Ebook Visione computazionale

La visione computazionale, o visione artificiale, è la disciplina che studia i metodi computazionali atti a produrre una rappresentazione della struttura solida del mondo tridimensionale esperito attraverso proiezioni bidimensionali di esso, le immagini.
Il libro, pensato per l'adozione in un corso universitario, si concentra sugli aspetti geometrici della disciplina e tratta in modo approfondito alcuni metodi con un approccio "verticale" allo studio della materia, contrapposto a quello "orizzontale" che mira a fornire una panoramica completa. Per questa sua caratteristica può risultare utile anche a chi, al di fuori dall'ambito accademico, si trovi ad applicare la visione alla soluzione di problemi pratici.
Questa seconda edizione ha beneficiato di una completa revisione del testo, con l'introduzione di listati Matlab(c) per tutti gli algoritmi proposti (codice disponibile anche in rete). La terminologia è stata rivista con l'obiettivo di allinearla con quella in uso nella fotogrammetria, disciplina che ha molti punti in comune con i temi della visione computazionale trattati nel testo.
Il filo conduttore della trattazione è il processo di acquisizione di un modello numerico tridimensionale di un soggetto a partire da molteplici immagini, noto anche come structure from motion nella letteratura anglosassone.

Andrea Fusiello insegna Visione computazionale sin dal 2000, dapprima all'Università di Verona, successivamente all'Università di Udine, dove è attualmente Professore associato di Sistemi di Elaborazione delle Informazioni. Ha pubblicato più di 150 articoli su queste tematiche e nel 2011 ha collaborato alla fondazione di una start-up che applica la visione computazionale sul campo.

Indice
Prefazione
Ringraziamenti
Introduzione
(Il prodigio della visione; Visione computazionale di basso livello)
Formazione dell'immagine
(Introduzione; Geometria della formazione dell'immagine; Immagini digitali; Lenti sottili; Fotometria della formazione dell'immagine)
Calibrazione della fotocamera
(Introduzione; Modello stenopeico della fotocamera; Calibrazione della fotocamera)
Geometria epipolare
(Introduzione; Geometria epipolare; Matrice fondamentale; Calcolo della matrice fondamentale)
Omografie tra immagini
(Introduzione; Omografia indotta da un piano; Calcolo dell'omografia con DLT; Parallasse planare; Metodo di Sturm-Maybank-Zhang per la calibrazione; Calibrazione attraverso H1)
Orientamento relativo
(Introduzione; Matrice essenziale; Metodo non lineare)
Ricostruzione da due immagini
(Triangolazione; Ambiguità della ricostruzione; Ricostruzione euclidea; Orientamento assoluto; Ricostruzione proiettiva; Promozione euclidea da parametri interni noti)
Orientamento esterno
(Introduzione; Metodo lineare di Fiore; Metodo non lineare; Metodo diretto)
Punti salienti
(Introduzione; Operatore di Harris e Stephens; Scale Invariant Feature Transform (SIFT))
Campo di moto
(Introduzione; Il campo di moto; Ricostruzione dal campo di moto; Il flusso ottico)
Stereopsi: calcolo della disparità
(Introduzione; Accoppiamento di finestre; Accoppiamento globale)
Metodi attivi
(Introduzione; Illuminazione strutturata; Stereo fotometrico; Sensori a tempo di volo)
Ricostruzione proiettiva multivista e autocalibrazione
(Introduzione; Ricostruzione proiettiva multivista; Autocalibrazione; Fattorizzazione di Tomasi-Kanade)
Ricostruzione euclidea multivista
(Introduzione; Approcci basati sui punti; Approccio basato sui sistemi di riferimento; Compensazione per stelle proiettive)
Registrazione 3D
(Introduzione; Iterative Closest Point; Metodi per l'allineamento di molte viste)
Ricostruzione volumetrica
(Introduzione; Metodi in spazio-oggetto; Stereo multivista; Marching cubes)
Sintesi di immagini
(Introduzione; Trasformazioni parametriche; Rettificazione epipolare; Trasformazioni non parametriche; Trasformazione geometrica dell'immagine)
Nozioni di algebra lineare
(Introduzione; Prodotto scalare; Norma matriciale; Matrice inversa; Determinante; Matrici ortogonali; Forme lineari e quadratiche; Rango; Autovalori ed autovettori; Decomposizione ai valori singolari; Prodotto esterno; Prodotto di Kronecker)
Altre nozioni matematiche
(Derivate di funzioni vettoriali e matriciali; Rotazioni; Minimi quadrati non lineari; Grafi)
Nozioni di geometria proiettiva
(Introduzione; Proiezione prospettica; Coordinate omogenee; Equazione della retta; Trasformazioni)
Regressione
(Introduzione; Minimi quadrati; Regressione robusta)
Codice Matlab
Listati
Acronimi
Indice analitico.