Skip to content

Metodi statistici ed entropici per l'apprendimento e l'analisi automatica di immagini digitali

Informazioni tesi

  Autore: Sebastiano Battiato
  Tipo: Tesi di Dottorato
Dottorato in Matematica ed Applicata ed Informatica
Anno: 2000
Docente/Relatore: Giovanni Gallo
Istituito da: Università degli Studi di Napoli
Dipartimento: Dipartimento Matematica Applicata
  Lingua: Italiano
  Num. pagine: 137

Oggetto di studio e di analisi della Tesi sono le distribuzioni di probabilità indotte da campionamenti o da una conoscenza a priori del fenomeno sotto osservazione, al fine di estrarre metodologie e tecniche di analisi da utilizzare ad esempio negli ambiti applicativi più classici quali Segmentazione, Pattern Recognition, Analisi/Sintesi di texture, edge finding, ecc.. Vengono inoltre presentati alcuni risultati ottenuti nell'ambito dell'information hiding di immagini digitali. Gli studi e le ricerche condotti in questi particolari ambiti applicativi sono stati realizzati insieme con il Prof. Gallo (Università di Catania). Il lavoro di Tesi è organizzato secondo i seguenti capitoli:
·Metodi Statistici ed Entropici Applicati all’Image Processing. Vengono illustrate le potenzialità e i campi di applicazione legate all'Entropia dell'Informazione applicata all'Image Processing nei suoi vari aspetti e forme. La giusta evidenza viene data ai risultati più significativi presenti in letteratura grazie ad un breve survey che ne illustra l'evoluzione storica/scientifica. Particolare enfasi e merito vengono riconosciuti al Principio della Max Entropia di Jaynes e all'originario concetto di Entropia dovuto a C. Shannon che, inizialmente utilizzati in ambiti totalmente differenti quali quello della Termodinamica e della Infromation Theory, assumono oggi notevole rilevanza grazie alle numerose applicazioni in Computer Graphics (si notino ad esempio i lavori di D. Mumford della Stanford University);
·Analisi Automatica di Texture Visuali. Anche in questo caso dopo una breve panoramica storico-scientifica volta a focalizzare gli obiettivi specifici e le problematiche di base del settore, vengono brevemente illustrati i principali risultati presenti in letteratura; in particolare si approfondiscono i risultati del gruppo di ricerca facente capo a J. De Bonet, Learning & Vision Group - Cambridge che ha condotto degli studi sull'Analisi/Sintesi di texture utilizzando un approccio multirisoluzione non parametrico utilizzato di recente anche nella discriminazione di immagini satellitari (SAR).
Il materiale presente in questo primi capitoli rappresenta la base teorica e scientifica, il punto di partenza dal quale si sono poi condotti gli studi e le ricerche ulteriori che hanno portato ai risultati descritti nei capitoli successivi della Tesi.
·Analisi/Sintesi di Tessiture. In questo importante ambito teorico/applicativo sono in fase avanzata di studio e di implementazione alcune tecniche di sintesi che, utilizzando delle procedure di clusterizzazione ed un approccio multirisoluzione permettono di ottenere pattern generati dalla stessa legge stocastica di base. Inoltre la metodologia seguita ha permesso di realizzare significativi improvement, dal punto di vista computazionale rispetto ai metodi precedenti. Si prefigura inoltre la possibilità di applicare tali tecniche al problema della classificazione di tessiture e nello specifico ambito dell'analisi e sintesi di linguaggi naturali, dove in particolare è possibile attraverso opportuni algoritmi di apprendimento riuscire a selezionare il migliore insieme di feature necessario per riuscire a riprodurre le complesse leggi statistiche;
·Entropia e Saliency Maps. In questo capitolo vengono illustrati i risultati ottenuti insieme a G. Gallo, dove analizzando l'Entropia di Shannon delle distribuzioni di probabilità indotte dagli istogrammi di una serie ben specifica di feature relative ad un training set di esempi positivi, si è costruita una mappa di salienza in grado di valutare la probabilità che un dato pixel in una data scena appartenesse o meno alla classe di oggetti in questione. Le potenzialità effettive del metodo proposto vengono validate da un'esaustiva serie di esperimenti.
·Watermarking. Questo capitolo è interamente dedicato alla discussione di un nuovo algoritmo di watermarking. Tale algoritmo permette l'inserimento di un marchio digitale, attraverso un'opportuna tecnica che manipola i pixel di un immagine agendo nello spazio dei colori della Color Opponency. In particolare vengono individuate delle regioni, vere e proprie sfere, associate ai singoli pixel di un'immagine, dove è possibile eseguire degli opportuni spostamenti impercettibili. Il metodo proposto oltre ad essere robusto rispetto alle più comuni operazioni di image processing viene analizzato anche attraverso una rigorosa analisi statistico-teorica che ne evidenzia la resistenza rispetto ad alcuni attacchi intenzionali volti alla rimozione del marchio stesso. Anche in questo caso l'analisi e la descrizione dell'algoritmo è accompagnata da una serie di risultati sperimentali che ne fanno apprezzare la bontà dello stesso.
Appendice:Viene descritto un algoritmo per la ricerca della Mediana Approssimata la cui analisi probabilistica è stata realizzata insieme con il Prof. Micha Hofri (WPI University).

