Belegbar | Nur im Wintersemester |
---|---|
ECTS-Punkte | 10 (ca. 300 Stunden) |
Fachgebiet | Angewandte Informatik |
In einer Vielzahl industrieller Anwendungen, angefangen von der automatisierten Produktion bis hin zur Qualitätssicherung werden optische Kamerasysteme eingesetzt, um effizient und berührungslos Produktionsprozesse zu überwachen oder zu steuern. Auch in den gegenwärtig hoch innovativen Bereichen des autonomen Fahrens, der Robotik oder der Medizintechnik ist der Einsatz spezialisierter Bilderfassungssysteme weit verbreitet. Die Analyse derartiger Bilddaten erfordert den Einsatz leistungsfähiger, computergestützter Verfahren aus dem Bereich der Bildverarbeitung, welche darauf abzielen, eine automatisierte Interpretation der Bildinhalte vorzunehmen.
Ziel des Moduls ist es, grundlegenden Methoden der Bildverarbeitung vorzustellen und deren praktischen Einsatz zu demonstrieren. Hierbei wird auf die gesamte Verarbeitungskette eingegangen, ausgehend von der Bildvorverarbeitung zur Bildverbesserung, über Segmentierungsverfahren bis hin zur Merkmalsextraktion zur Klassifikation von Bildinhalten.
Neben der algorithmisch geprägten, klassischen Bildverarbeitung werden weiterhin die sich gegenwärtig sehr dynamisch entwickelnden Methoden tiefer Neuronaler Netze (Deep Learning) zur Bild- und Szeneninterpretation behandelt. Das Ziel des Moduls liegt dabei sowohl in der Vermittlung der theoretischen Grundlagen als auch in der konkreten Realisierung der behandelten Verfahren.
Grundlagen in Python
Algorithmische Bildverarbeitung
Deep Learning
BDL 1:
BDL 2:
BDL 3:
BDL 4:
BDL 5:
BDL 6:
BDL 7:
BDL 8:
BDL 9:
Elementare Programmierkenntnisse und Grundlagen zur objektorientierten Programmierung werden als bekannt vorausgesetzt. Das Modul setzt jedoch keine vertieften Kenntnisse in Python-Programmierung voraus.
Für das Modul sind grundlegende Mathematikkenntnisse in linearer Algebra und Analysis erforderlich. Die weiteren für das Modul relevanten Mathematikkenntnisse werden innerhalb des Moduls vermittelt (Statistik, komplexe Zahlen, Faltung, Fourier-Transformation, ...).
Prof. Dr. Jörg Lohscheller
Hochschule Trier
Kursdauer
1 Semester
Kosten
zur Kostenübersicht Einzelmodule
Abschluss
Das Modul ist verwendbar für die Abschlüsse:
Lehrbuch
Digitale Bildverarbeitung
(in den Modulkosten enthalten)
Lehrtext
Grundlagen Neuronaler Netze
Sie verlassen die offizielle Website der Hochschule Trier