Studiare

In questa sezione è possibile reperire le informazioni riguardanti l'organizzazione pratica del corso, lo svolgimento delle attività didattiche, le opportunità formative e i contatti utili durante tutto il percorso di studi, fino al conseguimento del titolo finale.

Queste informazioni sono destinate esclusivamente agli studenti e alle studentesse già iscritti a questo corso.
Se sei un nuovo studente interessato all'immatricolazione, trovi le informazioni sul percorso di studi alla pagina del corso:

Laurea magistrale in Ingegneria e scienze informatiche - Immatricolazione dal 2025/2026

Il piano didattico è l'elenco degli insegnamenti e delle altre attività formative che devono essere sostenute nel corso della propria carriera universitaria.
Selezionare il piano didattico in base all'anno accademico di iscrizione.

CURRICULUM TIPO:

1° Anno 

InsegnamentiCreditiTAFSSD
12
B
ING-INF/05
12
B
INF/01
12
B
ING-INF/05

2° Anno   Attivato nell'A.A. 2017/2018

InsegnamentiCreditiTAFSSD
6
B
INF/01
Taf f (altre attività formative)
4
F
-
InsegnamentiCreditiTAFSSD
12
B
ING-INF/05
12
B
INF/01
12
B
ING-INF/05
Attivato nell'A.A. 2017/2018
InsegnamentiCreditiTAFSSD
6
B
INF/01
Taf f (altre attività formative)
4
F
-
Insegnamenti Crediti TAF SSD

Legenda | Tipo Attività Formativa (TAF)

TAF (Tipologia Attività Formativa) Tutti gli insegnamenti e le attività sono classificate in diversi tipi di attività formativa, indicati da una lettera.




S Stage e tirocini presso imprese, enti pubblici o privati, ordini professionali

Codice insegnamento

4S001409

Coordinatore

Andrea Giachetti

Crediti

6

Lingua di erogazione

Italiano

Settore Scientifico Disciplinare (SSD)

ING-INF/05 - SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI

Periodo

I sem. dal 3 ott 2016 al 31 gen 2017.

Obiettivi formativi

L'obiettivo del corso è di portare lo studente a capire ed usare algoritmi per elaborare immagini digitali e differenti tipi di dati spazialmente riferiti (volumi e superfici).
Verranno quindi presentati algoritmi e strutture dati atte a codificare efficacemente i dati, segmentare le regioni di interesse, caratterizzare con descrittori, riconoscere oggetti e allineare le strutture (registrazione).
Alla fine del corso lo studente sarà in grado di sfruttare nozioni di geometria computazionale, algebra, algoritmi su grafi per risolvere problemi pratici di vari contesti applicativi e di avere solide basi per affrontare differenti aspetti della specializzazione multimediale con autonomia.

Programma

Teoria

1 Introduzione
Acquisizione spazialmente riferita 2D e 3D immagini, dati scattered, griglie strutturate e non strutturate, sensori ed applicazioni
2 Strutture dati
Immagini e volumi, regioni binarizzate ed etichettate, componenti connesse, topologia,
Dati scattered, triangolazione, interpolazione lineare e con radial basis function
Rappresentazioni di contorni e superfici, catene di punti e spline, mesh triangolate, ricostruzione di superfici da da nuvole di punti, Moving Least Squares, ball pivoting
3 Segmentazione
Segmentazione di immagini e volumi mediante classificazione dei valori e con tecniche graph based
Markov/conditional random fields, graph cut, segmentazione interattiva GrabCut
4 Contour/surface based segmentation
Snakes ed estensione 3D, evoluzione di contorni/superfici implicite con Level Set, algoritmo fast marching, calcolo di mappe di distanze e distanze geodesiche su superfici
5 Model based segmentation
Model fitting e varianti robuste, Hough transform
Modellazione statistica: Point Distribution Models
6 Caratterizzazione di forma
Misura e descrizione di forme binarie, momenti ed invarianza,
Descrittori su contorni, feature locali e curvatura, feature con contesto e globali, descrittori di Fourier di contorni
Scheleletri e linee mediali
Descrittori locali di superfici manifold, curvature e stima su mesh triangolate
7 Features su immagini 2D/3D e texture
Corner, descrittori invarianti
Texture analysis: concetti base, Co-Occurrence matrices, Local Binary Patterns, cenni ad approcci in frequenza
8 Registrazione spaziale
Definizione del problema (indipendente dal tipo di dato) ed approcci
Point based registration (problema di procruste) e problematiche. Nuvole di punti e ICP
Intensity based registration: schema, problematiche. Stima di metriche di confronto, Mutual Information.


Laboratorio

Introduzione a Matlab, immagini, contorni, interpolazioni, visualizzazione
Segmentazione voxel based
Implementazione e validazione snake
Shape retrieval 2D
Mesh processing

Modalità d'esame

La verifica del profitto avviene mediante prova scritta (20/30) e valutazione delle attività di laboratorio (10)

Per passare l'esame lo studente deve dimostrare
-Di aver compreso i concetti di base della codifica e processing di dati spazilmente riferiti
-Di saper descrivere i suddetti concetti in modo chiaro ed esaustivo
-Di saper applicare le conoscenze acquisite

Prova scritta:
La prova scritta consiste di alcune domande a risposta aperta sugli argomenti di teoria, inclusi eventuali esercizi che dimostrino la comprensione di concetti base

Prova di laboratorio
La valutazione di laboratorio avviene mediante progeto applicativo da discutere in interrogazione orale

Le/gli studentesse/studenti con disabilità o disturbi specifici di apprendimento (DSA), che intendano richiedere l'adattamento della prova d'esame, devono seguire le indicazioni riportate QUI