Vorbereitungsaufgaben

Größe: px
Ab Seite anzeigen:

Download "Vorbereitungsaufgaben"

Transkript

1 Praktikum Bildverarbeitung / Bildinformationstechnik Versuch BV 4 / BIT 3: Mustererkennung Paddy Gadegast, CV00, Alexander Opel, CV00, Gruppe 3 Otto-von-Guericke Universität Magdeburg Fakultät für Elektrotechnik und Informationstechnik Institut für Elektronik, Signalverarbeitung und Kommunikationstechnik Lehrstuhl für Technische Informatik

2 Inhaltsverzeichnis Inhaltsverzeichnis... Vorbereitungsaufgaben... 3 Welche Möglichkeiten gibt es zur Bildvorverarbeitung... 3 Welche Möglichkeiten gibt es für die Optimierung der automatischen Objekterkennung bei Linien und flächenhaften Objekten?... 3 Wann und wie ist eine Klassifikation im s/w und im Farbbild mit Grauwert bzw. Farbwertschwellen möglich?... 3 Welche Vorteile ergeben sich aus der Nutzung der Farbinformation?... 3 Was versteht man unter einem Merkmalsraum?... 3 Wie sind die Merkmale Circularity und Rectangularity definiert und as ist die Besonderheit an diesen Größen?... 3 Leiten Sie die theoretischen Werte für einen Kreis und ein Quadrat her!... 4 Warum können die real gemessenen Merkmale von den theoretisch ermittelten abweichen?... 4 Was versteht man unter dem überwachten Minimum-Distance-Klassifikator?... 4 Wann ist eine eindeutige Klassifikation nicht möglich?... 4 Wie muss man verfahren, wenn eine eindeutige Klassifikation nicht möglich ist?... 4 Welche Probleme können sich aus der Auswahl von diesen Merkmalen (Flächeninhalt, Umfang, mittlerer Grauwert) ergeben)?... 5 Versuch... 6 Segmentierung von s/w- und Farbbildern Bildaufnahme...6. Segmentierung des Musterbildes als s/w Bild Segmentierung des Musterbildes als Farbbild... 8 Klassifikation durch Auswertung von geometrischen Merkmalen... 8 Überwachte Minimum Distance Klassifizierung Klassifikation elektronischer Bauelemente... 11

3 Vorbereitungsaufgaben Welche Möglichkeiten gibt es zur Bildvorverarbeitung Beleuchtungskorrekturen Glättung Beseitigung von Digitalisierungsfehlern Kontrastverstärkung Normierung (Größe, Form, Farbe) Beseitigung von Inhomogenitäten der Photoschicht des Aufnahmesystems Korrektur von Grauwertverzerrungen (photographischer Effekt) Anpassung von Filtern an bestimmte Frequenzen Welche Möglichkeiten gibt es für die Optimierung der automatischen Objekterkennung bei Linien und flächenhaften Objekten? Nutzung von bestimmten (z.b. minimalen) Umfang- und Flächeninhaltswerten für die automatische Objekterkennung Wann und wie ist eine Klassifikation im s/w und im Farbbild mit Grauwert bzw. Farbwertschwellen möglich? wenn Objekte unterschiedliche Merkmale aufweisen z.b. in Helligkeit (s/w Bild) und Farbe (Farbbild), Größe Welche Vorteile ergeben sich aus der Nutzung der Farbinformation? durch die drei Farbkanäle (RGB) sind mehr Informationen vorhanden, die eine besser Unterscheidung von Objekten ermöglichen Was versteht man unter einem Merkmalsraum? Die Struktur wird bzgl. der Klassifikation durch ihre Merkmale repräsentiert: O {m 1, m, } Durch die Beschreibung durch n Merkmale wird ein n-dimensionaler Merkmalsraum aufgespannt, indem jede Struktur durch einen n-dimensionalen Merkmalsvektor repräsentiert wird. Wie sind die Merkmale Circularity und Rectangularity definiert und as ist die Besonderheit an diesen Größen?

4 die Circularity (Kreisähnlichkeit) und die Rectangularity (Rechteckigkeit) gibt die Rechteckähnlichkeit und Kreisähnlichkeit von Objekten an Leiten Sie die theoretischen Werte für einen Kreis und ein Quadrat her! Kreis: Rechteck: C U A (πr) πr 4π C (4a) a 16 R A L * B πr r * r π 4 R A L * B a a * a 1 Warum können die real gemessenen Merkmale von den theoretisch ermittelten abweichen? Objekte können eine abweichende Form vom idealen Kreis bzw. Rechteck besitzen Was versteht man unter dem überwachten Minimum-Distance- Klassifikator? es existieren bereits Musterklassen Mittelwert Zentrum einer Musterklasse Varianz den der Musterklasse zugeordneten Bereich folgende Objekte können den Musterklassen somit leichter zugeordnet werden Merkmalsvektor wird Merkmalsraum zugewiesen, wenn er in einem zugeordneten Bereich liegt Wann ist eine eindeutige Klassifikation nicht möglich? wenn ein Merkmalsvektor genau zwischen zwei Merkmalen liegt Wie muss man verfahren, wenn eine eindeutige Klassifikation nicht möglich ist? interaktive Bestimmung der Grenzen um Clusterzentrum (zugeordneter Bereich) andere Methode zur Bereichsbestimmung nutzen (z.b. Quadermethode)

