http://www.tu-ilmenau.de

Logo TU Ilmenau


Ihre Position

INHALTE

Grundlagen der Bildverarbeitung und Mustererkennung / Computervision I

Wintersemester 2019/2020

Zielgruppen: Studenten der BA-Studiengänge Biomedizinische Technik sowie Ingenieurinformatik und Informatik, die das Modul "Computervision" gewählt haben. Studenten der BA-Studiengänge Medientechnologie und Elektrotechnik, Studenten mit Interesse an Bildverarbeitung.

Verantwortlich

Voraussetzungen

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

Umfang

  • 2 SWS Vorlesung, 1 SWS Übung

Termine

  • Vorlesung: Mittwochs, 11.00-12.30 Uhr, Seminarraum Sr K 2026 | 52
  • Übung: Freitags-U, 13.00-14.30 Uhr, Seminarraum Sr HU 204 | 32
  • nächste Klausur: am 26.09.2019 um 10.00-11.30 Uhr im HU211/212

Überblick

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.

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.

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.

Vorlesungsinhalte

  • 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 (Bildverbesserung,  Kantenorthervorhebung und -erkennung)
    • Morphologische Operationen
  • Ausgewählte Aspekte der Bildinhaltsanalyse
    • Bildsegmentierung
    • Merkmalextraktion und Klassifikation

Literatur

  • J.Beyerer, F.P. Puente Leon, C. Frese: Automatische Sichtprüfung -  Grundlagen, Methoden und Praxis der Bildgewinnung und Bildauswertung. Springer Verlag 2012, ISBN 978-3-642-23965-6
  • F. Wahl: Digitale Bildsignalverarbeitung, Springer Verlag 1989, ISBN 3-540-13586-3
  • W. Abmayr: Einführung in die digitale Bildverarbeitung. B.G. Teubner Stuttgart 1994, ISBN 3-519-06138-4
  • B. Jähne: Digitale Bildverarbeitung und Bildgewinnung. Springer; Auflage: 7.,  2012, ISBN  978-3642049514
  • B. Jähne: Digitale Bildverarbeitung. Springer; 1994, ISBN  3-540-61379-X
  • P. Haberäcker: Praxis der Digitalen Bildverarbeitung und Mustererkennung. Hanser Fachbuch, 1995, ISBN 978-3446155176
  • P. Haberäcker: Digitale Bildverarbeitung. Hanser Fachbuch, 1991, ISBN 978-3446163393
  • P. Haberäcker: Praxis der Digitalen Bildverarbeitung und Mustererkennung. Hanser Fachbuch, 1995, ISBN 978-3446155176

Abschluss

Abschluss durch schriftliche Prüfung, 90 min oder mündliches Prüfungsgespräch (nur nach Vereinbarung).

BA-Modul "Computervision" der Studiengänge IN und II: Abschluss durch schriftliche Prüfung, 90 min, Modulnote zusammen mit Note für Fach "Grundlagen der Farbbildverarbeitung (Computervision II)". Die Modulprüfung "Computervision" umfasst stets beide Prüfungsleistungen! 

Skripte, Lehr- & Übungsmaterialien (aktualisiert am 07.10.2019)

Vorlesungen

  Die Skripte müssen in der VL vervollständigt werden. Bitte installieren Sie für die -Lehrbeispiele  die VIP-Toolkit™-BV-Rapid Prototyping- Studentenversion.
Kapitel 0: Einführung, Wesen technischer Erkennungsprozesse auf bildhaften Daten  WS
19/20
pdf-Dokument
pdf-Dokument

Kapitel 1-1: Elemente der Primärwahrnehmung (optischer Reiz - Objekt-Strahlung-Wechselwirkungen, Begriffe der Radiometrie und Bildsensoren-Photometrie)

 WS
19/20
pdf-Dokument

Kapitel 1-2: Bildrepräsentationen, Bildtransformationen...

VIP-Beispiel zur Er­zeu­gung von Ba­sis­bil­dern (Trans­for­ma­tions­kernen) der 2D-DFT

VIP-Beispiel zu Ba­sis­bil­dern der 2D-DFT im Orts- und Fre­quenz­raum

VIP-Beispiel zu Theo­remen der (D)FT

VIP-Beispiel zu Nutzung globaler Bildmerkmale aus der DFT

VIP-Beispiel zur Erzeugung einer Laplace-Pyramide

 VIP-Beispiel zum Prin­zip der Wave­let-Ana­lyse

   WS
19/20
pdf-Dokument

Kapitel 1-3: Systemtheoretische Grundlagen der Bilderfassung

VIP-Projekt zu Test­bil­dern für die Ab­stim­mung von Ver­ar­bei­tungs­pipe­lines oder zur systemtheoretischen Be­wer­tung von Ope­ra­to­ren (Filtern)

 WS
19/20
pdf-Dokument

Kapitel 2: Bild­vor­ver­ar­bei­tung, Geo­me­tri­sche Bildtrans­for­ma­tio­nen (Interpolation und Re­sam­pling)

VIP-Beispiel zu geo­me­tri­schen Bild­trans­for­ma­tio­nen und zum Re­sam­pling­pro­blem

