOSTICA PSICOLOGICA lezione si basano su tre elementi:
DIAGNOSTICA PSICOLOGICA lezione! Paola Magnano paola.magnano@unikore.it si basano su tre elementi: le scale di misura sistema empirico: un insieme di entità non numeriche (es. insieme di persone; insieme
DettagliSegmentazione delle immagini
http://www.dmi.unict.it/~iplab Segmentazione delle immagini Giovanni Maria Farinella gfarinella@dmi.unict.it www.dmi.unict.it/~gfarinella How do we know which groups of pixels are related to the same object?
DettagliWeek #9 Assessment. Practice makes perfect... November 23, 2016
Week #9 Assessment Practice makes perfect... November 23, 2016 Esercizio 1 Un azienda di trasporto deve caricare m camion {1,..., m} in modo da servire giornalmente un dato insieme di clienti. Nei camion
DettagliStatistica descrittiva
Statistica descrittiva Caso di 1 variabile: i dati si presentano in una tabella: Nome soggetto Alabama Dato 11.6.. Per riassumere i dati si costruisce una distribuzione delle frequenze. 1 Si determina
DettagliStatistica Inferenziale
Statistica Inferenziale a) L Intervallo di Confidenza b) La distribuzione t di Student c) La differenza delle medie d) L intervallo di confidenza della differenza Prof Paolo Chiodini Dalla Popolazione
DettagliLe immagini digitali
Le immagini digitali immagini raster immagini vettoriali Immagini raster Dette pittoriche o pixel oriented dividono l immagine in una griglia uniforme. Ciascuna cella della griglia ha uguale dimensione.
DettagliNote sulla probabilità
Note sulla probabilità Maurizio Loreti Dipartimento di Fisica Università degli Studi di Padova Anno Accademico 2002 03 1 La distribuzione del χ 2 0.6 0.5 N=1 N=2 N=3 N=5 N=10 0.4 0.3 0.2 0.1 0 0 5 10 15
DettagliFondamenti di Elaborazione di Immagini Introduzione. Raffaele Cappelli.
Fondamenti di Elaborazione di Immagini Introduzione Raffaele Cappelli raffaele.cappelli@unibo.it Obiettivi del corso Il corso introduce i principali concetti e le tecniche di base per l elaborazione delle
DettagliIndice della presentazione
Indice della presentazione Introduzione; Risposta spettrale della vegetazione e riconoscimento incendi; Tecniche di classificazione automatica e mappe del combustibile; Stima di parametri biochimici e
DettagliElaborazione di Segnali Multimediali a.a. 2013/2014. Segmentazione
Elaborazione di Segnali Multimediali a.a. 2013/2014 Segmentazione In questa esercitazione vengono implementate alcune delle tecniche base per la segmentazione di immagini. In particolare, si focalizzerà
DettagliCalcolo della Concentrazione Rappresentativa della Sorgente (CRS)
Calcolo della Concentrazione Rappresentativa della Sorgente (CRS) Prof. Renato Baciocchi, Università di Roma Tor Vergata Emiliano Scozza Università di Roma Tor Vergata 1 Valutazione dei Dati Data Set di
DettagliIntroduzione a Matlab
Introduzione a Matlab Filtri: Media, Gaussiano, Mediano Fondamenti di Visione Artificiale a.a. 2015/2016 07/04/16 Introduzione a Matlab 1 Definizione di un filtro: Kernel Ciascun filtro è definito dal
DettagliIL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA
Metodi per l Analisi dei Dati Sperimentali AA009/010 IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA Sommario Massima Verosimiglianza Introduzione La Massima Verosimiglianza Esempio 1: una sola misura sperimentale
DettagliIstogramma dei livelli di grigio
Capitolo 4 - Operatori Puntuali 1 Istogramma dei livelli di grigio L istogramma dei livelli di grigio di un immagine è una funzione che associa a ciascun livello il numero di pixel dell immagine aventi
Dettaglila velocità degli uccelli è di circa (264:60= 4.4) m/s)