5 Welche Probleme können sich aus der Auswahl von diesen Merkmalen (Flächeninhalt, Umfang, mittlerer Grauwert) ergeben)? der mittlere Grauwert kann bei verschiedenen Objekten gleich sein

6 Versuch Segmentierung von s/w- und Farbbildern 1. Bildaufnahme. Segmentierung des Musterbildes als s/w Bild Segmentierung mit Schwellwerten:

7 Anmerkung: Segmentierungslinien wurden beim Abspeichern nicht mit abgespeichert Segmentierung mit Kantenfiltern (invertiert dargestellt): Anmerkung: Segmentierungslinien wurden beim Abspeichern nicht mit abgespeichert Objekte, die sich gut vom Hintergrund abheben, lassen sich gut segmentieren. In unserem Beispiel war eine Segmentierung mit Schwellwerten günstiger, weil beim Segmentieren mit Kantenfiltern auch im Inneren der Objekte viele Kanten gefunden wurden, welche aber nicht zu den Objektkanten gehören.

8 3. Segmentierung des Musterbildes als Farbbild Beim automatischen Erkennen waren Löcher innerhalb der Objekte vorhanden. Durch Anpassen der Beleuchtung des Versuchaufbaus konnten diese eliminiert werden. Auch bei der Segmentierung mit Schwellwerten in allen 3 Farbkanälen kann eine wesentlich besser Segmentierung erzielen als bei s/w Bildern, da mehr Informationen (3 Kanäle) zur Objekterkennung vorhanden sind als in einem s/w Bild (1 s/w Kanal). Klassifikation durch Auswertung von geometrischen Merkmalen Bild mit Objektmerkmalen aus Makro merkmal 3.

9 Klassifikationsbedingungen für die einzelnen Klassen: Ar_Rechtecke_Member_A ArRectangularity > 0.53 && ArRectangularity < 0.58 && ArCircularity > 16 && ArCircularity < 1 Ar_Kreise_Member_B ArRectangularity > 0.75 && ArRectangularity < 0.79 && ArCircularity > 1 && ArCircularity < 14 Ar_Walze_Member_C ArRectangularity > 0.70 && ArRectangularity < 0.78 && ArCircularity >4 && ArCircularity < Circularity Reihe , 0,4 0,6 0,8 1 Rectangularity

10 (es wurden nur 3 unterschiedliche Klassen erstellt, Enterprise -Modell fällt somit raus) Überwachte Minimum Distance Klassifizierung Objekte Mittelwert Varianz ArArea ArGV ArArea ArGV (1,9038-8,55684)² (173,49-154,374)² (9,0517-8,55684)² (11, ,374)² (5, ,55684)² (189, ,374)² (7,611-8,55684)² (141, ,374)² , , , , ,000 0, , , , ,000 0, , , ,000 0,000

11 Klassifikation elektronischer Bauelemente Die Klassifikation elektronischer Bauelemente wurde im Versuch gezeigt. Es wurden 3 Merkmalsklassen festgelegt. Bei gleichbleibenden Parametern (Beleuchtung, Zoom) wurde ein Bauelement allein aufgenommen und einer Klassifikation unterzogen. Dabei wurde es der entsprechenden Klasse auch zugeordnet.

9th NEMO-SpectroNet Collaboration Forum

9th NEMO-SpectroNet Collaboration Forum 9th NEMO-SpectroNet Collaboration Forum Jena, 15.12.2010 Color and Multi Spectral Imaging An Overview Dr. Ing. Thomas Fahlbusch, PhotonicNet GmbH, Hannover Farbaufnahme 1-Chipkamera Bayer Farbmosaik Chips

Mehr

Morphologie auf Binärbildern

Morphologie auf Binärbildern Morphologie auf Binärbildern WS07 5.1 Konen, Zielke WS07 5.2 Konen, Zielke Motivation Aufgabe: Objekte zählen Probleme: "Salt-&-Pepper"-Rauschen erzeugt falsche Objekte Verschmelzen richtiger Objekte durch

Mehr

Komplexpraktikum Automatisierungstechnik. Versuch : Bildverarbeitung

Komplexpraktikum Automatisierungstechnik. Versuch : Bildverarbeitung Komplexpraktikum Automatisierungstechnik Versuch : Bildverarbeitung 1. Grundlagen der digitalen Bildverarbeitung 1.1 Relevante Begriffe Ein Bild ist ein ebenes Objekt, dessen Bildwerte sich von Bildpunkt

Mehr

1.2.1 Gestaltpsychologie

1.2.1 Gestaltpsychologie 1.2 Gestaltgesetze 1.2.1 Gestaltpsychologie... 40 1.2.2 Gesetz von der einfachen Gestalt... 41 1.2.3 Gesetz der Nähe... 42 1.2.4 Gesetz der Gleichheit... 43 1.2.5 Gesetz der Geschlossenheit... 44 1.2.6

