Bildverarbeitung (BIV)
6/7. Semester
5 ECTS | 4 SWS
Klausur 90 Minuten (K90)
Computer lernen sehen: Du bearbeitest Bilder, erkennst Objekte und entwickelst Anwendungen, zum Beispiel für das autonome Fahren oder die Medizin.
Inhalte
- Repräsentation von digitalen Bildern und Bildvolumen, Farbräume
- Punkt-Operatoren
- Lokale Operatoren
- Feature Engineering und Objekterkennung
- Segmentierung
- Anwendungen von Deep Learning in der Bildverarbeitung
- Bildtransformationen
- Registrierung
- Anwendungen in der Medizin
Lernziele/Kompetenzen
Die Studierenden sind in der Lage,
- zentrale Konzepte und Methoden der Bildverarbeitung anzuwenden,
- Einsatzgebiete und Grenzen der Verfahren zu erläutern,
- erlernte Verfahren auf neue Anwendungsbereiche zu übertragen,
- einschlägige, aktuelle Forschungsthemen einzuordnen.
Literatur
- A. Nischwitz, M. Fischer, P. Haberäcker, G. Socher: Bildverarbeitung, Springer, 2020
- D. Sundararajan: Digital Image Processing, Springer, 2017
- R.C. Gonzalez, R.E. Woods: Digital image processing, Pearson Prentice Hall, 2017
- B. Jähne: Digitale Bildverarbeitung, Springer, 2012
- K.D. Toennies: Grundlagen der Bildverarbeitung, Pearson-Verlag, 2005
- M. Sonka, V. Hlavac, R. Boyle: Image Processing, Analysis, and Machine Vision, Addison-Wesley, 2007
- T. Lehmann, W. Oberschelp, E. Pelikan: Bildverarbeitung für die Medizin, Springer, 1997
- Handbücher der eingesetzten Programmiersprache
Dozentinnen / Dozenten
Empfohlene Vorkenntnisse
Daten zum Modul
| Semester |
6/7 |
| Unterrichtssprache |
Deutsch |
|
Häufigkeit
|
Unregelmäßig
|
| Kreditpunkte |
5 |
| Modulverantwortlich |
Prof. Dr. Ivo Wolf |
| Dauer |
1 Semester |
| Studienleistung |
Keine |
| Prüfungsvorleistung |
Pflichtübung (PU) |
| Prüfungsleistung |
Klausur 90 Minuten (K90) |
Semesterwochenstunden
| Vorlesung |
2 SWS |
| Übung |
2 SWS |
| Summe |
4 SWS |
Arbeitsaufwand (work load)
| Vorlesung |
30 h |
| Labor |
30 h |
| Selbststudium |
30 h |
| Aufgaben |
30 h |
| Prüfungsvorbereitung |
30 h |
| Summe |
150 h |