QUESTIONARIO 1. Si sa che certi uccelli, durante la migrazione, volano ad un altezza media di 260 metri. Un ornitologa osserva uno stormo di questi volatili, mentre si allontana da lei in linea retta,
DettagliStudio di stabilità per una curva di luce ottenuta con CCD SBIG ST10XME e software di elaborazione MaximDL. (A cura di Fabio Zara)
Studio di stabilità per una curva di luce ottenuta con CCD SBIG ST10XME e software di elaborazione MaximDL (A cura di Fabio Zara) Introduzione La fotometria stellare in genere riguarda lo studio di una
DettagliClassificazione Object-Oriented
Classificazione Object-Oriented Cos è una classificazione? La classificazione è un operazione con cui a partire da dati telerilevati vengono prodotte delle mappe tematiche dove ogni pixel viene assegnato
DettagliStatistica Un Esempio
Statistica Un Esempio Un indagine sul peso, su un campione di n = 100 studenti, ha prodotto il seguente risultato. I pesi p sono espressi in Kg e sono stati raggruppati in cinque classi di peso. classe
DettagliL A B C di R. Stefano Leonardi c Dipartimento di Scienze Ambientali Università di Parma Parma, 9 febbraio 2010
L A B C di R 0 20 40 60 80 100 2 3 4 5 6 7 8 Stefano Leonardi c Dipartimento di Scienze Ambientali Università di Parma Parma, 9 febbraio 2010 La scelta del test statistico giusto La scelta della analisi
DettagliIdentificazione del dispositivo sorgente
UNIVERSITÀ DEGLI STUDI DI FIRENZE Facoltà di Ingegneria Corso di Laurea in INGEGNERIA INFORMATICA Identificazione del dispositivo sorgente mediante tecniche di Image Forensics Tesi di Laurea di ANDREA
DettagliLez. 7 Immagini Digitali. Prof. Pasquale De Michele (Gruppo 2) e Raffaele Farina (Gruppo 1) 1
Lez. 7 Immagini Digitali Prof. Pasquale De Michele (Gruppo 2) e Raffaele Farina (Gruppo 1) 1 Dott. Pasquale De Michele Dott. Raffaele Farina Dipartimento di Matematica e Applicazioni Università di Napoli
DettagliAnalisi della varianza
Analisi della varianza Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona ANALISI DELLA VARIANZA - 1 Abbiamo k gruppi, con un numero variabile di unità statistiche.
DettagliPIXEL. Il valore quantizzato misurato da ciascun sensore diventa un. PICTURE ELEMENT = PIXEL dell immagine. Interazione & Multimedia
La risoluzione PIXEL Il valore quantizzato misurato da ciascun sensore diventa un PICTURE ELEMENT = PIXEL dell immagine La risoluzione Definizione: si dice risoluzione il numero di pixel per unità di misura.
DettagliSTATISTICA 1 ESERCITAZIONE 2
Frequenze STATISTICA 1 ESERCITAZIONE 2 Dott. Giuseppe Pandolfo 7 Ottobre 2013 RAPPRESENTAZIONE GRAFICA DEI DATI Le rappresentazioni grafiche dei dati consentono di cogliere la struttura e gli aspetti caratterizzanti
DettagliCLASSIFICAZIONE DELLE IMMAGINI. Immagini fisiche (non visibili): distribuzioni bidimensionali di parametri (proprietà fisiche misurabili)
CLASSIFICAZIONE DELLE IMMAGINI Immagini visibili: percepibili dall'occhio Immagini fisiche (non visibili): distribuzioni bidimensionali di parametri (proprietà fisiche misurabili) Funzioni matematiche:
DettagliStatistica del turismo. Indice. 1. Premessa La compilazione di un grafico La rappresentazione di mutabili... 5
INSEGNAMENTO DI STATISTICA DEL TURISMO LEZIONE X LE RAPPRESENTAZIONI GRAFICHE PROF. GIOVANNI DI TRAPANI Indice 1. Premessa... 3 2. La compilazione di un grafico.... 4 3. La rappresentazione di mutabili....
DettagliL analisi dei dati. Primi elementi. EEE- Cosmic Box proff.: M.Cottino, P.Porta
L analisi dei dati Primi elementi Metodo dei minimi quadrati Negli esperimenti spesso si misurano parecchie volte due diverse variabili fisiche per investigare la relazione matematica tra le due variabili.