Mehr

Data Mining und Knowledge Discovery in Databases

Data Mining und Knowledge Discovery in Databases Data Mining und Knowledge Discovery in Databases Begriffsabgrenzungen... Phasen der KDD...3 3 Datenvorverarbeitung...4 3. Datenproblematik...4 3. Möglichkeiten der Datenvorverarbeitung...4 4 Data Mining

Mehr

Termin3 Klassifikation multispektraler Daten unüberwachte Verfahren

Termin3 Klassifikation multispektraler Daten unüberwachte Verfahren Ziel Termin3 Klassifikation multispektraler Daten unüberwachte Verfahren Einteilung (=Klassifikation) der Pixel eines multispektralen Datensatzes in eine endliche Anzahl von Klassen. Es sollen dabei versucht

Mehr

PRODUKTION UND GESTALTUNG INTERAKTIVER MEDIEN

PRODUKTION UND GESTALTUNG INTERAKTIVER MEDIEN PRODUKTION UND GESTALTUNG INTERAKTIVER MEDIEN 1) Einführung in Photoshop Rebecca Rottensteiner, B.A. Photoshop Allgemein Dateiformate Design in Photoshop umsetzten Besprechung Konzepte Webschriftarten

Mehr

Hochgeschwindigkeits-3D-Kamera mit leistungsstarker Farbverarbeitung

Hochgeschwindigkeits-3D-Kamera mit leistungsstarker Farbverarbeitung Hochgeschwindigkeits-3D-Kamera mit leistungsstarker Farbverarbeitung Andreas Behrens / Michael Salzwedel SICK Vertriebs-GmbH, 40549 Düsseldorf www.sick.de Vision Academy GmbH Konrad-Zuse-Str. 15 D-99099

Mehr

Im Original veränderbare Word-Dateien

Im Original veränderbare Word-Dateien Computergrafik Bilder, Grafiken, Zeichnungen etc., die mithilfe von Computern hergestellt oder bearbeitet werden, bezeichnet man allgemein als Computergrafiken. Früher wurde streng zwischen Computergrafik

Mehr

Computergrafiken lassen sich grob in zwei Kategorien einteilen: Vektorgrafiken und Bitmap-Grafiken, die man auch Pixelgrafiken nennt.

Computergrafiken lassen sich grob in zwei Kategorien einteilen: Vektorgrafiken und Bitmap-Grafiken, die man auch Pixelgrafiken nennt. WS03/04 Digitale Bildformate / Sleegers / p.1 Digitale Bildformate Computergrafiken lassen sich grob in zwei Kategorien einteilen: Vektorgrafiken und Bitmap-Grafiken, die man auch Pixelgrafiken nennt.

Mehr

Bildverarbeitung - Inhalt

Bildverarbeitung - Inhalt Bildverarbeitung Bildverarbeitung - Inhalt 1. Anfänge der industriellen Bildverarbeitung 2. Von der Kamera zum Vision Sensor 3. Hardware Konzepte in der BV 4. Beleuchtungssysteme 5. Auswerteverfahren (Software)

Mehr

Erfolg und Vermögensrückgänge angefertigt im Rahmen der Lehrveranstaltung Nachrichtentechnik von: Eric Hansen, eric-hansen@gmx.de am: 07.09.

Erfolg und Vermögensrückgänge angefertigt im Rahmen der Lehrveranstaltung Nachrichtentechnik von: Eric Hansen, eric-hansen@gmx.de am: 07.09. Abstract zum Thema Handelssysteme Erfolg und Vermögensrückgänge angefertigt im Rahmen der Lehrveranstaltung Nachrichtentechnik von: Eric Hansen, eric-hansen@gmx.de am: 07.09.01 Einleitung: Handelssysteme

Mehr

Session 7: Projektvorstellung Transferprojekt itsowl-tt-kapela 18. August 2015, Gütersloh. www.its-owl.de

Session 7: Projektvorstellung Transferprojekt itsowl-tt-kapela 18. August 2015, Gütersloh. www.its-owl.de Session 7: Projektvorstellung Transferprojekt itsowl-tt-kapela 18. August 2015, Gütersloh www.its-owl.de Agenda Abschlusspräsentation itsowl-tt-kapela Einführung Zielsetzung Ergebnisse Resümee und Ausblick

Mehr

Bildauswertung in UAV

Bildauswertung in UAV Bildauswertung in UAV Prof. Dr. Nailja Luth Prof. N. Luth Emden 2014-1 OTH Ost-Bayerische Technische Hochschule Amberg-Weiden Prof. N. Luth Emden 2014-2 Prof. Dr.-Ing. N. Luth: Vorlesung Bildverarbeitung

Mehr

1. Daten, Information, Wissen. 2. Fortsetzung Informationsdarstellung. 1. Zahlensysteme 1. Binärsystem, Hexadezimalsystem. 2. Bilder. 3.

