- Anno Accademico: 2024/2025
- Corso di studio: L-8 – Ingegneria elettronica
- Corso di studio: LM-32 – Laurea Magistrale in Ingegneria Informatica
Curriculum: Intelligenza artificiale e Machine Learning
Il corso avrà l’obiettivo di illustrare le metodologie più avanzate per la caratterizzazione ed il trattamento dei segnali multimediali. In particolare si approfondirà lo studio di segnali video e di immagini sia nel caso bidimensionale che in quello tridimensionale. Il corso sarà suddiviso in due parti: la prima per fornire agli studenti le conoscenze teoriche di base sugli strumenti per l’elaborazione dei segnali multimediali e sulla programmazione in Matlab, la seconda consiste in esperienze pratiche, di gruppo e individuali, sia su calcolatori che tramite dispositivi messi a disposizione degli studenti (Kinect, sistemi di restituzione 3D, webcam stereo). L’utilizzo in laboratorio di sistemi di acquisizione, elaborazione e restituzione, consentirà allo studente di ottenere le conoscenze di base per il progetto di sistemi di comunicazione multimediali efficaci in termini di qualità, del costo e della sicurezza. Il corso prevede seminari monografici dedicati ad approfondire esempi di applicazione dei segnali multimediali come e-learning, cinema, IP-tv e comunicazioni mobili.
Programma
Introduzione al corso
Sistema visivo umano ed elaborazione delle immagini nel dominio spaziale
Filtraggio nel dominio spaziale
Filtraggio nel dominio trasformato
Trasformata wavelet
Modelli di rumore
Compressione di immagini
Fondamenti di elaborazione del segnale audio
Codifica Video
Sistemi tattili
Applicazioni in Python
Testi Adottati
R.C. Gonzalez, R.E. Woods, and S. L. Eddins, “Digital Image Processing Using MATLAB, 2e”, Publisher: Prentice-Hall;
B. Block and P. McNally, “3D storytelling: how stereoscopic 3D works and how to use it”, Publisher: Focal Press;
C. W. Chen, Z. Li and S. Lian, “Intelligent Multimedia Communication: Techniques and Applications (Studies in Computational Intelligence)”, Publisher: Springer;
Modalità Valutazione
Esame orale Progetto
Periodi di Erogazione:
- Terzo anno – Secondo semestre
(coorte 2022/2023)
——————————————————————————————————————————–
- Academic Year: 2024/2025
- Degree Program: L-8 – Electronic Engineering
- Degree Program: LM-32 – Master’s Degree in Computer Engineering
Curriculum: Artificial Intelligence and Machine Learning
The course aims to present advanced methodologies for the characterization and processing of multimedia signals, with a specific focus on video and image signals in both two-dimensional and three-dimensional cases. The course is divided into two parts: i) theoretical foundation, providing students with basic knowledge of multimedia signal processing tools and programming in MATLAB, ii) practical experiences, including group and individual exercises using computers and devices provided to students (e.g., Kinect, 3D rendering systems, stereo webcams). Laboratory activities with acquisition, processing, and rendering systems will equip students with fundamental knowledge for designing multimedia communication systems that balance quality, cost, and security. The course also includes monographic seminars to explore applications of multimedia signals, such as e-learning, cinema, IP-TV, and mobile communications.
Program
Introduction to the course
Human visual system and image processing in the spatial domain
Filtering in the spatial domain
Filtering in the transformed domain
Wavelet transform
Noise models
Image compression
Fundamentals of audio signal processing
Video encoding
Tactile systems
Applications in Python
Adopted Textbooks
R.C. Gonzalez, R.E. Woods, and S. L. Eddins, Digital Image Processing Using MATLAB, 2nd Edition, Prentice-Hall
B. Block and P. McNally, 3D Storytelling: How Stereoscopic 3D Works and How to Use It, Focal Press
C.W. Chen, Z. Li, and S. Lian, Intelligent Multimedia Communication: Techniques and Applications (Studies in Computational Intelligence), Springer
Assessment Methods
Oral examination and project
Course Offering Period:
- Third year – Second semester
(cohort 2022/2023)