DettagliMakespan con set-up dipendenti dalla sequenza. 1/s jk /C max
Makespan con set-up dipendenti dalla sequenza 1/s jk /C max 1/s jk /C max Un tempo di riattrezzaggio (set-up) s jk è richiesto fra il processamento di j e quello di k. In questo caso, C max dipende dalla
DettagliMatrici e immagini digitali
Matrici e immagini digitali Dirce Uesu Pesco e Humberto José Bortolossi 1 aprile 01 Le immagini che si vedono sulle pagine internet e le foto che si fanno con il cellulare sono esempi di immagini digitali.
DettagliAcquisizione e rappresentazione di immagini
Acquisizione e rappresentazione di immagini Stefano Ferrari Università degli Studi di Milano stefano.ferrari@unimi.it Elaborazione delle immagini anno accademico 2009 2010 Radiazione elettromagnetica λ
Dettagliper immagini guida avanzata Modificare numeri e date Geometra Luigi Amato Guida Avanzata per immagini Excel
Modificare numeri e date Geometra Luigi Amato Guida Avanzata per immagini Excel 2000 1 Questi formati applicano l impostazione predefinita per ciascuno dei formati. È importante notare che, indipendentemente
DettagliSistemi Elettronici e informatici in ambito Radiologico // Informatica Medica parte c A.A. 2014-15
Sistemi Elettronici e informatici in ambito Radiologico // Informatica Medica parte c A.A. 2014-15 Agostino ACCARDO Dipartimento di Ingegneria e Architettura 040-5587148 accardo@units.it Testi di riferimento:
DettagliProblemi di massimo e minimo
Problemi di massimo e minimo Supponiamo di avere una funzione continua in Per il teorema di Weierstrass esistono il massimo assoluto M e il minimo assoluto m I problemi di massimo e minimo sono problemi
DettagliCorso di Laurea in Ingegneria Informatica e Automatica (M-Z) Università di Roma La Sapienza
Corso di Laurea in Ingegneria Informatica e Automatica (M-Z) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 16/06/2016 NOME: COGNOME: MATRICOLA: Esercizio 1 Cinque lettere
DettagliLa codifica delle immagini
Lettere e numeri non costituiscono le uniche informazioni utilizzate dagli elaboratori ma si stanno diffondendo sempre di più applicazioni che utilizzano ed elaborano anche altri tipi di informazione:
DettagliIntelligenza Artificiale. Clustering. Francesco Uliana. 14 gennaio 2011
Intelligenza Artificiale Clustering Francesco Uliana 14 gennaio 2011 Definizione Il Clustering o analisi dei cluster (dal termine inglese cluster analysis) è un insieme di tecniche di analisi multivariata
DettagliElaborazione di Immagini
Elaborazione di Immagini A.A. 2007/2008 Prof. Sebastiano Battiato Martedì, Giovedì (15.00-17.00) Programma del Corso (1/2) Il corso si propone di approfondire teorie e tecniche specificatamente rivolte
DettagliManagement Sanitario. Modulo di Ricerca Operativa
Management Sanitario per il corso di Laurea Magistrale SCIENZE RIABILITATIVE DELLE PROFESSIONI SANITARIE Modulo di Ricerca Operativa Prof. Laura Palagi http://www.dis.uniroma1.it/ palagi Dipartimento di
DettagliSperimentazioni di Fisica I mod. A Statistica - Lezione 2
Sperimentazioni di Fisica I mod. A Statistica - Lezione 2 A. Garfagnini M. Mazzocco C. Sada Dipartimento di Fisica G. Galilei, Università di Padova AA 2014/2015 Elementi di Statistica Lezione 2: 1. Istogrammi
DettagliPremessa: la dipendenza in media
Premessa: la dipendenza in media Supponiamo di avere K diversi livelli di un fattore che potrebbero influire su una determinata variabile. Per esempio supponiamo di domandarci se la diversificazione (intesa
DettagliCorso di Intelligenza Artificiale A.A. 2016/2017
Università degli Studi di Cagliari Corsi di Laurea Magistrale in Ing. Elettronica Corso di Intelligenza rtificiale.. 26/27 Esercizi sui metodi di apprendimento automatico. Si consideri la funzione ooleana
DettagliSoluzioni di Esercizi di Esame di Segnali Aleatori per Telecomunicazioni
Corso di Laurea in Ingegneria Informatica corso di Telecomunicazioni (Prof. G. Giunta) (editing a cura dell ing. F. Benedetto) Soluzioni di Esercizi di Esame di Segnali Aleatori per Telecomunicazioni Esame
Dettagli1 Esercizi di Matlab. L operatore : permette di estrarre sottomatrici da una matrice assegnata. Vediamo alcuni esempi.