1. Daten, Information, Wissen. 2. Fortsetzung Informationsdarstellung. 1. Zahlensysteme 1. Binärsystem, Hexadezimalsystem. 2. Bilder. 3. Überblick GRUNDKURS INFORMATIK 1 DATEN - INFORMATION - WISSEN 1. Daten, Information, Wissen 2. Fortsetzung Informationsdarstellung 1. Zahlensysteme 1. Binärsystem, Hexadezimalsystem 2. Bilder 3. Audio

Mehr

Data-Mining: Ausgewählte Verfahren und Werkzeuge

Data-Mining: Ausgewählte Verfahren und Werkzeuge Fakultät Informatik Institut für Angewandte Informatik Lehrstuhl Technische Informationssysteme Data-Mining: Ausgewählte Verfahren und Vortragender: Jia Mu Betreuer: Dipl.-Inf. Denis Stein Dresden, den

Mehr

Ideen der Informatik. Maschinelles Lernen. Kurt Mehlhorn Adrian Neumann Max-Planck-Institut für Informatik

Ideen der Informatik. Maschinelles Lernen. Kurt Mehlhorn Adrian Neumann Max-Planck-Institut für Informatik Ideen der Informatik Maschinelles Lernen Kurt Mehlhorn Adrian Neumann Max-Planck-Institut für Informatik Übersicht Lernen: Begriff Beispiele für den Stand der Kunst Spamerkennung Handschriftenerkennung

Mehr

Maschinelles Lernen Entscheidungsbäume

Maschinelles Lernen Entscheidungsbäume Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen Maschinelles Lernen Entscheidungsbäume Paul Prasse Entscheidungsbäume Eine von vielen Anwendungen: Kreditrisiken Kredit - Sicherheiten

Mehr

Bilddateien. Für die Speicherung von Bilddaten existieren zwei grundsätzlich unterschiedliche Verfahren. Bilder können als

Bilddateien. Für die Speicherung von Bilddaten existieren zwei grundsätzlich unterschiedliche Verfahren. Bilder können als Computerdateien Alle Dateien auf dem Computer, egal ob nun Zeichen (Text), Bilder, Töne, Filme etc abgespeichert wurden, enthalten nur eine Folge von Binärdaten, also Nullen und Einsen. Damit die eigentliche

Mehr

Industrielle Bildverarbeitung mit OpenCV

Industrielle Bildverarbeitung mit OpenCV Industrielle Bildverarbeitung mit OpenCV Zhang,Duoyi 6.7.2 Gliederung. Einführung für OpenCV 2. Die Struktur von OpenCV Überblick Funktionsumfang in Ausschnitten mit Beispielen 3. Industrielles Anwendungsbeispiel

Mehr

2D/3D-Bildverarbeitung in der Automatisierung

2D/3D-Bildverarbeitung in der Automatisierung Vision 2007 2D/3D-Bildverarbeitung in der Automatisierung Dr. Albrecht Kienemund Vorteile von Kamerasystemen mit Bildverarbeitung in der Automatisierung Adaption an manuelle Fertigungsprozesse bei Steigerung

Mehr

Grafikformate. Grafikformate. Digitale Bildverarbeitung Bildkompression

Grafikformate. Grafikformate. Digitale Bildverarbeitung Bildkompression Digitale Bildverarbeitung Bildkompression Einleitung Datenmenge für ein unkomprimiertes Bild Verwendungszweck des Bildes Bild soll weiterverarbeitet werden Bild soll archiviert werden Bild soll per E-Mail

Mehr

Automatische Erkennung von Objekten in 3D Millimeterwellen Bilddaten für den QPS Sicherheitsscanner

Automatische Erkennung von Objekten in 3D Millimeterwellen Bilddaten für den QPS Sicherheitsscanner 2. Fachseminar Mikrowellen- und Terahertz-Prüftechnik in der Praxis Vortrag 3 Automatische Erkennung von Objekten in 3D Millimeterwellen Bilddaten für den QPS Sicherheitsscanner Athanasios KARAMALIS 1,

Mehr

Digitale Bildverarbeitung Image/Picture processing

Digitale Bildverarbeitung Image/Picture processing Digitale Bildverarbeitung Image/Picture processing Ausarbeitung zum Seminarvortrag am 25. Januar 2002 Ralf Bruder Inhaltsverzeichnis Einstieg in die Bildverarbeitung 3 Industrielle Bildverarbeitung 3 Interaktive

Mehr

Lehrveranstaltung Fernerkundung. Digitale Bilder. Mod. 2 p. 1. Typische Schritte in einem Fernerkundungsprojekt. Vorlesungs- und Übungsplan SS 2010

Lehrveranstaltung Fernerkundung. Digitale Bilder. Mod. 2 p. 1. Typische Schritte in einem Fernerkundungsprojekt. Vorlesungs- und Übungsplan SS 2010 Lehrveranstaltung Fernerkundung Vorlesungs- und Übungsplan 07.04.10 Einführung, Strahlung, Sensoren 14.04.10 Digitale Bilder, Bildstatistik& Kontraststreckung 21.04.10 Bild Verbesserung & Indexe 28.05.10