CONSULTA INTEGRALMENTE QUESTA TESI

La consultazione è esclusivamente in formato digitale .PDF

Acquista
Mostra/Nascondi contenuto.
5 Introduzione Oggetto di studio della presente tesi è l'applicazione di Metodi Statistici ed Entropici all'Elaborazione delle Immagini e in Computer Vision; il tema ed argomento centrale della Tesi è quindi legato a problematiche di visione e grafica che verranno dettagliate nel seguito. Si è ritenuto però utile prevedere di aggiungere, in forma di appendice al corpo centrale di risultati della tesi, una dettagliata relazione anche sui risultati conseguiti nell'ambito della Teoria degli Algoritmi Probabilistici sotto la guida del Prof. M. Hofri della WPI University e del Prof. D. Cantone dell'Università di Catania. Nella Tesi vengono approfondite tematiche relative all'applicazione di metodi tipici della statistica teorico/applicativa all'Elaborazione delle Immagini. In particolare oggetto di studio e di analisi sono le distribuzioni di probabilità indotte da campionamenti o da una conoscenza a priori del fenomeno sotto osservazione, al fine di estrarre metodologie e tecniche di analisi da utilizzare ad esempio negli ambiti applicativi più classici quali Segmentazione, Pattern Recognition, Analisi/Sintesi di texture, edge finding, ecc.. Vengono inoltre brevemente presentati alcuni risultati ottenuti nell'ambito dell'information hiding di immagini digitali, tuttora oggetto di studio. Gli studi e le ricerche condotti in questi particolari ambiti applicativi sono stati realizzati insieme con il Prof. G. Gallo dell'Università di Catania.

CONSULTA INTEGRALMENTE QUESTA TESI

La consultazione è esclusivamente in formato digitale .PDF

Acquista

FAQ

Per consultare la tesi è necessario essere registrati e acquistare la consultazione integrale del file, al costo di 29,89€.
Il pagamento può essere effettuato tramite carta di credito/carta prepagata, PayPal, bonifico bancario, bollettino postale.
Confermato il pagamento si potrà consultare i file esclusivamente in formato .PDF accedendo alla propria Home Personale. Si potrà quindi procedere a salvare o stampare il file.
Maggiori informazioni
Ingiustamente snobbata durante le ricerche bibliografiche, una tesi di laurea si rivela decisamente utile:
  • perché affronta un singolo argomento in modo sintetico e specifico come altri testi non fanno;
  • perché è un lavoro originale che si basa su una ricerca bibliografica accurata;
  • perché, a differenza di altri materiali che puoi reperire online, una tesi di laurea è stata verificata da un docente universitario e dalla commissione in sede d'esame. La nostra redazione inoltre controlla prima della pubblicazione la completezza dei materiali e, dal 2009, anche l'originalità della tesi attraverso il software antiplagio Compilatio.net.
  • L'utilizzo della consultazione integrale della tesi da parte dell'Utente che ne acquista il diritto è da considerarsi esclusivamente privato.
  • Nel caso in cui l'Utente volesse pubblicare o citare una tesi presente nel database del sito www.tesionline.it deve ottenere autorizzazione scritta dall'Autore della tesi stessa, il quale è unico detentore dei diritti.
  • L'Utente è l'unico ed esclusivo responsabile del materiale di cui acquista il diritto alla consultazione. Si impegna a non divulgare a mezzo stampa, editoria in genere, televisione, radio, Internet e/o qualsiasi altro mezzo divulgativo esistente o che venisse inventato, il contenuto della tesi che consulta o stralci della medesima. Verrà perseguito legalmente nel caso di riproduzione totale e/o parziale su qualsiasi mezzo e/o su qualsiasi supporto, nel caso di divulgazione nonché nel caso di ricavo economico derivante dallo sfruttamento del diritto acquisito.
  • L'Utente è a conoscenza che l'importo da lui pagato per la consultazione integrale della tesi prescelta è ripartito, a partire dalla seconda consultazione assoluta nell'anno in corso, al 50% tra l'Autore/i della tesi e Tesionline Srl, la società titolare del sito www.tesionline.it.
L'obiettivo di Tesionline è quello di rendere accessibile a una platea il più possibile vasta il patrimonio di cultura e conoscenza contenuto nelle tesi.
Per raggiungerlo, è fondamentale superare la barriera rappresentata dalla lingua. Ecco perché cerchiamo persone disponibili ad effettuare la traduzione delle tesi pubblicate nel nostro sito.
Scopri come funziona

DUBBI? Contattaci

Contatta la redazione a
[email protected]

Ci trovi su Skype (redazione_tesi)
dalle 9:00 alle 13:00

Oppure vieni a trovarci su

Parole chiave

entropy
image processing
immagini digitali
texture
watermarking

Non hai trovato quello che cercavi?


Abbiamo più di 45.000 Tesi di Laurea: cerca nel nostro database

Oppure consulta la sezione dedicata ad appunti universitari selezionati e pubblicati dalla nostra redazione

Ottimizza la tua ricerca:

  • individua con precisione le parole chiave specifiche della tua ricerca
  • elimina i termini non significativi (aggettivi, articoli, avverbi...)
  • se non hai risultati amplia la ricerca con termini via via più generici (ad esempio da "anziano oncologico" a "paziente oncologico")
  • utilizza la ricerca avanzata
  • utilizza gli operatori booleani (and, or, "")

Idee per la tesi?

Scopri le migliori tesi scelte da noi sugli argomenti recenti


Come si scrive una tesi di laurea?


A quale cattedra chiedere la tesi? Quale sarà il docente più disponibile? Quale l'argomento più interessante per me? ...e quale quello più interessante per il mondo del lavoro?

Scarica gratuitamente la nostra guida "Come si scrive una tesi di laurea" e iscriviti alla newsletter per ricevere consigli e materiale utile.


La tesi l'ho già scritta,
ora cosa ne faccio?


La tua tesi ti ha aiutato ad ottenere quel sudato titolo di studio, ma può darti molto di più: ti differenzia dai tuoi colleghi universitari, mostra i tuoi interessi ed è un lavoro di ricerca unico, che può essere utile anche ad altri.

Il nostro consiglio è di non sprecare tutto questo lavoro:

È ora di pubblicare la tesi