Restauro di immagini. Prof. Filippo Stanco. Multimedia
|
|
- Leona Ferrara
- 6 anni fa
- Visualizzazioni
Transcript
1 Restauro di immagini Prof. Filippo Stanco
2 Restauro di immagini Il principale obiettivo delle tecniche di restauro è quello di rendere migliore un immagine cercando di ripristinarne il contenuto informativo e visuale. A differenza dell enhancement, che è un processo soggettivo, il restauro dell immagine è perlopiù un processo oggettivo. Il restauro tenta di riparare una immagine danneggiata (o degradata) facendo uso di una conoscenza a priori del fenomeno che ha provocato il degrado. Le tecniche di restauro sono quindi orientate alla modellizzazione del processo di degrado nel tentativo di riuscire ad generare il processo inverso in grado di ricostruire appunto l immagine originale. Ad esempio, lo stretching del contrasto è considerato una tecnica di miglioramento perché si basa sulla gradevolezza percettiva, la rimozione della sfocatura (blurring) è invece considerata una tecnica di restauro.
3
4
5 assumiamo che il rumore sia indipendente dalle coordinate spaziali e che non sia correlato all immagine stessa (cioè, non c è legame tra i valori dei pixel e i valori delle componenti del rumore).
6 Rumore gaussiano
7 Rumore di Rayleigh
8 Rumore di Erlang (gamma)
9 Rumore esponenziale
10 Rumore uniforme
11 Rumore impulsivo(sale e pepe) Se a e b sono valore «saturi» cioè sono uguali ai valori di massimo e di minimo dell immagine (solitamente P a =0 e P b =255), abbiamo il rumore sale e pepe.
12
13 Immagine di test Sono presenti delle semplici regioni di intensità costante che variano lungo la scala di grigio dal nero al quasi bianco in soli tre incrementi. Questo facilita l analisi visiva delle caratteristiche delle varie componenti del rumore aggiunte all immagine.
14
15
16 Stima del rumore
17 Quando l unico degrado presente in una immagine è il rumore si ha uno schema semplificato del problema. Il filtraggio spaziale è il metodo migliore in situazioni in cui è presente solo del rumore additivo casuale.
18 Filtri di media Trattiamo adesso le capacità di ridurre il rumore dei filtri spaziali Assumiamo che m e n, che indicano le dimensioni delle finestre, siano interi dispari.
19 Filtro di media artimetica Questa operazione può essere implementata utilizzando un filtro spaziale di dimensioni m x n in cui tutti i coefficienti hanno valore 1/mn. Un filtro di media attenua le variazioni locali di una immagine e ne riduce, di conseguenza, il rumore.
20 Filtro di media geometrica In questo caso, ogni pixel restaurato è dato dal prodotto dei pixel nelle finestra della sottoimmagine, elevato alla potenza di 1/mn. Un filtro di media geometrica raggiunge uno smoothing comparabile al filtro di media aritmetica, ma tende a perdere nel processo una minore quantità di dettagli.
21 Filtro di media armonica Il filtro di media armonica funziona bene per il rumore sale, ma non per il rumore pepe. Buone prestazioni si hanno anche con altri tipi di rumore, come il rumore gaussiano.
22 Filtro di media contrarmonica dove Q è detto ordine del filtro. Questo filtro si adatta bene alla riduzione o all eliminazione virtuale degli effetti del rumore sale-epepe. Per valori positivi di Q, il filtro elimina il rumore pepe. Per valori negativi di Q, esso elimina il rumore sale. Non è possibile trattare entrambi simultaneamente. Si noti che il filtro contrarmonico si riduce al filtro di media aritmetica se Q = 0 e al filtro di media armonica se Q = - 1.
23 In generale, i filtri di media aritmetica e geometrica (in particolare quest ultimo) si adattano meglio a trattare il rumore casuale come quello gaussiano o uniforme. Il filtro contrarmonico è indicato per il rumore a impulsi, ma ha lo svantaggio che deve esserne nota la tipologia (scuro o chiaro) per sceglierne di conseguenza il segno di Q. Una scelta di segno sbagliato per Q può portare a effetti disastrosi.
24
25
26
27 Filtri basati sulle statistiche d ordine sono filtri spaziali la cui risposta si basa sull ordinamento (posizione) dei valori dei pixel contenuti nell area dell immagine inglobata dal filtro. La posizione relativa determina la risposta del filtro.
28 Filtro mediano I filtri mediani sono particolarmente efficaci in presenza di rumore ad impulsi sia bipolare che unipolare.