Mehr

Methoden der Datenanalyse AI-basierte Decision Support Systeme WS 2006/07

Methoden der Datenanalyse AI-basierte Decision Support Systeme WS 2006/07 Regression Trees Methoden der Datenanalyse AI-basierte Decision Support Systeme WS 2006/07 Ao.Univ.Prof. Dr. Marcus Hudec marcus.hudec@univie.ac.at Institut für Scientific Computing, Universität Wien 2

Mehr

Computerlinguistische Textanalyse

Computerlinguistische Textanalyse Computerlinguistische Textanalyse 10. Sitzung 06.01.2014 Einführung in die Textklassifikation Franz Matthies Lehrstuhl für Computerlinguistik Institut für Germanistische Sprachwissenschaft Friedrich-Schiller

Mehr

Capping und zpricing Grundlagen

Capping und zpricing Grundlagen Capping und zpricing Grundlagen 2014, zit Consulting GmbH www.zit-consulting.com 1 1 Begriffsdefinitionen R4HA - Rolling 4 Hour Average: Die Verrechnung im xwlc findet statt nach dem höchsten 4-Stunden-

Mehr

Integration geometrischer und fotogrammetrischer Information zum Wiederfinden von Bildern

Integration geometrischer und fotogrammetrischer Information zum Wiederfinden von Bildern Integration geometrischer und fotogrammetrischer Information zum Wiederfinden von Bildern Björn Burow SE Mustererkennung in Bildern und 3D-Daten Lehrstuhl Graphische Systeme BTU Cottbus Inhaltsübersicht

Mehr

die Kunst, mit wenig Farbklexen bunte Bilder zu machen Halftoning, Dithering

die Kunst, mit wenig Farbklexen bunte Bilder zu machen Halftoning, Dithering Farbreduktion die Kunst, mit wenig Farbklexen bunte Bilder zu machen Halftoning, Dithering zwei Schritte: geeignete Farben (Repäsentanten) finden Farbreduktion alle Bildfarben den Repräsentanten zuordnen

Mehr

Künstliche Intelligenz Dirk Krechel SS 2009

Künstliche Intelligenz Dirk Krechel SS 2009 Künstliche Intelligenz Dirk Krechel SS 2009 Überblick über das Modul 1. Einführung 2. Symbolische Verfahren Logik Aussagenlogik Prädikatenlogik Horn Logik Prolog 3. Suchen und Bewerten Problemlösen durch

Mehr

Linear Workflow. Linear Workflow. Version 1.0-2011-10-11

Linear Workflow. Linear Workflow. Version 1.0-2011-10-11 Version 1.0-2011-10-11 Verfahren, Bilder unter Rücksichtnahme ihres Farbprofils und der des Ausgabegeräts zu berechnen (3D), bzw. zu bearbeiten (Compositing), um eine mathematisch und physikalisch korrekte

Mehr

2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen

2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen 4. Datenanalyse und Modellbildung Deskriptive Statistik 2-1 2. Deskriptive Statistik 2.1. Häufigkeitstabellen, Histogramme, empirische Verteilungsfunktionen Für die Auswertung einer Messreihe, die in Form

Mehr

Sensor Network for Surveillance SeNSe (ISSAV)

Sensor Network for Surveillance SeNSe (ISSAV) Sensor Network for Surveillance SeNSe (ISSAV) René Koch DIEHL BGT Defence, Überlingen 7th LEIBNIZ CONFERENCE OF ADVANCED SCIENCE - SENSORSYSTEME 2008-16. 18.10.2008 1 SeNSe Gliederung: 1. 1. Geplante Anwendung,

Mehr

Grundlagen der Informatik 1

Grundlagen der Informatik 1 Grundlagen der Informatik 1 Prof. Dr. J. Schmidt Fakultät für Informatik GDI1 WS 2013/14 Kodierung, Kompression, Verschlüsselung Kodierung Überblick Vorlesung Kapitel 1: Einführung in die Informatik Kapitel

Mehr

Easy-Monitoring Universelle Sensor Kommunikations und Monitoring Plattform

Easy-Monitoring Universelle Sensor Kommunikations und Monitoring Plattform Easy-Monitoring Universelle Sensor Kommunikations und Monitoring Plattform Eberhard Baur Informatik Schützenstraße 24 78315 Radolfzell Germany Tel. +49 (0)7732 9459330 Fax. +49 (0)7732 9459332 Email: mail@eb-i.de

Mehr

Modulares ZBS - Weiterbildungsprogramm Industrielle Bildverarbeitung für die Automatisierung und Qualitätssicherung Modul 1

Modulares ZBS - Weiterbildungsprogramm Industrielle Bildverarbeitung für die Automatisierung und Qualitätssicherung Modul 1 Modul 1 Lichttechnik / Beleuchtungstechnik Licht- und strahlungstechnische Grundlagen (spektrale und integrale Strahlungsgrößen, lichttechnische Grundgrößen, lichttechnische Stoffkennzahlen und Wirkungsgrade,

