Grundlagen der Bildverarbeitung und Mustererkennung (Bildverarbeitung 1) - Interaktive Studienpläne der TU Ilmenau

schriftliche Prüfung 90 min, mündliches Prüfungsgespräch nach Vereinbarung

Dr. Rico Nestler

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

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 Studierende 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 und spezialisieren.

Gegenstand der Vorlesung Grundlagen der Bildverarbeitung und Mustererkennung (Bildverarbeitung 1) 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.

Präsenz-Veranstaltungen

oder falls Präsenz nicht möglich

Moodle-Kurs: Elektronisches Vorlesungsskript "Grundlagen der Digitalen Bildverarbeitung und Mustererkennung (Bildverarbeitung 1)", Übungsunterlagen, BV-Experimentiersystem VIP-Toolkit™-Rapid Prototyping, Lehrbeispiele

gedrucktes Vorlesungsskript "Grundlagen der Digitalen Bildverarbeitung und Mustererkennung (Bildverarbeitung 1)" im Copyshop

siehe Rubrik Literatur in der Fachbeschreibung auf der FG-Webseite