29
30 Filtro di massimo e di minimo Il filtro di massimo elimina il rumore di tipo pepe. Il filtro di minimo elimina il rumore di tipo sale.
31
32 Filtro del punto medio Si noti che questo filtro combina statistiche d ordine e di media. Funziona meglio per rumore distribuito in modo casuale, come il rumore gaussiano o uniforme.
33 Filtro di media alpha-trimmed
34
35 Filtri adattivi I filtri visti finora vengono applicati su una immagine, senza tener conto di come le caratteristiche dell immagine varino da un punto ad un altro. In questo paragrafo, considereremo due filtri adattivi il cui comportamento è guidato dalle caratteristiche statistiche dell immagine all interno della regione del filtro definita da una finestra rettangolare S xy di dimensioni m x n. I filtri adattivi hanno una resa migliore rispetto ai filtri presentati fino a questo punto. Il prezzo da pagare per un filtraggio migliore è l aumento di complessità nel filtro.
36 Filtro adattivo locale Le più semplici misure statistiche di una variabile casuale sono la sua media e la sua varianza. La risposta del filtro in ogni punto (x, y) su cui è centrata la regione S xy si basa su quattro quantità: (a) g (x, y), il valore dell immagine rumorosa in (x, y); (b) σ 2 η, la varianza del rumore che corrompe f(x, y) per formare g(x, y); (c) m L, la media locale dei pixel in S xy ; (d) σ 2 L, la varianza locale dei pixel in S xy.
37 Si vuole che il filtro abbia il seguente comportamento: Se σ 2 η è uguale a zero, il filtro dovrebbe restituire semplicemente il valore di g (x, y). Questo è il caso banale di rumore nullo in cui g (x, y) è uguale a f (x, y). Se la varianza locale è alta rispetto a σ 2 η, il filtro dovrebbe restituire un valore prossimo a g (x, y). Un alta varianza locale viene tipicamente associata ai bordi e questi ultimi devono essere preservati. Se le due varianze sono pressoché uguali, il filtro deve fornire come risposta il valore medio aritmetico dei pixel in S xy. Questa condizione si presenta quando la regione locale ha le stesse proprietà dell intera immagine e il rumore locale può essere ridotto semplicemente con la media.
38
39 Filtro mediano adattivo
40 La chiave per comprendere i meccanismi di questo algoritmo è tenere a mente che esso ha tre scopi principali: rimuovere il rumore (a impulsi) sale-e-pepe, ridurre altre tipologie di rumore che possono non essere ad impulsi ridurre la distorsione, come l assottigliamento o l ispessimento eccessivo dei bordi degli oggetti. I valori z min e z max sono dei valori statistici trattati come se fossero componenti del rumore a impulsi anche se essi non sono i valori estremi (più alti e più bassi) dei pixel nell immagine.
41
42 Rumore periodico Il rumore periodico di una immagine deriva, solitamente, da interferenze elettriche o elettromeccaniche presenti durante l acquisizione. Questo è il solo tipo di rumore spazialmente dipendente che verrà considerato. Il rumore periodico può essere ridotto in maniera considerevole tramite il filtraggio nel dominio della frequenza.
43
44 Riduzione del rumore periodico tramite filtraggio nel dominio delle frequenze Il rumore periodico può essere analizzato e filtrato in modo abbastanza efficace tramite l uso delle tecniche relative al dominio della frequenza. L idea di base è che il rumore periodico si presenta come picchi concentrati di energia nel dominio di Fourier, in posizioni corrispondenti alle frequenze dell interferenza periodica. L approccio è quello di utilizzare filtri selettivi per isolare il rumore. Per la riduzione di base del rumore periodico, vengono utilizzati i tre tipi di filtri selettivi (elimina banda, passa banda e notch).
45 Filtri band reject
46 Filtri band pass Si ottengono sai filrei band reject mediante la formula:
47 Low pass ideale
48 Low pass ideali
49 Filtri di Butterworth La funzione di trasferimento del filtro passa-basso di Butterworth di ordine n e frequenza di taglio D 0 è: H ( u, v) = 1+ 1 D( u, v) D0 2n
50 Filtro di Butterworth
51 Filtro Gaussiano I filtri Gaussiani sono definiti da: H ( u, v) = e D 2 2D ( u, v) 2 0 I filtri gaussiani hanno il grande vantaggio di avere come trasformata di Fourier ancora una gaussiana.
