Nummer: 141220 | |
Lehrform: Vorlesung und Rechnerübungen | |
Verantwortlicher: Prof. Dr.-Ing. Georg Schmitz | |
Dozentin: Dr.-Ing. Stefanie Dencks | |
Sprache: Deutsch | |
SWS: 4 | |
LP: 5 | |
TERMINE IM SOMMERSEMESTER | |
Beginn: Freitag, den 08.04.2022 | |
Vorlesung Freitags: ab 08:15 bis 09.45 Uhr in ID 04/445 | |
Übung Dienstags: ab 10:15 bis 11.45 Uhr im CIP-Pool 1 | |
PRÜFUNG | |
Termin nach Absprache mit dem Dozenten. | |
Prüfungsform: | mündlich |
Prüfungsanmeldung: | FlexNow |
Dauer: | 30 min |
ZIELE
Nach erfolgreichem Abschluss des Moduls verfügen die Studierenden über Kenntnisse der mehrdimensionalen digitalen Signalverarbeitung. Sie kennen und verstehen die Aufnahme mehrdimensionaler Bilddaten der wichtigsten diagnostischen Abbildungsverfahren, können diese modellieren und hieraus Konsequenzen für ihre Verarbeitung ableiten. Die Studierenden können die verschiedenen Schritte der Bildverarbeitung in abstrakte Aufgabenkategorien einordnen (z.B. Filterung, Segmentierung, Klassifikation) und kennen ausgewählte Verfahren im Detail und können diese erläutern und anwenden. Die Studierenden sind in der Lage, eine gegebene Bildverarbeitungsaufgabe zu analysieren, sowie einen geeigneten Lösungsweg zu entwickeln und algorithmisch umzusetzen. Die Verfahren werden am Beispiel medizinischer Bilddaten vermittelt, die Studierenden können die Verfahren aber auch auf andere Anwendungsgebiete übertragen. Durch die Übungen in Kleingruppen, teilweise an Rechnern, sind die Studierenden befähigt, das Erlernte im Team praktisch umzusetzen, Lösungsansätze zu erläutern und argumentativ zu vertreten.
INHALT
Es werden die Grundlagen und speziellen Verfahren der Bildverarbeitung vorgestellt, die insbesondere bei medizinischen Bilddaten Anwendung finden. Viele Verfahren werden jedoch auch in anderen Anwendungsfeldern wie z.B. der industriellen Bildverarbeitung eingesetzt.
Im ersten Abschnitt werden sowohl die Rezeption durch das menschliche visuelle System behandelt, als auch Definitionen und Grundlagen für die Bildverarbeitung eingeführt (z.B. Diskretisierung, Abtasttheorem, globale Kenngrößen von Bildern). Der zweite Abschnitt vermittelt die wichtigsten Operationen im Ortsbereich (Histogrammmodulation, Filterung morphologische Operationen, geometrische Bildoperationen, distance transform, ...). Der dritte Abschnitt umfasst Methoden der Informationsextraktion (Segmentierung, Texturanalyse, Formbeschreibung). Im vierten Abschnitt liegt der Schwerpunkt auf der Klassifikation und verschiedenen Verfahren des Machine Learning (z.B. support vector machines, deep learning). Der fünfte Abschnitt beinhaltet die Bildrestauration. Zusätzlich wird ein Überblick über die Bildregistrierung und 3D-Visualisierung gegeben.
VORAUSSETZUNGEN
keine
EMPFOHLENE VORKENNTNISSE
Kenntnisse der Systemtheorie, Fourier-Transformation und Signalverarbeitung, die denen entsprechen, die als Grundlagen in den Vorlesungen des Bachelorstudienganges Elektrotechnik und Informationstechnik vermittelt werden. Grundkenntnisse in der Matlab-Programmierung.
LITERATUR
SONSTIGES
Diese Lehrveranstaltung wird über Moodle organisiert. Die notwendigen Informationen werden in der ersten Vorlesung mitgeteilt.