Esercizi di Matlab L operatore : permette di estrarre sottomatrici da una matrice assegnata. Vediamo alcuni esempi. Esempio Consideriamo la matrice A formata da n = righe e m = colonne M = 5 6 7 8. 9 0
DettagliCompressione lossless di immagini composite
Compressione lossless di immagini composite Corso di Compressione Dati Sistemi Multimediali Compressi Compression Team Prof. Bruno Carpentieri A.A. 2007/2008 Overview Introduzione Analisi del problema
DettagliL'Informazione e la sua Codifica. Maurizio Palesi
L'Informazione e la sua Codifica Maurizio Palesi 1 Obiettivo Il calcolatore è una macchina digitale Il suo linguaggio è composto da due soli simboli Gli esseri umani sono abituati a comunicare utlizzando
DettagliObiettivi Strumenti Cosa ci faremo? Probabilità, distribuzioni campionarie. Stimatori. Indici: media, varianza,
Obiettivi Strumenti Cosa ci faremo? inferenza Probabilità, distribuzioni campionarie uso stima Stimatori significato teorico descrizione Indici: media, varianza, calcolo Misure di posizione e di tendenza
DettagliUNIVERSITÀ DEGLI STUDI DI PAVIA FACOLTÀ DI INGEGNERIA. Matlab: esempi ed esercizi
UNIVERSITÀ DEGLI STUDI DI PAVIA FACOLTÀ DI INGEGNERIA Matlab: esempi ed esercizi Sommario e obiettivi Sommario Esempi di implementazioni Matlab di semplici algoritmi Analisi di codici Matlab Obiettivi
DettagliEsplorazione dei dati
Esplorazione dei dati Introduzione L analisi esplorativa dei dati evidenzia, tramite grafici ed indicatori sintetici, le caratteristiche di ciascun attributo presente in un dataset. Il processo di esplorazione
DettagliAnalisi degli Errori di Misura. 08/04/2009 G.Sirri
Analisi degli Errori di Misura 08/04/2009 G.Sirri 1 Misure di grandezze fisiche La misura di una grandezza fisica è descrivibile tramite tre elementi: valore più probabile; incertezza (o errore ) ossia
DettagliDescrittori per i contorni: lunghezza, orientazione, del segmento congiungente punti estremi, numero di concavità
Texture analysis Introduzione Una regione di una immagine può essere rappresentata mediante le sue caratteristiche esterne i contorni Descrittori per i contorni: lunghezza, orientazione, del segmento congiungente
DettagliTipi di dato personalizzati Array di struct. Tipi di dato utente. Laboratorio di Programmazione I. Corso di Laurea in Informatica A.A.
