http://www.tu-ilmenau.de

Logo TU Ilmenau


Ihre Position

INHALTE

Grundlagen der Bildverarbeitung und Mustererkennung / Computervision I

Wintersemester 2018 / 2019

Zielgruppen: Studenten der IA-Bachelor-Studiengänge, die das Modul "Computervision" gewählt haben. Studenten außerhalb IA in Modulen zur Bildverarbeitung, Technischen Erkennung, 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: wieder im WS 19/20
  • Übung: wieder im WS 19/20
  • nächste Klausur: -

Überblick

Gegenstand der Vorlesung "Grundlagen der Bildverarbeitung und Mustererkennung" ("Grundlagen der digitalen Bildverarbeitung") sind Methoden zur Lösung von Erkennungsproblemen mit kamerabasierten technischen Systemen. Erkennungsaufgaben mit kamerabasierten (sehenden) technischen Systemen sind heutzutage in der Automatisierungstechnik, der Robotik, der Medizintechnik, der Überwachungstechnik und im Automotive-Bereich sehr weit verbreitet.

Die Veranstaltung legt dabei den Fokus zunächst auf grauwertige digitale Bilder, die im Sinne einer konkreten Aufgabenstellung ausgewertet werden müssen. Das 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 klassifiziert werden, um nachfolgend relevante Inhalte und Aussagen abzuleiten. Die Veranstaltung stellt dafür wesentliche Methoden, Verfahren und Algorithmen der Low-Level-Verarbeitung vor. Diese sind wegen ihres generellen Charakters möglicher Bestandteil fast jeder Bildverarbeitungslösung. 

Der Hörer erhält einen umfassenden Überblick über wesentliche Basismethoden zur Verarbeitung digitaler Bilder, die im Rahmen der Lösung von Erkennungsaufgaben  verwendet werden. Neben dem rein informatischen Aspekt der digitalen Bildverarbeitung werden dem Studenten wichtige Zusammenhänge zum Entstehen und zur Beschreibung digitaler Bilder vermittelt. Im Ergebnis soll der Hörer in der Lage sein, typische Verarbeitungsabfolgen zur Lösung bildbasierter Erkennungsaufgaben anzuwenden, die dafür benötigte Fachliteratur zu verstehen, richtig einzuordnen und zu werten sowie sich begrifflich sicher in diesem interdiziplinären Wissensgebiet zu bewegen.

Aufbauend auf den vermittelten Inhalten kann der Hörer das erworbene Wissen in weiterführenden Veranstaltungen des Bachelor oder Masterstudiums, z.B. zur Systemtechnik und Systemtheorie der Bildverarbeitung (Prof. Notni), Farbbildverarbeitung oder zur Erfassung und Verarbeitung von 3D-Daten, ergänzen oder 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 weiterhin 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

im Modul "Computervision" schriftliche Prüfung 90 min, Modulnote zusammen mit Fach "Grundlagen der Farbbildverarbeitung" im SS 2019

ansonsten schriftliche Prüfung  90 min oder mündliches Prüfungsgespräch nach Vereinbarung

Skripte, Lehr- & Übungsmaterialien (zuletzt aktualisiert am 23.01.2019)

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
18/19
pdf-Dokument
pdf-Dokument

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

  WS
18/19
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
18/19
pdf-Dokument

Kapitel 1-3: Systemtheoretische Grundlagen

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

  WS
18/19
pdf-Dokument

Kapitel 2: Bild­vor­ver­ar­bei­tung, Geo­me­tri­sche Trans­for­ma­tio­nen und Re­sam­pling

VIP-Beispiel zu geo­me­tri­schen Bild­trans­for­ma­tio­nen und zum Re­sam­pling­pro­blem

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

 WS
18/19
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
18/19
pdf-Dokument

Kapitel 4: Punktoperationen (Shading­ko­rrek­tur, Grau­wert­mani­pu­la­tionen)

VIP-Beispiel zur bildbezogenen Shadingkorrektur

VIP-Beispiel zu histogrammbasierten homogenen Punktoperationen

  WS
18/19
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
18/19
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
18/19
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
18/19
pdf-Dokument

Kapitel 7: Luminanzkantenoperatoren (lineare/nichtlineare Operatoren und Methoden zur Kantenorthervorhebung und -detektion)

VIP-Beispiel zum Prinzip des Canny-Kantendetektors

VIP-Beispiel zu nichtlinearen Ansätzen zur Kantenorthervorhebung

 WS
18/19
pdf-Dokument

Kapitel 8: Segmentierung (allgemeine Segmentierungsaufgabe, Verfahren zur pixel-,regionen-, kantenbasierten Segmentierung: Pixelklassifikation, Region Growing, Wasserscheidentransformation), Ausblick

 VIP-Beispiel zur Segmentierung per Pixel­klas­si­fi­ka­tion mit ei­nem auto­ma­ti­schen Multi­schwell­wert­ver­fahren

 

  WS
18/19
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 Sin­nes­täu­schun­gen, Pri­mä­re Wahr­neh­mung (op­ti­sche Strah­lung, tech­ni­sche Licht­quel­len)

Musterlösungen zu offenen Fragen

WS 18/19 zip-Archiv
Übung 2/3: Elemente der Primärwahrnehmung, Bildrepräsentationen & Systemtheorie: Radiometrische und photometrische Betrachtungen, Frequenzbegriffe, DFT und VIP-Toolkit-Experimente zur DFT, Grenzen der Ortsauflösung, Bonus-Hausaufgabe 8%

WS 18/19

 

zip-Archiv

Ergänzung zu Übung 3 + Bonus-Hausaufgabe 2%

WS 18/19

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

WS 18/19

zip-Archiv

Übung 5: Punktoperationen (histogrammbasierte Kontrastmanipulationen) und lokale Operatoren 1, VIP-Toolkit-Experimente, Bonus-Hausaufgabe 9%

Ergänzung zu Übung 5

WS 18/19

zip-Archiv

Bonus-Hausaufgabe 9%: Umsetzung eines kombi­nier­ten Ave­raging-/Aus­wahl-Fil­ters nach dem Prin­zip des al­pha-trim­med-Me­dian

WS 18/19

zip-Archiv

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

WS 18/19

zip-Archiv

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

WS 18/19

zip-Archiv