Aktuelle Informationen

  • Hier finden Sie einen Überblick zu den geplanten Inhalten der Vorlesung im Wintersemester 2022/2023. Überblick Folien Einführungsvorlesung

  • Die Vorlesungssprache ist deutsch.

  • Zur Veranstaltung werden elektronische Unterlagen (Vorlesung und Übung) in Moodle bereitgestellt. Im Copyshop ist ab Semesterbeginn auch ein gedrucktes Vorlesungsskript erhältlich.

  • Falls Sie Interesse an der Vorlesung haben, schreiben Sie sich bitte im Moodle dafür ein! Die Moodle-Einschreibung ist Voraussetzung für die Teilnahme an der Veranstaltung! Das Einschreibepasswort erhalten Sie automatisch per eMail  oder auf Anfrage per eMail an rico.nestler@tu-ilmenau.de.

Verantwortlich / Kontakt

Dr.-Ing. Rico Nestler

Zielgruppe und Voraussetzungen

Studenten der BA-Studiengänge Biomedizinische Technik sowie Ingenieurinformatik und Informatik, Medientechnologie und Elektrotechnik. MA-/BA-Studenten mit Interesse an Bildverarbeitung als Ergänzung oder zur Abrundung des Studiums.

Gute Kenntnisse in Physik, Mathematik sowie Informations- bzw. Nachrichtentechnik sind hilfreich. Ebenso Vorlesungen zu technischer Optik, Systemtheorie, Signalen & Systemen.

Überblick

Grundlagen der BildverarbeitungDr. R. Nestler

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 Abstraktionsstufen. 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 Studierende 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 interdisziplinären Wissensgebiet zu bewegen. Für das metho­dische Verständnis aktueller Anwendungsgebiete der Künstlichen Intelligenz, wie dem Deep Learning, werden beste Vorraussetzungen geschaffen.

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 Lehrbeispiele bereitgestellt.

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

sowie weiteren Veranstaltungen zur angewandten Bildverarbeitung / künstlichen Intelligenz an der TU Ilmenau weiter auszubauen und spezialisieren.

 

Inhalte

Bildverbesserung mit DiffusionsfilternDr. R. Nestler
Instanzsegmentierung durch statistische HintergrundmodelleDr. R. Nestler

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

Übungen mit VIP-Toolkit™-Rapid Prototyping-Studentenversion

Literaturhinweise

  • B. Jähne: Digitale Bildverarbeitung und Bildgewinnung. Springer; Auflage: 7.,  2012, ISBN  978-3642049514 (Lehrbuchsammlung)

  • B. Jähne: Digitale Bildverarbeitung. Springer; 2005, ISBN  3-540-24999-0 (Lehrbuchsammlung)

  • P. Haberäcker: Praxis der Digitalen Bildverarbeitung und Mustererkennung. Hanser Fachbuch, 1995, ISBN 978-3446155176 (Uni-Bibliothek)

  • P. Haberäcker: Digitale Bildverarbeitung. Hanser Fachbuch, 1991, ISBN 978-3446163393 (Uni-Bibliothek)

  • 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

  • weitere Ergebnisse der Stichwortsuche "Bildverarbeitung", "Image Processing", "Mustererkennung"

Abschluss

P-Leistungen als Voraussetzung für Modulabschluss durch Hausaufgaben während des Semesters.
Modulnote aus schriftlicher Prüfung, 90 min oder mündlichem Prüfungsgespräch (nach Vereinbarung).

Für BA-Modul "Computervision" der Studiengänge IN und II: Die Modulprüfung "Computervision" umfasst Klausuren "Grundlagen der Bildverarbeitung und Mustererkennung (BV1)" und Grundlagen der Farbbildverarbeitung (Bildverarbeitung 2). Bitte Fragen Sie zur Prüfungsanmeldung bei Ihrem Prüfungsamt nach!

Termine, Skripte, Lehr- & Übungsmaterialien

Termine, Skripte, Lehr- & Übungsmaterialien finden Sie im Moodle. Hier gelangen Sie zu den Moodle-Kursen des FG...