Technische Universität Ilmenau

Fundamentals of Image Processing and Pattern Recognition - Modultafeln of TU Ilmenau

The Modultafeln have a pure informational character. The legally binding information can be found in the corresponding Studienplan and Modulhandbuch, which are served on the pages of the course offers. Please also pay attention to this legal advice (german only). Information on place and time of the actual lectures is served in the Vorlesungsverzeichnis.

subject properties subject number 5446 - common information
subject number5446
departmentDepartment of Mechanical Engineering
ID of group2362 (Group for Quality Assurance and Industrial Image Processing)
subject leader Dr. Rico Nestler
languageDeutsch
term Wintersemester
previous knowledge and experience

gute Kenntnisse in Physik, Mathematik aber auch Informations- bzw. Nachrichtentechnik (Vorlesungen zu Systemtheorie, Signalen & Systemen)

learning outcome

Im Ergebnis ist der Kursteilnehmer in der Lage, klassische Verarbeitungsketten zur Lösung bildbasierter Erkennungsaufgaben zu verstehen und zu gestalten, Teilaspekte von Verarbeitungslösungen richtig einzuordnen und umzusetzen sowie sich begrifflich sicher in diesem interdiziplinären Wissensgebiet zu bewegen. Für das methodische Verständnis aktueller Anwendungsgebiete der Künstlichen Intelligenz, wie dem Deep Learning, werden beste Vorraussetzungen geschaffen.

Aufbauend auf den in der Vorlesung vermittelten Inhalten kann der Hörer das erworbene Wissen in weiterführenden Veranstaltungen des Bachelor- und Masterstudiums, z.B.

sowie externen Veranstaltungen zur angewandten Bildverarbeitung und bildbasierten Mustererkennung / künstlichen Intelligenz an der TU Ilmenau weiter auszubauen.

content

Gegenstand der Vorlesung Grundlagen der Bildverarbeitung und Mustererkennung (Computervision I) sind Methoden zur Lösung von Erkennungsaufgaben mit kamerabasierten technischen Systemen. Kamerabasierte ("sehende") technische Systeme sind heutzutage in der Automatisierungstechnik, der Robotik, der Medizintechnik, der Überwachungstechnik und im Automotive-Bereich sehr weit verbreitet.

Die Veranstaltung legt den Fokus zunächst auf digitale Bilder mit skalaren Pixelwerten (sogenannte Grauwertbilder), die im Sinne konkreter Aufgabenstellungen ausgewertet werden müssen. Das übergeordnete Ziel dieser Auswertung ist die Interpretation des Bildinhaltes auf verschiedenen Abtraktionsstufen. Dazu müssen die Bilder in ihrer technisch zugänglichen Form aufbereitet, transformiert, gewandelt, analysiert und letztlich klassifiziert werden, um relevante Inhalte und Aussagen ableiten zu können. In der Veranstaltung werden dafür wesentliche Methoden, Verfahren und Algorithmen betrachtet und im Kontext konkreter Anwendungen aus der Praxis diskutiert.

Neben den rein informatischen Aspekten der digitalen Bildverarbeitung werden in der Vorlesung wichtige Zusammenhänge zum Entstehen und zur Beschreibung digitaler Bilder vermittelt.

Gliederung der Vorlesung:

  • Einführung / Grundlagen
    • Wesen technischer Erkennungsprozesse
    • Primäre Wahrnehmung / Entstehen digitaler Bilder
    • Bildrepräsentationen und -transformationen
  • Verfahren der Bildvorverarbeitung
    • Geometrische Bildtransformationen
    • Bildstatistik und Punktoperationen
    • Lineare und nichtlineare lokale Operationen
    • Morphologische Operationen
  • Ausgewählte Aspekte der Bildinhaltsanalyse
    • ikonische Segmentierung
    • Merkmalgewinnung und Klassifikation

Die Veranstaltung ist begleitet von einer Übung, in der die Vorlesungsinhalte nachbereitet, vertieft und einfache BV-Aufgaben mit einer Prototyping Software für Bildverarbeitungslösungen (VIP-Toolkit) bearbeitet werden. Zur Vorlesung werden zahlreiche VIP-Toolkit-Lehrbeispiele bereitgestellt.