52 Filtro Gaussiano
53 0 1
54
55 Filtri Notch
56 Degrado lineare, invariante per traslazione Se H è invariante per traslazione, allora la formula Diventa Se il rumore additivo è trascurabile, basta stimare
57 Filtraggio inverso Questa espressione afferma che, pur conoscendo la funzione di degrado non possiamo ripristinare l immagine non degradata [la trasformata di Fourier inversa di F(u, v)], perché N(u, v) non è noto. Ed inoltre, se la funzione di degrado ha valori nulli o molto piccoli, allora il rapporto N(u, v)/ H(u, v) potrebbe facilmente essere dominante rispetto al valore di F^(u, v). Questo caso si verifica di frequente. Un metodo per ovviare al problema è quello di limitare le frequenze del filtro a valori vicini all origine. Sappiamo che H(0, 0) è di solito il valore più alto di H(u, v) nel dominio della frequenza. Quindi, limitando l analisi a frequenze vicine all origine, riduciamo la probabilità di incontrare valori nulli.
58
59 Filtraggio che minimizza errore quadratico (Wiener) Il metodo ingloba sia la funzione di degrado che le caratteristiche statistiche del rumore, nel processo di restauro. Il metodo considera sia le immagini che il rumore come variabili casuali e cerca di trovare un valore f^ dell immagine non corrotta f tale che l errore quadratico medio tra di essi sia minimo.
60
61
62
63
Restauro di immagini. Prof. Filippo Stanco. Multimedia
Restauro di immagini Prof. Filippo Stanco Restauro di immagini Il principale obiettivo delle tecniche di restauro è quello di rendere migliore un immagine cercando di ripristinarne il contenuto informativo
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
DettagliCapitolo 5 RESTAURO E RICOSTRUZIONE DI IMMAGINI
Capitolo 5 RESTAURO E RICOSTRUZIONE DI IMMAGINI La differenza tra il restauro e il miglioramento (enhancement) delle immagini è che il miglioramento è un processo soggettivo, mentre il restauro è un processo
DettagliOperatori locali su immagini digitali
Operatori locali su immagini digitali Definizione degli operatori locali Filtri di smoothing Filtri di sharpening Filtri derivativi Operatori locali Questi operatori sono usati per: miglioramento della
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
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
DettagliPROCESSI CASUALI 1 Fondamenti di segnf a o lin d e a t m ra e s n mtii s T si L o C ne
PROCESSI CASUALI Fondamenti di segnali Fondamenti e trasmissione TLC Segnali deterministici Un segnale (t) si dice deterministico se è una funzione nota di t, cioè se ad un qualsiasi istante di tempo t
DettagliCorso di Visione Artificiale. Filtri parte II. Samuel Rota Bulò
Corso di Visione Artificiale Filtri parte II Samuel Rota Bulò Numeri complessi parte reale parte immaginaria in coordinate polari complesso coniugato formula di Eulero Trasformata di Fourier discreta (DFT)
DettagliMaria Prandini Dipartimento di Elettronica e Informazione Politecnico di Milano
Note relative a test di bianchezza rimozione delle componenti deterministiche da una serie temporale a supporto del Progetto di Identificazione dei Modelli e Analisi dei Dati Maria Prandini Dipartimento
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
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
DettagliCAMPIONAMENTO E RICOSTRUZIONE. Y(f) Y(f-15) Y(f+15) f[hz] Yc(f) Y(f) Y(f-17.5) Y(f+17.5) Yc(f) Esercizio 1
CAMPIONAMENTO E RICOSTRUZIONE Esercizio 1 Dato il segnale y(t), con trasformata di Fourier Y(f) rappresentata in figura, rappresentare lo spettro del segnale ottenuto campionando idealmente y(t) con a)
DettagliRipasso segnali e processi casuali. Trasmissione dell Informazione
Ripasso segnali e processi casuali 1 Breve ripasso di segnali e trasformate Dato un segnale s(t), la sua densità spettrale si calcola come dove S(f) è la trasformata di Fourier. L energia di un segnale
DettagliRISPOSTA IN FREQUENZA DEI SISTEMI LINEARI TEMPO INVARIANTI
RISPOSTA IN FREQUENZA DEI SISTEMI LINEARI TEMPO INVARIANTI 1 Fondamenti di segnali Fondamenti e trasmissione TLC Introduzione Se il segnale d ingresso di un sistema Lineare Tempo-Invariante (LTI e un esponenziale
DettagliEsercitazione ENS su processi casuali (13 e 14 Maggio 2008)
Esercitazione ES su processi casuali ( e 4 Maggio 2008) D. Donno Esercizio : Calcolo di autovalori e autovettori Si consideri un processo x n somma di un segnale e un disturbo: x n = Ae π 2 n + w n, n
DettagliAPPUNTI DI ELETTRONICA V D FILTRI ATTIVI. Campi di applicazione. I filtri nel settore dell elettronica sono utilizzati per:
APPUNTI DI ELETTRONICA V D FILTRI ATTIVI Campi di applicazione I filtri nel settore dell elettronica sono utilizzati per: attenuare i disturbi, il rumore e le distorsioni applicati al segnale utile; separare
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
DettagliModulazioni di ampiezza
Modulazioni di ampiezza 1) Si consideri un segnale z(t) modulato in ampiezza con soppressione di portante dal segnale di informazione x(t): z(t) = Ax(t)cos(2πf 0 t) Il canale di comunicazione aggiunge
Dettagli2.2.5 Approssimazione di un segnale in una base biortogonale (segnali rettangolari) Esercizi proposti... 46
Indice 1 Operazioni elementari, convoluzione, correlazione 1 1.1 Operazioni elementari........................ 1 1.1.1 Ribaltamento, traslazione, scalatura............ 1 1.2 Convoluzione.............................