Array di Tipi di dato utente Laboratorio di Programmazione I Corso di Laurea in Informatica A.A. 2016/2017 Array di Calendario delle lezioni Lez. 1 Lez. 2 Lez. 3 Lez. 4 Lez. 5 Lez. 6 Lez. 7 Lez. 8 - Introduzione
DettagliUniversità degli studi di Catania Facoltà di scienze Matematiche, Fisiche e Naturali Corso di Laurea in Informatica Magistrale
Università degli studi di Catania Facoltà di scienze Matematiche, Fisiche e Naturali Corso di Laurea in Informatica Magistrale Alessandro Ortis Estensione del software ImageJ con l implementazione di un
DettagliUniversità degli Studi di Catania Corso di Laurea Magistrale in Informatica Multimedia 2013/14. Cantarella Danilo. OpenCV Android
Università degli Studi di Catania Corso di Laurea Magistrale in Informatica Multimedia 2013/14 Cantarella Danilo Introduzione OpenCV (Open Source Computer Vision Library) è una libreria disponibile per
DettagliCodifica CCITT Fax. Introduzione Codifica monodimensionale Codifica bidimensionale. Codifica CCITT Fax. Codifica JBIG2
Codifica CCITT Fax Metodo per la codifica senza perdita di immagini bitonali, standardizzato nel 1988 dal CCITT (ora ITU-T) Sviluppato per la trasmissione di fax, ma utilizzato anche per l archiviazione
DettagliStatistica di base per l analisi socio-economica
Laurea Magistrale in Management e comunicazione d impresa Statistica di base per l analisi socio-economica Giovanni Di Bartolomeo gdibartolomeo@unite.it Definizioni di base Una popolazione è l insieme
DettagliMagnete in caduta in un tubo metallico
Magnete in caduta in un tubo metallico Progetto Lauree Scientifiche 2009 Laboratorio di Fisica Dipartimento di Fisica Università di Genova in collaborazione con il Liceo Leonardo da Vinci Genova - 25 novembre
DettagliUlteriori conoscenze di informatica Elementi di statistica Esercitazione3
Ulteriori conoscenze di informatica Elementi di statistica Esercitazione3 Sui PC a disposizione sono istallati diversi sistemi operativi. All accensione scegliere Windows. Immettere Nome utente b## (##
DettagliTECNICHE COMPUTAZIONALI AVANZATE
TECNICHE COMPUTAZIONALI AVANZATE Francesca Pelosi e Salvatore Filippone Università di Roma Tor Vergata Esempi Pb. Ellittici http://www.mat.uniroma2.it/ pelosi/ TECNICHE COMPUTAZIONALI AVANZATE p.1/15 ESEMPIO
DettagliTelerilevamento. Esercitazione 5. Classificazione non supervisionata. Apriamo l immagine multi spettrale relativa alla zona di Feltre che si trova in:
Telerilevamento Esercitazione 5 Classificazione non supervisionata Lo scopo di questa esercitazione è quella di effettuare una classificazione non supervisionata di un immagine SPOT5 acquisita sull area
DettagliElaborazione di segnali mediante DFT
Elaborazione di segnali mediante DFT Alessandro Gallo - Matr. 2754 Docente: Prof. Giuseppe Rodriguez ELABORAZIONE DI SEGNALI D MEDIANTE DFT f(x) = sin(5x) f(x) +.5*randn.8.6.4.2.2.4.6.8.8.6.4.2.2.4.6.8
DettagliEsercitazione di Matematica Computazionale del 16/12/2008
Esercitazione di Matematica Computazionale del 16/12/2008 Applicazioni della Singular Value Decomposition Riconoscimento di Volti mediante Eigenface 1. Rappresentazione di un volto nella base dei suoi
DettagliIntelligenza Artificiale. Risoluzione dei Problemi
Intelligenza Artificiale Risoluzione dei Problemi Strategie non-informate: principali 1. breadth-first; 2. depth-first; 3. depth-first a profondità limitata; 4. ad approfondimento iterativo. Ricerca in
DettagliANALISI MULTIDIMENSIONALE DEI DATI (AMD)
ANALISI MULTIDIMENSIONALE DEI DATI (AMD) L Analisi Multidimensionale dei Dati (AMD) è una famiglia di tecniche il cui obiettivo principale è la visualizzazione, la classificazione e l interpretazione della
DettagliScuola di Calcolo Scientifico con MATLAB (SCSM) 2017 Palermo Luglio 2017
Scuola di Calcolo Scientifico con MATLAB (SCSM) 2017 Palermo 24-28 Luglio 2017 www.u4learn.it Arianna Pipitone Analizzare i dati Analizzare i dati significa esaminare: il comportamento di ciascun dato
DettagliComunicazioni Elettriche Esercizi
Comunicazioni Elettriche Esercizi Alberto Perotti 9 giugno 008 Esercizio 1 Un processo casuale Gaussiano caratterizzato dai parametri (µ = 0, σ = 0.5) ha spettro nullo al di fuori dellintervallo f [1.5kHz,
DettagliModulo 1: Le I.C.T. UD 1.3a: La Codifica Digitale delle Immagini
Modulo 1: Le I.C.T. : La Codifica Digitale delle Immagini Prof. Alberto Postiglione Corso di Informatica Generale (AA 07-08) Corso di Laurea in Scienze della Comunicazione Università degli Studi di Salerno
Dettagli