Physik und Digitale Technologien (180 LP) (Bachelor) > Physik Physik u. Dig. Tech. 180, Akkreditierungsfassung gültig ab WS 2019/20 > Wahlobligatorische Ergänzungsfächer
Wirtschaftsinformatik (Business Information Systems) (180 LP) (Bachelor) > Wirtschaftsinformatik Wirtschaftsinformatik180, Akkreditierungsfassung gültig ab WS 2020/21 > 2.2 Informatik
Wirtschaftsinformatik (Business Information Systems) (180 LP) (Bachelor) > Wirtschaftsinformatik Wirtschaftsinformatik180, Akkreditierungsfassung (SS 2016 - SS 2020) > Wahlbereich Informatik
Modulverantwortliche/r
Weitere verantwortliche Personen
Doz. Dr. Birgit Möller
Teilnahmevoraussetzungen
Grundkenntnisse in linearer Algebra und Analysis, objektorientierte Programmierkenntnisse
Kompetenzziele
Die Studierenden sind befähigt, die Prinzipien der Aufnahme und Repräsentation von digitalen Bildern zu beschreiben.
Sie kennen die grundlegenden Fragestellungen und Teilprobleme bei der Verarbeitung digitaler Bilder.
Die Studierenden verstehen grundlegende Methoden der automatischen Bildverarbeitung und erläutern ihre Funktionsweise.
Sie sind in der Lage, die Eigenschaften dieser Methoden zu bewerten und die mit ihnen erzielten Ergebnisse zu interpretieren.
Sie sind im Stande, geeignete Methoden für gegebene Problemstellungen auszuwählen, diese in einer geeigneten Programmiersprache zu implementieren und auf Bilddaten anzuwenden.
Modulinhalte
Die Bildverarbeitung beschäftigt sich mit der automatischen Verarbeitung bildhafter Daten, die von unterschiedlichsten Sensoren stammen können. Das Ziel der Verarbeitung ist letzlich die Analyse und Interpretation der in den Daten abgebildeten Umwelt hinsichtlich einer gegebenen Aufgabenstellung. Bildverarbeitung arbeitet in Abgrenzung zur Bildanalyse im wesentlichen mit problemunabhängigen Modellannahmen, wobei diese Abgrenzung unscharf ist.
Teile der Methoden können sehr intuitiv motiviert werden, in wesentlichen Teilen ist aber auch eine mathematische Fundierung essentiell. Auch Fragen der Effizienz von Algorithmen und Datenstrukturen werden berücksichtigt. Neben Methoden der Verarbeitung selber ist auch die Formation und die Repräsentation von Bildern Inhalt des Moduls.
1. Digitale Bilder 2. Binärbilder 3. Vorverarbeitung und Bildverbesserung 4. Bildsegmentierung: kontur- und regionenbasiert 5. Bildrepräsentation, Fouriertransformation 6. Textur 7. Maschinelles Lernen für die Bildanalyse
Lehrveranstaltungsformen
Vorlesung (2 SWS)
Kursus
Übung (2 SWS)
Kursus
Unterrichtsprachen
Deutsch, Englisch
Dauer in Semestern
1 Semester Semester
Angebotsrhythmus Modul
jedes Sommersemester
Aufnahmekapazität Modul
unbegrenzt
Prüfungsebene
Credit-Points
5 CP
Modulabschlussnote
LV1: %; LV2: %; LV3: %; LV4: %.
Faktor der Modulnote für die Endnote des Studiengangs
1
Modulveranstaltung
Lehrveranstaltungsform
Veranstaltungstitel
SWS
Workload Präsenz
Workload Vor- / Nachbereitung
Workload selbstgestaltete Arbeit
Workload Prüfung incl. Vorbereitung
Workload Summe
LV 1
Vorlesung
Vorlesungen
2
0
LV 2
Kursus
Selbststudium zur Vorlesung
0
LV 3
Übung
Übung
2
0
LV 4
Kursus
Bearbeiten der Übungsaufgaben
0
Workload modulbezogen
150
150
Workload Modul insgesamt
150
Prüfung
Prüfungsvorleistung
Prüfungsform
LV 1
LV 2
LV 3
LV 4
Gesamtmodul
Erfolgreiches Lösen von Übungsaufgaben d.h. Erreichen von mind. 50% der Punkte für theoretische Aufgaben und mind. 50% der Punkte für praxisorientierte Aufgaben, Erfolgreiches Vorrechnen von Übungsaufgaben in den Übungen, aktive Teilnahme