DettagliIntroduzione all elaborazione di immagini Part II
Introduzione all elaborazione di immagini Part II Obiettivi delle tecniche di elaborazione di immagini: miglioramento di qualità (image enhancement) ripristino di qualità o restauro (image restoration)
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
DettagliLezione 3: Elaborazione delle immagini (2)
Lezione 3: Elaborazione delle immagini (2) Informatica e Produzione Multimediale Docente: Umberto Castellani Filtraggio di immagini Filtrare un immagine significa eseguire alcune operazioni in modo da
Dettagli0.6 Filtro di smoothing Gaussiano
2 Figura 7: Filtro trapezoidale passa basso. In questo filtro l rappresenta la frequenza di taglio ed l, l rappresenta un intervallo della frequenza con variazione lineare di H, utile ad evitare le brusche
Dettagli()Probablità, Statistica e Processi Stocastici
Probablità, Statistica e Processi Stocastici Serie storiche (verso fpca) La tecnica chiamata fpca (functional PCA) esamina serie storiche utilizzando paradigmi propri di PCA. E utile premettere un po di
DettagliVariabilità e Concentrazione Esercitazione n 02
Variabilità e Concentrazione Esercitazione n 02 ESERCIZIO 1 Nella tabella di seguito sono riportati i dati relativi al tempo necessario a 8 studenti per svolgere un test di valutazione (in ore): Tempo
DettagliRISPOSTA IN FREQUENZA DEI SISTEMI LINEARI TEMPO INVARIANTI
RISPOSTA IN FREQUENZA DEI SISTEMI LINEARI TEMPO INVARIANTI Fondamenti di Segnali e Trasmissione Risposta in requenza e banda passante La risposta in requenza di un sistema LTI e la trasormata di Fourier
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
DettagliStatistica. Matematica con Elementi di Statistica a.a. 2015/16
Statistica La statistica è la scienza che organizza e analizza dati numerici per fini descrittivi o per permettere di prendere delle decisioni e fare previsioni. Statistica descrittiva: dalla mole di dati
DettagliPulse Amplitude Modulation (PAM) 2 Scelta delle risposte impulsive dei filtri in trasmissione e ricezione
Pulse Amplitude Modulation (PAM 1 Definizione La trasmissione di una sequenza di numeri {a k } mediante un onda PAM consiste nel generare, a partire dalla sequenza {a k } il segnale a tempo continuo u(t
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## (##
DettagliAzione Filtrante. Prof. Laura Giarré https://giarre.wordpress.com/ca/
Azione Filtrante Prof. Laura Giarré Laura.Giarre@UNIMORE.IT https://giarre.wordpress.com/ca/ Sviluppo in serie di Fourier Qualunque funzione periodica di periodo T può essere rappresentata mediante sviluppo
DettagliIndici di Dispersione
Indici di Dispersione Si cercano indici di dispersione che: utilizzino tutti i dati {x 1, x 2,..., x n } siano basati sulla nozione di scarto (distanza) dei dati rispetto a un centro d i = x i C ad esempio,
DettagliTelerilevamento e Modellistica Forestale
Telerilevamento e Modellistica Forestale Lezione 6 Esplorazione, enfatizzazioni e filtri Dario Papale Contributi: Vern Vanderbilt, TA- Quinn Hart, CCRS Cosa è l enfatizzazione delle immagini L enfatizzazione
DettagliEsercizi di Ricapitolazione
Esercizio 1. Sono dati 150g di una soluzione S 1 concentrata al 12%. (a) Determinare quanti grammi di soluto occorre aggiungere a S 1 per ottenere una nuova soluzione S 2 concentrata al 20%. (b) Determinare
DettagliElaborazione dei dati. pkt /9
Elaborazione dei dati pkt006-89-1.0 4/9 1 Argomenti 1. Analisi delle immagini multispettrali 2. Analisi dell istogramma e enfatizzazione del contrasto 3. Trasformata RGB-IHS 4. Filtraggio 5. Estrazione
Dettagli1/4 Capitolo 4 Statistica - Metodologie per le scienze economiche e sociali 2/ed Copyright 2008 The McGraw-Hill Companies srl
1/4 Capitolo 4 La variabilità di una distribuzione Intervalli di variabilità Box-plot Indici basati sullo scostamento dalla media Confronti di variabilità Standardizzazione Statistica - Metodologie per
Dettaglitabelle grafici misure di
