Digitale Bildverarbeitung (Bachelor)
| Nummer | Umfang | Termin | Dozent |
|---|---|---|---|
| 040301 | 4V | Mo. 12:15–14:00, OH16 / R205 (Beginn: 10.10.) Mi. 08:30–10:00, OH16 / R205 | Priv-Doz. Dr. Frank Weichert |
| Übungsbetreuung | gemäß Absprache | N.N. |
Anmeldung zur Vorlesung
- Um Ihnen die Zugangsdaten zu den Vorlesungsmaterialien als auch jeweils allgemeine aktuelle Informationen zukommen lassen zu können, ist eine Online-Anmeldung zwingend notwendig.
- Die Anmldung erlaubt uns zudem, die Raumsituation (Abstand) besser einschätzen zu können.
- Die Online-Anmeldung erfolgt über das LSF: Link zur Online-Anmeldung (Platzvergabe)
- Für Studierende der Ruhr-Universität Bochum ist eine Registrierung über das LSF leider nicht möglich. Bitte melden Sie sich per eMail beim Dozenten zur Vorlesung an: frank.weichert@tu-dortmund.de
Informationen zur Veranstaltung
Die aktuelle Planung sieht vor, dass die Vorlesung in Präsenz erfolgt.
Sofern es die Corona-Situation verlangt, zu einer abweichenden Regelung überzugehen, werden die Hinweise umgehend angepasst. Die Vorlesung würde dann live über ein Webkonferenz-System gehalten.
Ergänzend zur Vorlesung wird es wöchendlich eine Online-Fragestunde geben, um Nachfragen zur Vorlesung stellen zu können.
Beschreibung
Lehrinhalte:
Die Erfassung und die Verarbeitung von Bildern und Bilddatenfolgen (allgemein Sensordaten) mit Rechnern und mobilen Endgeräten verbreiten sich aufgrund der kostengünstigen Verfügbarkeit der gerätetechnischen Ausstattung rasant. Gegenstand der Lehrveranstaltung sind Methoden der digitalen Bildverarbeitung und -analyse. Ein Schwerpunkt ist die etablierte Verarbeitungskette der Bildanalyse, welche sich in die Teile Diskretisierung, Bildrestauration, Bildverbesserung, Segmentierung und Mustererkennung bzw. Klassifikation gliedert. Dabei werden grundlegende Konzepte wie das Abtasttheorem, die Fourier-Transformation und andere Transformationen sowie Verfahren zur Lösung von Optimierungsproblemen (z.B. Dimensionsreduktion, Denoising) präsentiert. Weitere Schwerpunkte sind die Einführung in aktuelle Maschinelle Lernverfahren (u.a. Deep Convolutional Neural Networks), die Bild-/Videokompression und das 3D-Computersehen, die Grundlagen für wichtige Anwendungen der digitalen Bildverarbeitung sind.
Vorlesungsstruktur:
Die Veranstaltung wird als 4-stündige Vorlesung mit einem zu einer dreistündigen Vorlesung äquivalenten Anteil an der Vorlesungszeit gehalten (Details in der ersten Vorlesung). Da die Veranstaltung auch als Vorlesung ''Medizinische Bildverarbeitung" für Medizinphysiker angeboten wird, werden in der verbleibenden Vorlesungszeit spezifische Konzepte für die Medizinphysik präsentiert.
Materialien
Materialien zu "Digitale Bildverarbeitung und Medizinische Bildverarbeitung - WS 2022/2023"
Übungen zu "Digitale Bildverarbeitung und Medizinische Bildverarbeitung - WS 2022/2023"
Hinweis: Zum Abruf der Materialien werden Zugangsdaten benötigt.
Diese werden in der Veranstaltung bekannt gegeben oder können per E-Mail erfragt werden.
Teilnahmevoraussetzungen
Für Bachelor-Studierende: Siehe Bachelor-Modulhandbücher.
Prüfungshinweise
Prüfungshinweise zu den Vorlesungen "Digitale Bildverarbeitung" und "Medizinische Bildverarbeitung" (Vollständige Version, 26.01.2023): DBV_MDV22_Pruefungshinweise_vollstaendig_20230126.pdf
Literatur
Die Vorlesung folgt keinem speziellen Lehrbuch. Es soll ein Folienskript herausgeben werden. Als ergänzende Literatur wird empfohlen:
- R.C. Gonzalez, R.E. Woods, Digital Image Processing, 4. Aufl.,
Prentice Hall, 2017 (eines der internationalen Standardlehrbücher) - F.M. Wahl, Digitale Bildsignalverarbeitung, Springer-Verlag, 1989
- T.Y. Young, Handbook of Pattern Recognition and Image Processing, Academic Press, 2012
- R.O. Duda, P.E. Hart and D. G. Stork, Pattern Classification, 2. Aufl.,
John Wiley and Sons, NY, 2000 (Standardbuch der Mustererkennung)