Opportunità per tesi di laurea e tirocini

L'analisi quantitativa di immagini è fondamentale in molti ambiti di ricerca, ad esempio la neurobiologia. Lo sviluppo di strumenti automatici per effettuare tale indagine è importante per garantire precisione e ripetibilità degli esperimenti. Il lavoro di tesi proposto mira allo sviluppo di algoritmi per l'analisi quantitativa di una classe di immagini biologiche, quelle in campo chiaro, che presentano notevoli difficoltà. Il lavoro di tesi si svolgerà in collaborazione con Glance Vision Technologies srl di Trieste dove sarà possibile, eventualmente, svolgere anche un'attività di tirocinio.

Il candidato ideale è un laureando in Ingegneria Informatica con qualche esperienza nell'elaborazione di immagini.

Per ulteriori informazioni, contattare il dott. Felice Andrea Pellegrino.
bright filed tem






Lo studio sperimentale di flussi presenta numerose difficoltà ed è fondamentale disporre di dati per validare le simulazioni o semplicemente per monitorare il processo fisico. Talvolta l'accesso diretto al fluido può essere precluso  o comunque i sensori disponibili non possono lavorare nei range di interesse e/o risultare troppo costosi. Ciò risulta particolarmente vero se consideriamo flussi soggetti a variazione di densità dovuta per esempio a gradienti di temperatura o di altri scalari. La tecnica di tipo ottico, denominata Schlieren, appunto sfrutta la variazione dell'indice di rifrazione conseguenza di gradienti di densità rendendo possibile la visualizzazione di tali disomogeneità nel fluido.

Il lavoro di tesi proposto consiste nell'acquisizione di filmati di flussi ad alto frame rate e in condizioni controllate attraverso un apparato ottico che permette di evidenziare le variazioni di densità. Una volta acquisite le sequenze filmate, essere dovranno essere analizzate per stimare alcune grandezze di interesse. Infine i risultati ottenuti andranno confrontati con quelli ricavati da modelli numerici.
L'apparato sperimentale è situato presso il laboratorio LASER del DIA, dove sarà possibile, eventualmente, svolgere anche un'attività di tirocinio.

Il candidato ideale ha nozioni di elaborazione ottica e numerica di immagini, di fluidodinamica computazionale e una predisposizione per l'attività sperimentale.

Per ulteriori informazioni, contattare il dott. Felice Andrea Pellegrino.

t schlieren






Le macchine a vettori di supporto (Support Vector Machine, SVM) sono una metodologia di apprendimento automatico supervisionato per la classificazione e la regressione. Le SVM sono state utilizzate con successo in numerose applicazioni di pattern recognition. Il lavoro di tesi proposto mira a mettere a punto delle tecniche di selezione di descrittori (feature selection) per migliorare le prestazioni di classificazione riducendo al contempo il carico computazionale. Una possibile applicazione è il cosiddetto hand detection, cioè il rilevamento di mani in immagini, importante per le interfacce uomo-macchina gestuali.

Il candidato ideale ha nozioni di machine learning e solide basi di matematica, oltre che familiarità con la programmazione in ambiente Matlab.

Per ulteriori informazioni, contattare il dott. Felice Andrea Pellegrino.
Hand detection






Questo sito fa uso di cookie, come scritto nell'informativa. Continuando la navigazione si esprime consenso a tale impiego.