Statistica Descrittiva descrivere e riassumere un insieme di dati in maniera ordinata tabelle grafici misure di posizione dispersione associazione Misure di posizione Forniscono indicazioni sull ordine
DettagliEsempio: Modelli compartimentali per la farmacocinetica
Esempio: Modelli compartimentali per la farmacocinetica I modelli compartimentali sono descrizioni matematiche tipicamente utilizzate per organismi biologici; in tali rappresentazioni un organismo viene
DettagliStatistica Descrittiva Soluzioni 6. Indici di variabilità, asimmetria e curtosi
ISTITUZIONI DI STATISTICA A A 2007/2008 Marco Minozzo e Annamaria Guolo Laurea in Economia del Commercio Internazionale Laurea in Economia e Amministrazione delle Imprese Università degli Studi di Verona
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
DettagliLa visione spaziale (1): dalla visita oculistica al JPEG
La visione spaziale (1): dalla visita oculistica al JPEG Corso di Principi e Modelli della Percezione Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it http://boccignone.di.unimi.it/pmp_2015.html
DettagliElementi di informatica musicale Conservatorio G. Tartini a.a Sintesi del suono. Sintesi del suono
Elementi di informatica musicale Conservatorio G. Tartini a.a. 2001-2002 Sintesi del suono Ing. Antonio Rodà Sintesi del suono E neccessaria una tecnica di sintesi, ossia un particolare procedimento per
DettagliDispensa di Statistica
Dispensa di Statistica 1 parziale 2012/2013 Diagrammi... 2 Indici di posizione... 4 Media... 4 Moda... 5 Mediana... 5 Indici di dispersione... 7 Varianza... 7 Scarto Quadratico Medio (SQM)... 7 La disuguaglianza
DettagliProva di AUTOVALUTAZIONE (novembre 2009). nota: l esame ha validità solo se incluso nel piano degli studi per l anno accademico corrente.
UNIVERSITA DEGLI STUDI ROMA TRE CdS in Ingegneria Informatica corso di FONDAMENTI DI TELECOMUNICAZIONI Prova di AUTOVALUTAZIONE (novembre 2009). COMPITO A nota: l esame ha validità solo se incluso nel
DettagliFILTRI ANALOGICI L6/1
FILTRI ANALOGICI Scopo di un filtro analogico è l eliminazione di parte del contenuto armonico di un segnale, lasciandone inalterata la porzione restante. In funzione dell intervallo di frequenze del segnale
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
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
DettagliBLAND-ALTMAN PLOT. + X 2i 2 la differenza ( d ) tra le due misure per ognuno degli n campioni; d i. X i. = X 1i. X 2i
BLAND-ALTMAN PLOT Il metodo di J. M. Bland e D. G. Altman è finalizzato alla verifica se due tecniche di misura sono comparabili. Resta da comprendere cosa si intenda con il termine metodi comparabili
DettagliStatistica. POPOLAZIONE: serie di dati, che rappresenta linsieme che si vuole indagare (reali, sperimentali, matematici)
Statistica La statistica può essere vista come la scienza che organizza ed analizza dati numerici per fini descrittivi o per permettere di prendere delle decisioni e fare previsioni. Statistica descrittiva:
DettagliSCHEDA DIDATTICA N 7
FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA CIVILE CORSO DI IDROLOGIA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N 7 LA DISTRIBUZIONE NORMALE A.A. 01-13 La distribuzione NORMALE Uno dei più importanti
DettagliBanda passante e sviluppo in serie di Fourier
CONTROLLI AUTOMATICI Ingegneria Meccanica e Ingegneria del Veicolo http://www.dii.unimore.it/~lbiagiotti/controlliautomatici.html Banda passante e sviluppo in serie di Fourier Ing. e-mail: luigi.biagiotti@unimore.it
DettagliIstituzioni di Statistica e Statistica Economica
Istituzioni di Statistica e Statistica Economica Università degli Studi di Perugia Facoltà di Economia, Assisi, a.a. 2013/14 Esercitazione n. 1 A. I dati riportati nella seguente tabella si riferiscono
DettagliSerie storiche Mario Guarracino Laboratorio di Sistemi Informativi Aziendali a.a. 2006/2007
Serie storiche Introduzione Per alcuni dataset, l attributo target è soggetto ad un evoluzione temporale e risulta associato ad istanti di tempo successivi. I modelli di analisi delle serie storiche si