media of instruction

elektronisches oder gedrucktes Vorlesungsskript "Grundlagen der Digitalen Bildverarbeitung und Mustererkennung (Computervision I)", Übungsunterlagen, BV-Experimentiersystem VIP-Toolkit™-Rapid Prototyping

literature / references

siehe Rubrik Literatur in der Fachbeschreibung

evaluation of teaching

Pflichtevaluation:

WS 2011/12 (Fach)

Freiwillige Evaluation:

Ws 2014/15 (Vorlesung, Übung)

WS 2015/16 (Vorlesung, Übung)

WS 2016/17 (Vorlesung, Seminar)

WS 2017/18 (Vorlesung, Seminar)

Hospitation:

Details in major Bachelor Elektrotechnik und Informationstechnik 2008, Bachelor Elektrotechnik und Informationstechnik 2013
subject nameFundamentals of Image Processing and Pattern Recognition
examination number2200191
credit points4
on-campus program (h)34
self-study (h)86
Obligationobligatory
examwritten examination performance, 90 minutes
details of the certificate

schriftliche Prüfung 90 min, mündliches Prüfungsgespräch nach Vereinbarung

Signup details for alternative examinations

Pflichtevaluation:


WS 2011/12 (Fach)


Freiwillige Evaluation:


Ws 2014/15 (Vorlesung, Übung)


WS 2015/16 (Vorlesung, Übung)


WS 2016/17 (Vorlesung, Seminar)


WS 2017/18 (Vorlesung, Seminar)


Hospitation:

maximum number of participants
Details in major Bachelor Medientechnologie 2013
subject nameFundamentals of Image Processing and Pattern Recognition
examination number2200191
credit points4
on-campus program (h)34
self-study (h)86
Obligationobligatory elective
examwritten examination performance, 90 minutes
details of the certificate

schriftliche Prüfung 90 min, mündliches Prüfungsgespräch nach Vereinbarung

Signup details for alternative examinations

Pflichtevaluation:


WS 2011/12 (Fach)


Freiwillige Evaluation:


Ws 2014/15 (Vorlesung, Übung)


WS 2015/16 (Vorlesung, Übung)


WS 2016/17 (Vorlesung, Seminar)


WS 2017/18 (Vorlesung, Seminar)


Hospitation:

maximum number of participants
Details in major Bachelor Ingenieurinformatik 2008, Bachelor Informatik 2013, Bachelor Ingenieurinformatik 2013
subject nameFundamentals of Image Processing and Pattern Recognition
examination number2200426
credit points
on-campus program (h)
self-study (h)
Obligationobligatory
examnone
details of the certificate

schriftliche Prüfung 90 min, mündliches Prüfungsgespräch nach Vereinbarung

Signup details for alternative examinations

Pflichtevaluation:


WS 2011/12 (Fach)


Freiwillige Evaluation:


Ws 2014/15 (Vorlesung, Übung)


WS 2015/16 (Vorlesung, Übung)


WS 2016/17 (Vorlesung, Seminar)


WS 2017/18 (Vorlesung, Seminar)


Hospitation:

maximum number of participants
Details in major Master Wirtschaftsinformatik 2009
subject nameFundamentals of Image Processing and Pattern Recognition
examination number2200191
credit points3
on-campus program (h)34
self-study (h)56
Obligationobligatory
examwritten examination performance, 90 minutes
details of the certificate

schriftliche Prüfung 90 min, mündliches Prüfungsgespräch nach Vereinbarung

Signup details for alternative examinations

Pflichtevaluation:


WS 2011/12 (Fach)


Freiwillige Evaluation:


Ws 2014/15 (Vorlesung, Übung)


WS 2015/16 (Vorlesung, Übung)


WS 2016/17 (Vorlesung, Seminar)


WS 2017/18 (Vorlesung, Seminar)


Hospitation:

maximum number of participants
Details in major Bachelor Medientechnologie 2008
subject nameFundamentals of Image Processing and Pattern Recognition
examination number2200033
credit points4
on-campus program (h)34
self-study (h)86
Obligationobligatory
examwritten pass-fail certificate, 90 minutes
details of the certificate

schriftliche Prüfung 90 min, mündliches Prüfungsgespräch nach Vereinbarung

Signup details for alternative examinations

Pflichtevaluation:


WS 2011/12 (Fach)


Freiwillige Evaluation:


Ws 2014/15 (Vorlesung, Übung)


WS 2015/16 (Vorlesung, Übung)


WS 2016/17 (Vorlesung, Seminar)


WS 2017/18 (Vorlesung, Seminar)


Hospitation:

maximum number of participants