Martin-Luther-Universität Halle-Wittenberg
Vorlesungsverzeichnis (SS 2018)
Mustererkennung (SS 2018) 7 Veranstaltungen
Nr. Titel Typ Lehrende
Musterklassifikation, Übung Veranstaltungsdetails Fr. 08:15 - 09:45 (wöchentlich)

Mustererkennung befasst sich mit mathematisch-technischen Aspekten der Wahrnehmung oder
(A)perzeption, wie wir sie sonst von natürlichen Vorbildern kennen. Prominente Anwendungsfelder sind das
Erkennen von Schrift, das Verstehen gesprochener Sprache und die Interpretation von Bildern. In
verschiedenen Bereichen wie der Ökologie, der Biologie und der Robotik werden Mustererkennungsverfahren
zunehmend zur Analyse von Messdaten eingesetzt.

In der Vorlesung wird die Klassifikation von Mustern
detailliert untersucht. Klassifikation bedeutet dabei, dass ein Muster - Sensordaten physikalischer Größen
eines Ausschnittes der Umwelt - als Gesamtheit einem Begriff, d. h. einer Klasse, zugewiesen wird. Nach der
Klärung von Begriffen und Einführung in Anwendungen wird kurz auf die Vorverarbeitung von Mustern und
die Gewinnung von geeigneten Merkmalen solcher Muster eingegangen. Dann werden verschiedene Klassen
von Klassifikatoren behandelt: wahrscheinlichkeitstheoretische Ansätze (Bayes-Klassifikator, Bayes-Netze,
Markov-Random-Fields, Hidden Markov Models), der Polynomklassifikator, die support vector machine sowie das Multilayer-Perzeptron
als Methode aus dem Bereich der künstlichen neuronalen Netze.

Übung Dr. rer. nat. Birgit Möller,
Prof. Dr.-Ing. Stefan Posch
Expressionsdatenanalyse, Übung Veranstaltungsdetails Mo. 12:15 - 13:45 (wöchentlich) Übung Prof. Dr. Ivo Grosse,
Lasse Moritz Feldhahn
Einführung in die Bildverarbeitung Veranstaltungsdetails Mi. 08:15 - 09:45 (wöchentlich)

Das Ziel der Veranstaltung ist die Vermittlung von Kenntnissen der grundlegenden Fragestellungen und Methoden der automatischen Bildverarbeitung, sowie von Fähigkeiten, solche Methoden an einfachen
Problemen der Bildverarbeitung und Bildbearbeitung einzusetzen.
Inhaltliche Schwerpunkte sind.
  • Aufgabenstellung und Aufbau von BV-Systemen
  • Bildentstehung und Digitalisierung
  • Bildformate
  • Binärbildverarbeitung
  • einfache Filter zur Bildverbesserung
  • einfache Konturdetektion und Houghtransformation
  • einfache Verfahren zur Regionensegmentierung

Die Veranstaltung setzt mathematische Kenntnisse etwa zu Mengenlehre, linearer Algebra und Analysis, sowie Programmierkenntnisse voraus!

Vorlesung Prof. Dr.-Ing. Stefan Posch,
Dr. rer. nat. Birgit Möller
Forschungsseminar Bioinformatik und Bildverarbeitung Veranstaltungsdetails Do. 12:00 - 14:00 (wöchentlich)

Vortr'age und Diskussion zu verschiedenen Fragestellungen der Bioinformatik, geeignet f'ur MitarbeiterInnen und
Diplomanden, G'aste sind willkommen

Oberseminar Prof. Dr. Ivo Grosse,
Prof. Dr.-Ing. Stefan Posch,
Dr. rer. nat. Birgit Möller
Einführung in die Bildverarbeitung, Übung I Veranstaltungsdetails Mo. 14:15 - 15:45 (wöchentlich)

Das Ziel der Veranstaltung ist die Vermittlung von Kenntnissen der grundlegenden Fragestellungen und Methoden der automatischen Bildverarbeitung, sowie von Fähigkeiten, solche Methoden an einfachen
Problemen der Bildverarbeitung und Bildbearbeitung einzusetzen.
Inhaltliche Schwerpunkte sind.
  • Aufgabenstellung und Aufbau von BV-Systemen
  • Bildentstehung und Digitalisierung
  • Bildformate
  • Binärbildverarbeitung
  • einfache Filter zur Bildverbesserung
  • einfache Konturdetektion und Houghtransformation
  • einfache Verfahren zur Regionensegmentierung

Die Veranstaltung setzt mathematische Kenntnisse etwa zu Mengenlehre, linearer Algebra und Analysis, sowie Programmierkenntnisse voraus!

Übung Dr. rer. nat. Birgit Möller,
Prof. Dr.-Ing. Stefan Posch
Einführung in die Bildverarbeitung, Übung II Veranstaltungsdetails Di. 12:15 - 13:45 (wöchentlich)

Das Ziel der Veranstaltung ist die Vermittlung von Kenntnissen der grundlegenden Fragestellungen und Methoden der automatischen Bildverarbeitung, sowie von Fähigkeiten, solche Methoden an einfachen
Problemen der Bildverarbeitung und Bildbearbeitung einzusetzen.
Inhaltliche Schwerpunkte sind.
  • Aufgabenstellung und Aufbau von BV-Systemen
  • Bildentstehung und Digitalisierung
  • Bildformate
  • Binärbildverarbeitung
  • einfache Filter zur Bildverbesserung
  • einfache Konturdetektion und Houghtransformation
  • einfache Verfahren zur Regionensegmentierung

Die Veranstaltung setzt mathematische Kenntnisse etwa zu Mengenlehre, linearer Algebra und Analysis, sowie Programmierkenntnisse voraus!

Übung Dr. rer. nat. Birgit Möller,
Prof. Dr.-Ing. Stefan Posch
Musterklassifikation Veranstaltungsdetails Fr. 10:15 - 11:45 (wöchentlich), Ort: Hörsaal 3.31 [VSP 1], Hörsaal 3.28 [VSP 1]

Mustererkennung befasst sich mit mathematisch-technischen Aspekten der Wahrnehmung oder
(A)perzeption, wie wir sie sonst von natürlichen Vorbildern kennen. Prominente Anwendungsfelder sind das
Erkennen von Schrift, das Verstehen gesprochener Sprache und die Interpretation von Bildern. In
verschiedenen Bereichen wie der Ökologie, der Biologie und der Robotik werden Mustererkennungsverfahren
zunehmend zur Analyse von Messdaten eingesetzt.

In der Vorlesung wird die Klassifikation von Mustern
detailliert untersucht. Klassifikation bedeutet dabei, dass ein Muster - Sensordaten physikalischer Größen
eines Ausschnittes der Umwelt - als Gesamtheit einem Begriff, d. h. einer Klasse, zugewiesen wird. Nach der
Klärung von Begriffen und Einführung in Anwendungen wird kurz auf die Vorverarbeitung von Mustern und
die Gewinnung von geeigneten Merkmalen solcher Muster eingegangen. Dann werden verschiedene Klassen
von Klassifikatoren behandelt: wahrscheinlichkeitstheoretische Ansätze (Bayes-Klassifikator, Bayes-Netze,
Markov-Random-Fields, Hidden Markov Models), der Polynomklassifikator, die support vector machine sowie das Multilayer-Perzeptron
als Methode aus dem Bereich der künstlichen neuronalen Netze.

Vorlesung Prof. Dr.-Ing. Stefan Posch,
Dr. rer. nat. Birgit Möller