Mehr

6. Computer Vision. Bilder der Szene erstellen

6. Computer Vision. Bilder der Szene erstellen 6. Computer Vision Idee: Dem Rechner beibringen zu sehen. Prinzipielle Vorgehensweise: (i) Bild(er) der Szene erstellen (ii) Szene identifizieren: Merkmalsextraktion 1 S Bilder der Szene erstellen Probleme:

Mehr

PARC. Eine virtuelle Echtzeit Entwicklungsumgebung für den Ausbildungsbereich

PARC. Eine virtuelle Echtzeit Entwicklungsumgebung für den Ausbildungsbereich PARC Eine virtuelle Echtzeit Entwicklungsumgebung für den Ausbildungsbereich Andre Köthur und Dr. Norbert Drescher Fachhochschule Südwestfalen 5095 Hagen Haldener Str. 12 Einleitung und Zielsetzung Die

Mehr

Anleitungen fotografische Technik Zusammenfassung Anhang. www.binder-ventil.de/downloads/fotomikroskop.pdf Mikrofotografie Th.

Anleitungen fotografische Technik Zusammenfassung Anhang. www.binder-ventil.de/downloads/fotomikroskop.pdf Mikrofotografie Th. Vorteile und spezielle Problemlösungen für die professionelle digitale Mikrofotografie in der Zytologie und der Hämatopathologie 91. Jahrestagung DGP / 25. Jahrestagung DGZ Vorbemerkung Film oder digitales

Mehr

Mathematik Akzentfach

Mathematik Akzentfach Mathematik Akzentfach 1. Stundendotation Klasse 1. Klasse 2. Klasse 3. Klasse 4. Klasse Wochenlektionen 3 3 2. Didaktische Konzeption Überfachliche Kompetenzen Das Akzentfach Mathematik fördert besonders...

Mehr

Erhöhen Sie Ihre Effizienz mit maximaler Produktivität und einem Minimum an Arbeit

Erhöhen Sie Ihre Effizienz mit maximaler Produktivität und einem Minimum an Arbeit >> ELO DocXtractor II FORM Erhöhen Sie Ihre Effizienz mit maximaler Produktivität und einem Minimum an Arbeit ELO DocXtractor II Form eliminiert die hohen Kosten der Formularerfassung vom ersten Tag an.

Mehr

Kurzanleitung Zeichnungsmodul ACD Chemsketch 11.0 Freeware

Kurzanleitung Zeichnungsmodul ACD Chemsketch 11.0 Freeware U. Schütz Seite 1 von 7 Kurzanleitung Zeichnungsmodul ACD Chemsketch 11.0 Freeware Draw Durch Anklicken der Schaltfläche Draw wechselt das Programm in den Zeichnungsmodus. Optionen Show Grid Raster anzeigen

Mehr

Videos die Videokamera

Videos die Videokamera Videos die Videokamera Steffen Schwientek Kurzvortrag zum Videokurs Themen heute Kurze Einführung in die Videotechnik Drehen eines kurzen Dokumentarfilmes Fernsehtechnik Kameratechnik (Kleine) Kaufberatung

Mehr

1,11 1,12 1,13 1,14 1,15 1,16 1,17 1,17 1,17 1,18

1,11 1,12 1,13 1,14 1,15 1,16 1,17 1,17 1,17 1,18 3. Deskriptive Statistik Ziel der deskriptiven (beschreibenden) Statistik (explorativen Datenanalyse) ist die übersichtliche Darstellung der wesentlichen in den erhobenen Daten enthaltene Informationen

Mehr

Photoshop 6.0.1 Abspeichern von Dokumenten...

Photoshop 6.0.1 Abspeichern von Dokumenten... VHS Reutlingen Visuelle Kommunikation - Grundlagen Computer 1/6 Photoshop 6.0.1 Abspeichern von Dokumenten... Menüleiste Datei Speichern/ Speichern unter.../ Für Web speichern... Das Photoshop - Format

Mehr

Verfahren zur Berechnung von Routen zur Gewährleistung von Ende-zu-Ende QoS

Verfahren zur Berechnung von Routen zur Gewährleistung von Ende-zu-Ende QoS Verfahren zur Berechnung von Routen zur Gewährleistung von Ende-zu-Ende QoS Dezember 007 Dipl.-Ing. Stefan Abu Salah Dipl.-Ing. Achim Marikar QoS (Quality of Service): Sicherstellung der Qualität Zeitkritische

Mehr

Analyse alt- und mittelpaläolithischer Steinartefaktinventare mittels Parallelkoordinatenplots

Analyse alt- und mittelpaläolithischer Steinartefaktinventare mittels Parallelkoordinatenplots Einleitung Analyse alt- und mittelpaläolithischer Steinartefaktinventare mittels Parallelkoordinatenplots von Irmela Herzog Im Rahmen der Herbsttagung der AG DANK (Datenanalyse und Numerische Klassifikation)