VIP-Beispiel zu geo­me­tri­schen Bild­trans­for­ma­tio­nen mit idealem Resampling (Interpolation)

  WS
19/20
pdf-Dokument

Kapitel 3: Grauwertstatistik

VIP-Beispiel zur Aussagekraft von Histogrammen und Histogrammmerkmalen

VIP-Beispiel zur statistischen Beschreibung von Bildregionen mit Co-Occurence-Matrizen

 VIP-Beispiel zur sta­tis­tischen Be­schrei­bung von Bildregionen mit NGLD-Ma­tri­zen

  WS
19/20
pdf-Dokument

Kapitel 4: Punktoperationen (Shading­ko­rrek­tur, Grau­wert­mani­pu­la­tionen)

VIP-Beispiel zur bildbezogenen Shadingkorrektur

VIP-Beispiel zu histogrammbasierten homogenen Punktoperationen

   WS
19/20
pdf-Dokument

Kapitel 5-1: Lokale Operatoren 1 (Lokale lineare Ope­ra­to­ren, Lineare Ansätze zur Bildverbesserung: Tief­pass­fil­ter)

VIP-Beispiel zum Prinzip der großräumigen Mittelung mit kaskadierten Binomialfiltern

  WS
19/20
pdf-Dokument

Kapitel 5-2: Lokale Operatoren 2 (Rangordnungsfilter, bedingte Filter, Ansätze zur effizienten Filter-Implementierung)

VIP-Beispiel zu leistungsfähigen adaptiven Filteransätzen

VIP-Beispiel zum Prinzip kombinierter Averaging-/Auswahlfilter (alpha-trimmed-Median)

   WS
19/20
pdf-Dokument

Kapitel 6: Morphologische Operationen auf Binärbildern (Basisoperatoren Dilatation und Erosion, ausgewählte komplexere morphologische Operationen und Operationsketten)

VIP-Beispiele zu morphologischen Basisoperationen (Opening-Closing, Hit&Miss)

VIP-Beispiel zu komplexeren morphologischen Operationen (erw. Hit&Miss & zyklisches Abschmelzen, Skelettierung)

  WS
19/20
pdf-Dokument

Kapitel 7: Luminanzkanten (lineare/nichtlineare Operatoren und Methoden zur Kantenpixel-Detektion und Kantenerkennung, Canny-Kantendetektor)

VIP-Beispiel zum Prinzip des Canny-Kantendetektors

VIP-Beispiel zu nichtlinearen Ansätzen zur Kantenorthervorhebung

  WS
19/20
pdf-Dokument

Kapitel 8: Segmentierung (allgemeine Segmentierungsaufgabe, Verfahren zur pixel-,regionen-, kantenbasierten Segmentierung: Pixelklassifikation, Region Growing, Wasserscheidentransformation), Modellbasiertes Segmentieren (Hough-Transformation), Ausblick Merkmalgewinnung und Klassifikation

 VIP-Beispiel zur Segmentierung per Pixel­klas­si­fi­ka­tion mit ei­nem auto­ma­ti­schen Multi­schwell­wert­ver­fahren

 VIP-Beispiel zur Houghtransformation für Geraden und Kreise

 

   WS
19/20
pdf-Dokument

Hinweise zur Prüfung

pdf-Dokument

 

Übungen

  Die Arbeitsmaterialien müssen in den Übungen vervollständigt werden.
Bitte installieren Sie für -Experimente die VIP-Toolkit™-BV-Rapid Prototyping-Studentenversion.

Übung 1: Vorstellung VIP-Toolkit-Experimentiersoftware und erste ein­fache Ex­pe­ri­men­te zu visuellen Sin­nes­täu­schun­gen, Pri­mä­re Wahr­neh­mung (op­ti­sche Strah­lung, tech­ni­sche Licht­quel­len)

 WS
19/20
zip-Archiv

Übung 2: Elemente der Primärwahrnehmung: Radiometrische und photometrische Betrachtungen

 WS
19/20

 

Übung 3: Frequenzbegriffe, DFT und VIP-Toolkit-Experimente zur DFT, Grenzen der Ortsauflösung, Bonus-Hausaufgabe
WS
19/20

Übung 4: Geometrische Bildtransformationen und Punktoperationen (Shadingkorrektur), VIP-Toolkit-Experimente zu Punktoperationen

 WS
19/20


Übung 5: Punktoperationen (histogrammbasierte Kontrastmanipulationen) und lokale Operatoren 1, VIP-Toolkit-Experimente, Bonus-Hausaufgabe

 WS
19/20

 

Übung 6: Lo­kale Opera­to­ren zur Bild­ver­bes­serung, Im­ple­men­tie­rungs­as­pekte lokaler Operatoren, Adaptives Averaging, VIP-Tool­kit-Ex­peri­mente

 WS
19/20


Übung 7: Morphologische Operatoren, li­ne­are Metho­den der Kan­ten­ort­her­vor­he­bung, VIP-Tool­kit-Ex­peri­men­te und -An­wen­dun­gen, Prü­fungs­hin­wei­se

 WS
19/20