DettagliElementi di Psicometria
Elementi di Psicometria 7-Punti z e punti T vers. 1.0a (21 marzo 2011) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2010-2011 G. Rossi (Dip. Psicologia)
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
DettagliTecniche di enfatizzazione
Tecniche di enfatizzazione Cosa è l enfatizzazione delle immagini L enfatizzazione o enhancement delle immagini è un insieme di tecniche che vengono utilizzate per migliorare l aspetto delle immagini al
DettagliLA DISTRIBUZIONE NORMALE o DI GAUSS
p. 1/2 LA DISTRIBUZIONE NORMALE o DI GAUSS Osservando gli istogrammi delle misure e degli scarti, nel caso di osservazioni ripetute in identiche condizioni Gli istogrammi sono campanulari e simmetrici,
Dettagli1. Martedì 27/09/2016, ore: 2(2) Introduzione al corso: problemi ben posti, condizionamento, stabilità, complessità
Registro delle lezioni di MATEMATICA APPLICATA Corsi di Laurea in Chimica e Meccanica 6 CFU - A.A. 2016/2017 docente: Dott.ssa Luisa Fermo ultimo aggiornamento: 15 dicembre 2016 1. Martedì 27/09/2016,
DettagliSistemi lineari. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara
Sistemi lineari Lorenzo Pareschi Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara http://utenti.unife.it/lorenzo.pareschi/ lorenzo.pareschi@unife.it Lorenzo Pareschi (Univ. Ferrara)
DettagliIndici di variabilità ed eterogeneità
Indici di variabilità ed eterogeneità Corso di STATISTICA Prof. Roberta Siciliano Ordinario di Statistica, Università di apoli Federico II Professore supplente, Università della Basilicata a.a. 011/01
DettagliIn realtà i segnali con i quali dobbiamo confrontarci più frequentemente sono limitati nel tempo
Segnali trattati sino ad ora: continui, durata infinita,.. Su essi sono stati sviluppati strumenti per analizzare output di circuiti e caratteristiche del segnale: Risposta all impulso, prodotto di convoluzione,
Dettagli# MODELLI APPROSSIMATI DI SISTEMI DINAMICI
# MODELLI APPROSSIMATI DI SISTEMI DINAMICI # Riferimento per approfondimenti: Bolzern-Scattolini-Schiavoni: Fondamenti di Controlli Automatici, McGraw-Hill, 998 Cap. 7. Il problema della determinazione
DettagliSpettri e banda passante
Banda passante - Corso di Laurea in Ingegneria Meccanica Controlli Automatici L Spettri e banda passante DEIS-Università di Bologna Tel. 5 2932 Email: crossi@deis.unibo.it URL: www-lar.deis.unibo.it/~crossi
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
DettagliQuesta viene trasmessa sul canale (wireless o wired). In questo corso, modellizzeremo il canale di trasmissione come un canale Gaussiano bianco
Canale di trasmissione Dati una costellazione M un labeling binario e è possibile associare alle sequenze binarie di informazione u da trasmettere una forma d onda s(t). Questa viene trasmessa sul canale
DettagliCampionamento e quantizzazione
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Campionamento e quantizzazione A.A. 2008-09 Alberto Perotti DELEN-DAUIN Conversione analogico-digitale L elaborazione
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
Dettagli3.3 FORMULAZIONE DEL MODELLO E CONDIZIONI DI
3.3 FORMULAZIONE DEL MODELLO E CONDIZIONI DI ESISTENZA DI UN PUNTO DI OTTIMO VINCOLATO Il problema di ottimizzazione vincolata introdotto nel paragrafo precedente può essere formulato nel modo seguente:
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
DettagliSTATISTICA DESCRITTIVA (variabili quantitative)
STATISTICA DESCRITTIVA (variabili quantitative) PRIMO ESEMPIO: Concentrazione di un elemento chimico in una roccia. File di lavoro di STATVIEW Cliccando sul tasto del pane control si ottiene il cosiddetto
DettagliCANALE STAZIONARIO CANALE TEMPO INVARIANTE
CANALE STAZIONARIO Si parla di un Canale Stazionario quando i fenomeni che avvengono possono essere modellati da processi casuali e le proprietà statistiche di tali processi sono indipendenti dal tempo.
