Lerninhalte |
Die Vorlesung stellt Teil 1 der beiden Module Rechnersehen an der Fakultät dar. Es werden vornehmlich Verfahren und Algorithmen behandelt, die dem signalnahen Bereich des Rechnersehens zuzuordnen sind. Darunter fallen folgende Themen:
- Fundamentale Grundlagen digitaler Bilder: u.a. Abtastung und Quantisierung
- Bildverbesserung im Ortsbereich: u.a. Kontrastverbesserung, Histogrammabgleich, Glättung
- Bildverbesserung im Frequenzbereich: u.a. Fouriertransformation, lineare Systeme und Filterung
- Bildwiederherstellung: u.a. Rauschmodelle und Rauschreduktion, geometrische Entzerrung
- Farbbildverarbeitung: u.a. Farbräume, Pseudofarben, Operatoren auf Farbbildern, Farbkompression
- Wavelets und Multiskalenanalyse: u.a. Auflösungshierarchien, Wavelettransformation
- Bildkompression: u.a. Redundanzbegriff, verlustbehaftete Codierung, Standards (JPEG2000, etc.)
- Morphologische Bildverarbeitung: u.a. Erosion, Dilatation, Konturextraktion, Skeletisierung
- Segmentierung: u.a. Kanten- und Liniendetektion, Schwellwertverfahren, Regionensegmentierung
- Merkmale aus Bildinformation: u.a. Signaturen, Kettencodes, Hauptachsen, Momente
- Erkennung in Bildern: u.a. Einführung in Mustererkennung, Bayes-Klassifikator, neuronale Netze
Die Vorlesung hat das Ziel, die notwendigen theoretischen Kenntnisse im Bereich der signalnahen Verarbeitung zu vermitteln und konkrete Algorithmen und effiziente Implementationen vorzustellen. Ein Besuch der Rechnerübung und Bearbeitung der gestellten Programmieraufgaben ist deshalb unerlässlich. |