Bildverarbeitung

Beschreibung:
Die Vorlesung stellt eine Einführung in die grundlegenden Problemstellungen und Methoden der Signalverarbeitung, der Bildverarbeitung und der Mustererkennung dar. Im allgemeinen dient die digitale Bildverarbeitung der Verbesserung von Bildern, d.h. die in den Bildern enthaltene Information soll nach der Bearbeitung leichter extrahiert werden können. Typische Operationen sind dabei Rauschfilterung, Kontrastanhebung, Kompression, Segmentierung, geometrische Transformation und Bildrestaurierung. Im Sinne einer Bildananlyse bzw. -interpretation können diese Operationen als Vorverarbeitung eingestuft werden.
Die Mustererkennung wird ebenfalls behandelt und befaßst sich mit der Identifizierung semantisch bedeutsamer Strukturen in digitalen Bildern. Dazu werden zunächst Bildmerkmale, wie z.B. Texturen analysiert und extrahiert, denen dann eine Bedeutung zugewiesen wird (symbolische Bildverarbeitung).
Die Vorlesung wird von einer zweistündigen Übung begleitet, in der die vorgestellten Methoden anhand von überschaubaren Beispielen verdeutlicht werden sollen.

Voraussetzungen:
Grundstudium Informatik.

Literatur:

1. F. M. Wahl. Digitale Bildverarbeitung. Springer, 1984.
2. P. Haberäcker. Digitale Bildverarbeitung. Hanser, 1987.
3. W. Niblack. Digital Image Processing. Prentice Hall, 1986.
4. R. C. Gonzales, P. Winz. Digital Image Processing. Addison-Wesley, 1987.
5. R. Steinbrecher. Bildverarbeitung in der Praxis. Oldenbourgh, 1993.
6. T. Y. Young, K.-S. Fu. Handbook of Pattern Recognition and Image Processing. Academic Press, 1986.
7. W. Straßser, R. Klein. Skript Graphische Datenverarbeitung, Kurseinheit 9, Bildverarbeitung.
8. M. Sonka et al. Image Processing. Analysis and Machine Vision, Chapman & Hall 1993.

Bemerkungen:
Die erworbenen Kenntnisse können im Praktikum Mustererkennung sowie in Studien- und Diplomarbeiten vertieft werden.

Zurück zur Übersicht