|
Modulbezeichnung (engl.):
Computer Vision |
|
Code: MST.CVI |
|
4V (4 Semesterwochenstunden) |
5 |
Studiensemester: 6 |
Pflichtfach: nein |
Arbeitssprache:
Deutsch |
Prüfungsart:
Projektarbeit
[letzte Änderung 13.01.2010]
|
KI692 Kommunikationsinformatik, Bachelor, ASPO 01.10.2014
, 6. Semester, Wahlpflichtfach, technisch
KIB-CVIS (P221-0069) Kommunikationsinformatik, Bachelor, ASPO 01.10.2021
, 6. Semester, Wahlpflichtfach, technisch
KIB-CVIS (P221-0069) Kommunikationsinformatik, Bachelor, ASPO 01.10.2022
, 6. Semester, Wahlpflichtfach, technisch
MST.CVI (P221-0069) Mechatronik/Sensortechnik, Bachelor, ASPO 01.10.2012
, 6. Semester, Wahlpflichtfach, technisch
MST.CVI (P221-0069) Mechatronik/Sensortechnik, Bachelor, ASPO 01.10.2019
, 6. Semester, Wahlpflichtfach, technisch
MST.CVI (P221-0069) Mechatronik/Sensortechnik, Bachelor, ASPO 01.10.2020
, 6. Semester, Wahlpflichtfach, technisch
PIBWI83 Praktische Informatik, Bachelor, ASPO 01.10.2011
, 6. Semester, Wahlpflichtfach, informatikspezifisch
PIB-CVIS (P221-0069) Praktische Informatik, Bachelor, ASPO 01.10.2022
, 4. Semester, Wahlpflichtfach, informatikspezifisch
MST.CVI (P221-0069) Mechatronik/Sensortechnik, Bachelor, ASPO 01.10.2011
, 6. Semester, Wahlpflichtfach, technisch
|
Die Präsenzzeit dieses Moduls umfasst bei 15 Semesterwochen 60 Veranstaltungsstunden (= 45 Zeitstunden). Der Gesamtumfang des Moduls beträgt bei 5 Creditpoints 150 Stunden (30 Std/ECTS). Daher stehen für die Vor- und Nachbereitung der Veranstaltung zusammen mit der Prüfungsvorbereitung 105 Stunden zur Verfügung.
|
Empfohlene Voraussetzungen (Module):
MST.MA1 Mathematik I MST.MA2 Mathematik II MST.MA3 Mathematik III/Angewandte Mathematik
[letzte Änderung 01.10.2012]
|
Als Vorkenntnis empfohlen für Module:
|
Modulverantwortung:
Prof. Dr. Gerald Kroisandt |
Dozent/innen: Prof. Dr. Gerald Kroisandt
[letzte Änderung 01.10.2012]
|
Lernziele:
Die Studierenden können bildverarbeitende Algorithmen, z.B. Entrauschen und Deblurring, erklären und anwenden. Sie kennen das Design von digitalen Filtern. Sie sind in der Lage, Bilder ohne Bildbearbeitungssoftware zu manipulieren. Außerdem sind sie fähig, Methoden anzuwenden, die beweglichen Objekte in einem Film erkennen können, 3D-Informationen anhand der Bilder rekonstruieren können und 2D-Bilder qualitativ zu verbessern. Die Studierenden lernen, wie Roboter „sehen“. [OE+0+1+1+1+0+0=3]
[letzte Änderung 10.02.2009]
|
Inhalt:
* Digitalisierung analoger Bilder * Bildtransformationen (u.A. Lineare Filter, Math. Morphologie, Diffusionsfilter, Wavelet Shrinkage, Deblurring) * Farbwahrnehmung und Farbräume * Bildaufbereitung * Merkmalsextraktion (Kanten, Ecken; Linien und Kreise) * Segmentierung * Extraktion von 3D-Information * Objekterkennung
[letzte Änderung 10.02.2009]
|
Weitere Lehrmethoden und Medien:
Die Vorlesung findet zu 100% im PC-Labor AMSEL "Angewandte Mathematik, Statistik und eLearning" statt. Es werden hier computergestützte praktische Fallbeispiele zu den vermittelten Algoroithmen durchgeführt. Weiterhin wird das eLearning-System MathCoach (AMSEL-PC-Labor 5306) eingesetzt.
[letzte Änderung 16.04.2011]
|
Literatur:
R.C. Gonzalez, R.e. Woods: Digital Image Processing, Addison-Wesley, SE 2002 K.R. Castelman: Digital Image Procesing, Prentice Hall, 1996 R.Jain, R.Kasturi, B.G. Schunck: Machine Vision, McGraw, 1995 E.Trucco, A. Verri: Introductory Techniques for 3-D Computer Vision, Prentice Hall,1995 R.Klette, K.Schlüns, A.Koschan: Computer Vision:Three-Dimensional Data from Images, Springer, 1998
[letzte Änderung 25.01.2010]
|