Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 

ONLINE im WS 2020/21: Rechnersehen 1 - Einzelansicht

  • Funktionen:
Grunddaten
Veranstaltungsart Vorlesung/Übung Langtext
Veranstaltungsnummer 19118 Kurztext FMI-IN0046
Semester WS 2020 SWS 4
Teilnehmer 1. Platzvergabe 30 Max. Teilnehmer 2. Platzvergabe 30
Rhythmus Jedes 2. Semester Studienjahr
Credits für IB und SPZ
E-Learning-Plattform Moodle  
Hyperlink
Sprache Deutsch
Belegungsfrist Standardbelegung Wintersemester ab Mitte August/ Sommersemester ab Mitte Februar
Abmeldefristen B1 - Belegung ohne Abmeldung    31.08.2020 09:00:00 - 21.10.2020 07:59:59   
Nach Zulassung ist eine Abmeldung nur durch den Dozenten möglich.
B2 - Belegung mit Abmeldung 6 Wochen    21.10.2020 08:00:00 - 14.12.2020 23:59:59    aktuell
Nach Zulassung ist eine Abmeldung nur durch den Dozenten möglich.
B3 - Belegung ohne Abmeldung    15.12.2020 00:00:01 - 22.02.2021 07:59:59   
Nach Zulassung ist eine Abmeldung nur durch den Dozenten möglich.
Termine Gruppe: 1-Gruppe iCalendar Export für Outlook
  Tag Zeit Rhythmus Dauer Raum Lehrperson (Zuständigkeit) Status Bemerkung fällt aus am Max. Teilnehmer 2. Platzvergabe
Einzeltermine anzeigen Mo. 12:00 bis 14:00 w. 02.11.2020 bis
08.02.2021
    findet statt

Vorlesung

 
Einzeltermine anzeigen Mi. 12:00 bis 14:00 14t. 04.11.2020 bis
10.02.2021
    findet statt

Vorlesung

 
Einzeltermine anzeigen Mi. 12:00 bis 14:00 14t. 11.11.2020 bis
10.02.2021
Ernst-Abbe-Platz 2 - Linux-Pool 2 Barz, Björn ( verantwortlich ) findet statt

Übung Gruppe 1

 
Einzeltermine anzeigen Mi. 14:00 bis 16:00 14t. 11.11.2020 bis
10.02.2021
Ernst-Abbe-Platz 2 - Linux-Pool 2 Barz, Björn ( verantwortlich ) findet statt

Übung Gruppe 2

 
Gruppe 1-Gruppe:



Zugeordnete Personen
Zugeordnete Personen Zuständigkeit
Denzler, Joachim, Universitätsprofessor, Dr.-Ing. verantwortlich
Barz, Björn begleitend
Module / Prüfungen
Modul Prüfungsnummer Titel VE.Nr. Veranstaltungseinheit
FMI-IN0046 Rechnersehen I
P-Nr. : 50461 Rechnersehen I: Klausur oder mündliche Prüfung
50463 Rechnersehen I: Vorlesung/Übung
Zuordnung zu Einrichtungen
Fakultät für Mathematik und Informatik
Inhalt
Literatur

Grundlage der Vorlesung ist das Lehrbuch Digital Image Processing von Gonzalez und Woods, das als Textbuch dringend empfohlen wird. Die Folien der Vorlesung werden ergänzend als Skript zur Verfügung gestellt

Bemerkung

Einschreibung/Anmeldung im Moodle ist notwendig und sollte automatisch passieren, wenn man sich in den Kurs über Friedolin einschreibt. Sollte dies nicht geschehen oder zu Problemen kommen, bitte bescheid geben!

Voraussetzungen

Zum Verständnis der Lehrinhalte werden grundlegende Kenntnisse der Linearen Algebra und der Analysis vorausgesetzt.

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.

Strukturbaum
Die Veranstaltung wurde 5 mal im Vorlesungsverzeichnis WiSe 2020/21 gefunden:
Wahlpflichtmodule  - - - 1
Wahlpflichtmodule  - - - 3

Impressum | Datenschutzerklärung