Dettagli2. Analisi in frequenza di segnali
2.1 Serie di Fourier 2. Analisi in frequenza di segnali Secondo il teorema di Fourier, una funzione periodica y(t) è sviluppabile in una serie costituita da un termine costante A 0 e da una somma di infinite
DettagliIl metodo dei minimi quadrati. Molto spesso due grandezze fisiche x e y, misurabili direttamente, sono legate tra loro da una legge del tipo:
Il metodo dei minimi quadrati Molto spesso due grandezze fisiche x e y, misurabili direttamente, sono legate tra loro da una legge del tipo: Dove A e B sono costanti y = A + Bx (ad esempio in un moto uniformemente
DettagliEsercitazione N.1 per il corso di SISTEMI DI TELECOMUNICAZIONI 1 Filtro notch e canna d organo
Esercitazione N.1 per il corso di SISTEMI DI TELECOMUNICAZIONI 1 Filtro notch e canna d organo 5 ottobre 2006 1 Scopo dell esercitazione Quest esercitazione è divisa in due parti: simulazione di un tubo
DettagliQUANTIZZAZIONE E CONVERSIONE IN FORMA NUMERICA. 1 Fondamenti Segnali e Trasmissione
UANTIZZAZIONE E CONVERSIONE IN FORMA NUMERICA Fondamenti Segnali e Trasmissione Campionamento e quantizzazione di un segnale analogico Si consideri il segnale x(t) campionato con passo T c. Campioni del
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
DettagliModulo di Statistica e Tecnologia (Dott. Giorgio Poletti
Laurea in Scienze dell Educazione Insegnamento di Pedagogia Sperimentale (Prof. Paolo Frignani) Modulo di Statistica e Tecnologia (Dott. Giorgio Poletti giorgio.poletti@unife.it) MEDIA aritmetica semplice
DettagliCAMPIONAMENTO DI SEGNALI
CAMPIONAMENTO DI SEGNALI Alla base della discretizzazione di un segnale sorgente continuo sono i due procedimenti distinti di discretizzazione rispetto al tempo, detto campionamento, e rispetto all'ampiezza,
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
DettagliINGEGNERIA E TECNOLOGIE DEI SISTEMI DI CONTROLLO Filtri analogici. Filtri analogici
IGEGERIA E TECOLOGIE DEI SISTEMI DI COTROLLO Prof. Carlo Rossi DEIS - Università di Bologna Tel: 05 09300 email: crossi@deis.unibo.it Il filtro passa basso ideale Si vuole ricostruire un segnale utile
DettagliAlcune v.a. discrete notevoli
Alcune v.a. discrete notevoli Variabile aleatoria Bernoulliana Il risultato X di un esperimento aleatorio può essere classificato nel modo che segue: successo oppure insuccesso. Indichiamo: Successo =
DettagliPROGETTO DI FILTRI NUMERICI FIR CON L USO DI FINESTRE
1/14 ROGETTO DI FILTRI NUMERICI FIR CON L USO DI FINESTRE rogetto di filtri FIR con l uso di finestre 2/14 I filtri IIR offrono caratteristiche attraenti, ma anche svantaggi: se si vuole effettuare l elaborazione
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
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Stima Puntuale Prof. Livia De Giovanni statistica@dis.uniroma.it Esercizio In ciascuno dei casi seguenti determinare quale tra i due stimatori S e T per il parametro θ è distorto
DettagliMATEMATICA CORSO A IV APPELLO PROVA SCRITTA DEL 18/01/2012 SCIENZE BIOLOGICHE
MATEMATICA CORSO A IV APPELLO PROVA SCRITTA DEL 18/01/2012 SCIENZE BIOLOGICHE 1-(Vale 4 punti) Per procedere all acquisto on line di un biglietto aereo è necessaria una password composta da 4 simboli che
DettagliGianfranco Cariolaro, Gianfranco Pierobon, Giancarlo Calvagno Segnali e sistemi Indice analitico
Gianfranco Cariolaro, Gianfranco Pierobon, Giancarlo Calvagno Segnali e sistemi Indice analitico Copyright The McGraw-Hill Companies srl A aliasing, 443 fenomeno dell, 424f AMI, codificatore, 315 analiticità
Dettagli5. Applicazione ai dati sperimentali, un modello di previsione delle temperature
5. Applicazione ai dati sperimentali, un modello di previsione delle temperature 5.1 Ricostruzione dello spazio delle fasi L utilizzo del teorema di embedding per ricostruire lo spazio delle fasi relativo
DettagliLa visione spaziale (1)
La visione spaziale (1) Corso di Principi e Modelli della Percezione Prof. Giuseppe Boccignone Dipartimento di Scienze dell Informazione Università di Milano boccignone@dsi.unimi.it http://homes.dsi.unimi.it/~boccignone/giuseppeboccignone_webpage/modelli_percezione.html
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.