Mehr

AG Umweltinformationssysteme

AG Umweltinformationssysteme AG Umweltinformationssysteme Automatisierte Erfassung von Landschaftselementen mit Methoden der objektorientierten Bild- und Datenanalyse und Geoinformationssystemen Automatisierte Erfassung von Landschaftselementen

Mehr

Kybernetik Systemidentifikation

Kybernetik Systemidentifikation Kberneti Sstemidentifiation Mohamed Oubbati Institut für euroinformati Tel.: +49 73 / 50 2453 mohamed.oubbati@uni-ulm.de 2. 06. 202 Was ist Sstemidentifiation? Der Begriff Sstemidentifiation beschreibt

Mehr

Large-Scale Image Search

Large-Scale Image Search Large-Scale Image Search Visuelle Bildsuche in sehr großen Bildsammlungen Media Mining I Multimedia Computing, Universität Augsburg Rainer.Lienhart@informatik.uni-augsburg.de www.multimedia-computing.{de,org}

Mehr

Optischer Test von LC-Displays an Steuergeräten. Dr. Jörg Schambach GÖPEL electronic GmbH

Optischer Test von LC-Displays an Steuergeräten. Dr. Jörg Schambach GÖPEL electronic GmbH Optischer Test von LC-Displays an Steuergeräten Dr. Jörg Schambach GÖPEL electronic GmbH Agenda Einsatz der Bildverarbeitung Aufbau eines Bildverarbeitungssystems Konzepte zur Displaykontrolle Projektbeispiele

Mehr

IuK-Projekt. Angebote betreut von Prof. Dr. Felderhoff

IuK-Projekt. Angebote betreut von Prof. Dr. Felderhoff IuK-Projekt Angebote betreut von Prof. Dr. Felderhoff Institut für Informationstechnik (IfIT) 1 Schwerpunkte Prof. Dr. Felderhoff Institut für Informationstechnik Audioverarbeitung Bildverarbeitung Medizintechnik

Mehr

ChangePoint-Analysen - ein Überblick

ChangePoint-Analysen - ein Überblick ChangePoint-Analysen - ein Überblick Gliederung Motivation Anwendungsgebiete Chow Test Quandt-Andrews Test Fluktuations-Tests Binary Segmentation Recursive circular and binary segmentation algorithm Bayesscher

Mehr

Data Cube. Aggregation in SQL. Beispiel: Autoverkäufe. On-line Analytical Processing (OLAP) 1. Einführung. 2. Aggregation in SQL, GROUP BY

Data Cube. Aggregation in SQL. Beispiel: Autoverkäufe. On-line Analytical Processing (OLAP) 1. Einführung. 2. Aggregation in SQL, GROUP BY Data Cube On-line Analytical Processing (OLAP). Einführung Ziel: Auffinden interessanter Muster in großen Datenmengen 2. Aggregation in SQL, GROUP BY 3. Probleme mit GROUP BY 4. Der Cube-Operator! Formulierung

Mehr

KÜNDIG CONTROL SYSTEMS The Gauge Manufacturer for Film Extrusion SWISS MADE. Offline Dicken- Messung. Filmtest

KÜNDIG CONTROL SYSTEMS The Gauge Manufacturer for Film Extrusion SWISS MADE. Offline Dicken- Messung. Filmtest KÜNDIG CONTROL SYSTEMS Filmtest Offline Dicken- Messung Qualitätskontrolle mit dem Filmtest Der Filmtest ist ein offline Dickenmessgerät für Kunststoff-Folien und wird zur Qualitätskontrolle und Prozessoptimierungen

Mehr

DESIGN-GUIDE. für Audiovisuelle Medien

DESIGN-GUIDE. für Audiovisuelle Medien DESIGN-GUIDE für Audiovisuelle Medien Das Logo Das Logo»... Das CD (Corporate Design) ist wichtiger Teil der Corporate Identity (CI), die die Identität der Universität Magdeburg nach innen und außen vermittelt

Mehr

Computer Graphik I (3D) Dateneingabe

Computer Graphik I (3D) Dateneingabe Computer Graphik I (3D) Dateneingabe 1 3D Graphik- Pipeline Anwendung 3D Dateneingabe Repräsenta

Mehr

Seminar Komplexe Objekte in Datenbanken

Seminar Komplexe Objekte in Datenbanken Seminar Komplexe Objekte in Datenbanken OPTICS: Ordering Points To Identify the Clustering Structure Lehrstuhl für Informatik IX - Univ.-Prof. Dr. Thomas Seidl, RWTH-Aachen http://www-i9.informatik.rwth-aachen.de

Mehr

Praktikum ios-entwicklung im Sommersemester 2015 Übungsblatt 3

Praktikum ios-entwicklung im Sommersemester 2015 Übungsblatt 3 Ludwig-Maximilians-Universität München Institut für Informatik Lehrstuhl für Mobile und Verteilte Systeme Prof. Dr. Claudia Linnhoff-Popien Praktikum ios-entwicklung im Sommersemester 2015 Übungsblatt

Mehr

Webseitennavigation mit dem Content-Management-System Imperia. Zentrum für Informationsverarbeitung Westfälische Wilhelms-Universität Münster

