Image analysis and Computer Vision have undergone significant development, especially in recent years. The fields of application are vast, and numerous studies are being conducted to continuously improve their performance. In this context, image focus analysis is one of the most intriguing applications for researchers, and automating this process to make it fast and optimal through autofocus systems is an area of continuous progress. While in traditional photography, many companies have achieved considerable performances in terms of autofocus, the situation is different for space optical systems, such as telescopes, where only the most prominent companies in the field have developed functional and operational systems. This thesis presents an in-depth analysis of focus level measurement in images, applied to the preliminary development of autofocus methods and algorithms to be implemented in Optec SpA's space optical systems. Both iterative approaches and Neural Networks are explored to find a solution applicable to any generic system. Finally, the last part of the study addresses the reconstruction of images acquired by sensors with Color Filter Arrays, applying advanced demosaicing techniques to enhance color quality and reduce artifacts.

L'analisi di immagini e la visione artificiale hanno subito un notevole sviluppo, soprattutto negli ultimi anni. I campi di applicazione sono vasti e gli studi che vengono condotti per migliorarne sempre di più le prestazioni sono numerosi. In questo contesto, l'analisi della messa a fuoco delle immagini è una delle applicazioni che più intriga i ricercatori e l'automatizzazione di questo processo per renderlo veloce e ottimale con sistemi di autofocus è un'area di progresso continuo. Mentre nella fotografia tradizionale la maggior parte delle aziende ha raggiunto prestazioni considerevoli in termini di autofocus, diversa è la situazione per i sistemi ottici spaziali, come i telescopi, per i quali solo le aziende più importanti del settore hanno sviluppato sistemi funzionanti e operativi. Questa tesi espone un'analisi approfondita per la misurazione del livello di messa a fuoco delle immagini, applicata ad uno sviluppo preliminare di metodi e algoritmi di autofocus da implementare nei sistemi ottici spaziali di Optec SpA. Vengono esplorati sia approcci iterativi che reti neurali per trovare una soluzione applicabile a qualsiasi sistema generico. Nella parte finale, inoltre, si affronta la ricostruzione delle immagini acquisite tramite sensori con Color Filter Arrays e, applicando tecniche di demosaicizzazione avanzate per migliorare la qualità cromatica e ridurre gli artefatti.

Optec-eye: focus analysis in static and real-time conditions, implementation of autofocus for space applications and image reconstruction

Ponzuoli, Leonardo
2023/2024

Abstract

Image analysis and Computer Vision have undergone significant development, especially in recent years. The fields of application are vast, and numerous studies are being conducted to continuously improve their performance. In this context, image focus analysis is one of the most intriguing applications for researchers, and automating this process to make it fast and optimal through autofocus systems is an area of continuous progress. While in traditional photography, many companies have achieved considerable performances in terms of autofocus, the situation is different for space optical systems, such as telescopes, where only the most prominent companies in the field have developed functional and operational systems. This thesis presents an in-depth analysis of focus level measurement in images, applied to the preliminary development of autofocus methods and algorithms to be implemented in Optec SpA's space optical systems. Both iterative approaches and Neural Networks are explored to find a solution applicable to any generic system. Finally, the last part of the study addresses the reconstruction of images acquired by sensors with Color Filter Arrays, applying advanced demosaicing techniques to enhance color quality and reduce artifacts.
BLANDINO, DAVIDE
ING - Scuola di Ingegneria Industriale e dell'Informazione
3-apr-2025
2023/2024
L'analisi di immagini e la visione artificiale hanno subito un notevole sviluppo, soprattutto negli ultimi anni. I campi di applicazione sono vasti e gli studi che vengono condotti per migliorarne sempre di più le prestazioni sono numerosi. In questo contesto, l'analisi della messa a fuoco delle immagini è una delle applicazioni che più intriga i ricercatori e l'automatizzazione di questo processo per renderlo veloce e ottimale con sistemi di autofocus è un'area di progresso continuo. Mentre nella fotografia tradizionale la maggior parte delle aziende ha raggiunto prestazioni considerevoli in termini di autofocus, diversa è la situazione per i sistemi ottici spaziali, come i telescopi, per i quali solo le aziende più importanti del settore hanno sviluppato sistemi funzionanti e operativi. Questa tesi espone un'analisi approfondita per la misurazione del livello di messa a fuoco delle immagini, applicata ad uno sviluppo preliminare di metodi e algoritmi di autofocus da implementare nei sistemi ottici spaziali di Optec SpA. Vengono esplorati sia approcci iterativi che reti neurali per trovare una soluzione applicabile a qualsiasi sistema generico. Nella parte finale, inoltre, si affronta la ricostruzione delle immagini acquisite tramite sensori con Color Filter Arrays e, applicando tecniche di demosaicizzazione avanzate per migliorare la qualità cromatica e ridurre gli artefatti.
File allegati
File Dimensione Formato  
2025_04_Ponzuoli_Tesi.pdf

accessibile in internet per tutti

Descrizione: Testo della tesi.
Dimensione 90.63 MB
Formato Adobe PDF
90.63 MB Adobe PDF Visualizza/Apri
2025_04_Ponzuoli_Executive Summary.pdf

accessibile in internet per tutti

Descrizione: Testo dell'Executive Summary.
Dimensione 29.2 MB
Formato Adobe PDF
29.2 MB Adobe PDF Visualizza/Apri

I documenti in POLITesi sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10589/236055