Categorizzazione automatica di immagini mediante algoritmi neurali

Il problema dell'elaborazione delle immagini, mirata all'interpretazione e alla classificazione del contenuto delle stesse, ha attirato l'attenzione dei ricercatori dai primi tempi della nascita e diffusione dei calcolatori: tra le prime applicazioni studiate si può annoverare il riconoscimento di caratteri alfabetici stampati o manoscritti per facilitare le operazione di ingresso nel calcolatore e successiva conversione in documenti di natura elettronica. Con il progredire della tecnologia dei sistemi di calcolo, la categorizzazione di immagini ha trovato applicazioni sempre più vaste, riguardando discipline di nuova generazione come l'Image e Scene Analysis, l'Image Understanding, l'Object Recognition e la Computer Vision, con applicazioni del tutto generali sia in ambiti scientifici che umanistici. A livello più generale, il problema rientra nell'ambito del Pattern Recognition (PR), la disciplina che si occupa degli approcci applicativi mirati al riconoscimento e alla classificazione automatici dell'entità di interesse di un fenomeno in osservazione. Obiettivo di questo lavoro è l'analisi dei problemi connessi alla categorizzazione di immagini, quali la costruzione di un sistema di riconoscimento, la rappresentazione dei pattern, la selezione ed estrazione delle feature e la definizione di un metodo di riconoscimento con particolare riferimento all'applicazione delle Reti Neurali Artificiali. In particolare, vengono analizzate e comparate diverse soluzioni, individuando come soluzione ottimale un sistema neurale gerarchico per l'elaborazione e l'interpretazione delle immagini, costituito da moduli Error Back-Propagation e Self-Organizing Map strutturati in due livelli successivi.