Technische Universität Ilmenau

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

The module lists provide information on the degree programmes offered by the TU Ilmenau.

Please refer to the respective study and examination rules and regulations for the legally binding curricula (Annex Curriculum).

You can find all details on planned lectures and classes in the electronic university catalogue.

Information and guidance on the maintenance of module descriptions by the module officers are provided at Module maintenance.

Please send information on missing or incorrect module descriptions directly to modulkatalog@tu-ilmenau.de.

module properties Fundamentals of Image Processing and Pattern Recognition in degree program Bachelor Informatik 2010
module number5446
examination number2200426
departmentDepartment of Mechanical Engineering
ID of group 2362 (Quality Assurance and Industrial Image Processing)
module leader Dr. Rico Nestler
term winter term only
languageDeutsch
credit points
on-campus program (h)
self-study (h)
obligationobligatory module
examnone
details of the certificate

schriftliche Prüfung 90 min, mündliches Prüfungsgespräch nach Vereinbarung

alternative examination performance due to COVID-19 regulations incl. technical requirements
signup details for alternative examinations
maximum number of participants
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 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.

content

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.

media of instruction and technical requirements for education and examination in case of online participation

Präsenz-Veranstaltungen

oder falls Präsenz nicht möglich

Webex (browserbasiert) oder Webex (Applikation), technische Anforderungen: Kamera für Videoübertragung (720p/HD), Mikrofon, Internetverbindung (geeignet ist für HD-Audio und -Video-Übertragung: 4 MBit/s), Endgerät, welches die technischen Hardware/Software-Voraussetzungen der benötigten Software (Webbrowser Internet Explorer, Mozilla Firefox, Safari oder Chrome bzw. Webex-Meeting-Applikation) erfüllt

 

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

literature / references

siehe Rubrik Literatur in der Fachbeschreibung auf der FG-Webseite

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: