PD Dr. Birgit Möller

keine

1. Die Studierenden kennen fortgeschrittene Techniken der digitalen Bildverarbeitung und -analyse und können deren methodische Grundlagen, Eigenschaften und Limitationen darstellen, einschätzen und diskutieren.
2. Sie können diese Methoden und Techniken auf konkrete Probleme der Bildverarbeitung und -analyse anwenden und in einer geeigneten Programmiersprache implementieren, sowie experimentell evaluieren.

Ziel der digitalen Bildanalyse ist die automatische Interpretation bildhafter Daten und die Extraktion qualitativer, symbolischer Beschreibungen oder quantitativer Größen aus diesen Daten, mit denen die abgebildeten Entitäten charakterisiert werden können. Initial werden die Bilddaten dazu vorverarbeitet, um den Zugang zu den final gewünschten Zieldaten zu erleichtern. In diesem Modul werden fortgeschrittene Ansätze und Techniken zur Bildverarbeitung behandelt, ebenso wie aktuelle Methoden zur Bildanalyse und -interpretation:

• Detektion, Deskription und Matching von Merkmalspunkten
• Bildtransformationen und Registrierungsansätze
• Bildsegmentierung mit aktiven Konturen
• Objekttracking und Prädiktionsfilter
• Bildanalyse mit neuronalen Netzen und Methoden des Deep Learning
• In Ergänzung zu den theoretischen Grundlagen werden die Ansätze und Verfahren im Rahmen der Übungen implementiert und anhand von exemplarischen, praxisnahen Fragestellungen evaluiert.

Basismodul der Vertiefungsrichtung "Bildanalyse und Maschinelles Lernen"

Erfolgreiches Lösen von Übungsaufgaben, d.h. in der Regel Erreichen von mind. 50% der Übungspunkte, Erfolgreiches Vorrechnen von Übungsaufgaben in den Übungen

mündl. Prüfung oder Klausur