DettagliRicerca di massimi e minimi col metodo della derivata prima
Massimi e minimi con la derivata prima pag. 1 di 6 Ricerca di massimi e minimi col metodo della derivata prima Ricordiamo che il significato geometrico della derivata prima è quello di coefficiente angolare
DettagliTipi di variabili. Indici di tendenza centrale e di dispersione
Tipi di variabili. Indici di tendenza centrale e di dispersione L. Boni Variabile casuale In teoria della probabilità, una variabile casuale (o variabile aleatoria o variabile stocastica o random variable)
DettagliCorso di Fondamenti di Telecomunicazioni
Corso di Fondamenti di Telecomunicazioni Prof. Mario Barbera [parte ] Variabili aleatorie Esempio: sia dato l esperimento: Scegliere un qualunque giorno non festivo della settimana, per verificare casualmente
DettagliIn elettronica un filtro elettronico è un sistema o dispositivo che realizza
Filtri V.Russo Cos è un Filtro? In elettronica un filtro elettronico è un sistema o dispositivo che realizza delle funzioni di trasformazione o elaborazione (processing) di segnali posti al suo ingresso.
DettagliTrasformata di Fourier
Trasformata di Fourier Filtri lineari Filtri lineari Gli operatori locali che operano su una immagine mediante la convoluzione con maschere di pesi possono essere descritti mediante la teoria dei segnali
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
DettagliTeoria e tecniche dei test
Teoria e tecniche dei test Lezione 10 LA TRASFORMAZIONE DEI PUNTEGGI LA TRASFORMAZIONE DEI PUNTEGGI Affinchè i punteggi ottenuti ad un test siano paragonabili a punteggi di altri test e interpretabili
DettagliTRASMISSIONE NUMERICA IN BANDA BASE
TRASMISSIONE NUMERICA IN BANDA BASE 1 Fondamenti di segnali Fondamenti e trasmissione TLC Trasmissione numerica in banda base Per trasmettere una sequenza di cifre binarie su un canale di trasmissione
DettagliIndici di posizione e dispersione per distribuzioni di variabili aleatorie
Indici di posizione e dispersione per distribuzioni di variabili aleatorie 12 maggio 2017 Consideriamo i principali indici statistici che caratterizzano una distribuzione: indici di posizione, che forniscono
DettagliCORSO%DI%% A.A.% % Sezione%03c% SPETTRO ACUSTICO FISICA%TECNICA%AMBIENTALE%
1 CORSO%DI%% FISICA%TECNICA%AMBIENTALE% A.A.%201352014% Sezione%03c%!! Prof. Ing. Sergio Montelpare! Dipartimento INGEO! Università G. d Annunzio Chieti-Pescara" 2 Le caratteristiche fondamentali del suono"
DettagliLEZIONI IN LABORATORIO Corso di MARKETING L. Baldi Università degli Studi di Milano. Strumenti statistici in Excell
LEZIONI IN LABORATORIO Corso di MARKETING L. Baldi Università degli Studi di Milano Strumenti statistici in Excell Pacchetto Analisi di dati Strumenti di analisi: Analisi varianza: ad un fattore Analisi
Dettagli