Sommersemester 2003
Bernd Neumann
neumann@informatik.uni-hamburg.de
Übungen
Inhalt:
Teil 1: BILDVERARBEITUNG FÜR MULTIMEDIA-ANWENDUNGEN
(Part1: IMAGE PROCESSING FOR MULTIMEDIA APPLICATIONS)
Einführung (Introduction)
Anwendungen von Bildverarbeitung
Bildverarbeitung für
Multimedia-Anwendungen
Bildanalyse
Sehen und Handeln
Digitalbilder und ihre Eigenschaften (Digital
Images and Their Properties)
Bildentstehung
Bilddigitalisierung
Eigenschaften von Digitalbildern
Bildvorverarbeitung (Image Preprocessing)
Helligkeitstransformationen
Geometrische Transformationen
Lokale Vorverarbeitung
Fourier-Transformation
Faltung
Bilddatenkompression (Image Data Compression)
Entropie
Diskrete Transformationen
Prädiktive Methoden
Teil 2: BILDANALYSE
(Part 2: IMAGE ANALYSIS)
Segmentierung (Segmentation)
Schwellwertoperationen
Kantenbestimmung
Aktive Konturen, Schlangen
Kantenbasierte Segmentierung
Regionenbasierte Segmentierung
Mustervergleich
Formbeschreibung (Shape Description)
Identifikation von Regionen
Konturbasierte Formbeschreibung
Regionenbasierte Formbeschreibung
Mathematische Morphologie (Mathematical Morphology)
Morphologische Transformationen
Skelette
Erosion und Dilatation
Texturanalyse (Texture Analysis)
Statistische Texturbeschreibung
Syntaktische Texturbeschreibung
Anwendungen von Texturerkennung
Bewegungsanalyse (Motion Analysis)
Differentielle Bewegungsanalyse
Optischer Fluß
Verfolgen markanter Punkte
Probabilistische Bewegungsanalyse
Teil 3: SEHEN UND HANDELN
(Part 3: SEEING AND ACTING)
3D Bildanalyse (3D Image Analysis)
Marr´s Theorie
Kantenmarkierung
3D-Formanalyse (Shape from
X)
Analyse von Tiefenbildern
Kalibrierung
Objekterkennung (Object Recognition)
Mustererkennung
Künstliche Neuronale
Netze
Relationalvergleich und Graphisomorphismus
Optimierungstechniken
Szenenanalyse (Scene Analysis)
Kontrollstrategien
Markierungsverfahren und
Constraint Propagation
Wissensbasierte Szeneninterpretation (Knowledge-Based
Scene Interpretation)
Strukturerkennung
Zeitliches und räumliches
Schließen
Ereigniserkennung
Beschreibungslogiken
Probabilistische Szeneninterpretation (Probabilistic
Scene Interpretation)
Bayes Netze
P-Classic
Literatur:
Image Processing, Analysis and Machine Vision
M. Sonka, V. Hlavac, R. Boyle
Chapman & Hall 1993
Digital Image Processing
R.C. Gonzalez, P. Wintz
Addison-Wesley 1987
Robot Vision
B.K.P. Horn
MIT Press 1986
Computer Vision
D.H. Ballard, C.M. Brown
Prentice-Hall 1982
Folien zur Vorlesung
Teil 1: BILDVERARBEITUNG FÜR
MULTIMEDIA-ANWENDUNGEN
BV-Woche1 BV-Woche2 BV-Woche3 BV-Woche4
Teil 2: BILDANALYSE
BV-Woche5
BV-Woche6
BV-Woche7 BV-Woche8 BV-Woche9 BV-Woche10 BV-Woche11
Teil 3: SEHEN UND HANDELN
BV-Woche12
BV-Woche13
Übungen:
BV-Übung1 BV-Übung2
BV-Übung3
BV-Übung4
BV-Übung5
BV-Übung6 BV-Übung7
BV-Übung8 BV-Übung9 BV-Übung10 BV-Übung11 BV-Übung12