Webseitennavigation mit dem Content-Management-System Imperia. Zentrum für Informationsverarbeitung Westfälische Wilhelms-Universität Münster Webseitennavigation mit dem Content-Management-System Imperia Zentrum für Informationsverarbeitung Westfälische Wilhelms-Universität Münster 10. Januar 2006 Inhaltsverzeichnis 1. Einführung 4 2. Rubrikenstruktur

Mehr

Kapitel 11* Grundlagen ME. Aufbau eines ME-Systems Entwicklung eines ME-Systems. Kapitel11* Grundlagen ME p.1/12

Kapitel 11* Grundlagen ME. Aufbau eines ME-Systems Entwicklung eines ME-Systems. Kapitel11* Grundlagen ME p.1/12 Kapitel 11* Kapitel11* Grundlagen ME p.1/12 Grundlagen ME Aufbau eines ME-Systems Entwicklung eines ME-Systems Kapitel11* Grundlagen ME p.2/12 Aufbau eines ME-Systems (1) on line Phase digitalisiertes

Mehr

Timeline Figure - Grafische Darstellung eines Subjekts in der klinischen Forschung

Timeline Figure - Grafische Darstellung eines Subjekts in der klinischen Forschung Timeline Figure - Grafische Darstellung eines Subjekts in der klinischen Forschung Poster Endri Endri DataFocus GmbH Lothringer Straße 23 D-50667 Köln endri0501@yahoo.de Zusammenfassung Eine Timeline-Grafik

Mehr

Speedikon Firmenstandard 6.4

Speedikon Firmenstandard 6.4 RELEASENOTES Mai 2015 Änderungen im Umfeld der Applikation speedikon Industriebau 08.11.12.09 Speedikon Firmenstandard 6.4 1 Inhaltsverzeichnis 1 Inhaltsverzeichnis... 2 2 Speedikon MI Version... 3 3 Speedikon-Standarddateien

Mehr

2. Eindimensionale (univariate) Datenanalyse

2. Eindimensionale (univariate) Datenanalyse 2. Eindimensionale (univariate) Datenanalyse Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Kennzahlen, Statistiken In der Regel interessieren uns nicht so sehr die beobachteten Einzeldaten

Mehr

A1.7: Entropie natürlicher Texte

A1.7: Entropie natürlicher Texte A1.7: Entropie natürlicher Texte Anfang der 1950er Jahre hat Claude E. Shannon die Entropie H der englischen Sprache mit einem bit pro Zeichen abgeschätzt. Kurz darauf kam Karl Küpfmüller bei einer empirischen

Mehr

Begriffe: (grafische) Benutzeroberfläche, (grafische) Benutzerschnittstelle,

Begriffe: (grafische) Benutzeroberfläche, (grafische) Benutzerschnittstelle, Gestaltung der Benutzeroberfläche Begriffe: (grafische) Benutzeroberfläche, (grafische) Benutzerschnittstelle, GUI (graphics user interface), Drei Grundsätze vorab: Halten Sie sich, wo immer möglich, an

Mehr

Teil 2: Schulinterne Ergebnisse

Teil 2: Schulinterne Ergebnisse (klassenspezifische Rückmeldungen und vergleichende Ergebnisse mit anderen Klassen) *** Anschrift der Musterschule *** Schulnummer: *** Musterschule *** Klasse: a (Beispiel) Kompetenztest Deutsch (Klassenstufe

Mehr

Physikalische Grundlagen der Röntgentechnik und Sonographie. Streustrahlen

Physikalische Grundlagen der Röntgentechnik und Sonographie. Streustrahlen 1 Physikalische Grundlagen der Röntgentechnik und Sonographie Streustrahlen PD Dr. Frank Zöllner Streustrahlung Bilden einen Nebel Nicht nur bei der Erzeugung von Röntgenstrahlen, sondern auch überall

Mehr

Lösungen zu Übung 3 Objektorientierte Modellierung - Statisches Modell

Lösungen zu Übung 3 Objektorientierte Modellierung - Statisches Modell Universität Stuttgart Institut für Automatisierungs- und Softwaretechnik Prof. Dr.-Ing. Dr. h. c. P. Göhner Lösungen zu Übung 3 Objektorientierte Modellierung - Statisches Modell Aufgabe 3. Assoziation

Mehr

EDV-Anwendungen im Archivwesen II

EDV-Anwendungen im Archivwesen II EDV-Anwendungen im Archivwesen II 070472 UE WS08/09 Grundlagen der Digitalisierung Überblick Allgemeine Grundlagen der Digitalisierung anhand der Ton-Digitalisierung Abtastrate (Samplerate) Wortlänge (Bitrate)

Mehr

Automatische Gesprächsauswertung im Callcenter

Automatische Gesprächsauswertung im Callcenter Einleitung Forschungsbeitrag Automatische Gesprächsauswertung im Callcenter Projekt CoachOST Dipl.-Wirtsch.-Inf. Mathias Walther Prof. Dr. Taïeb Mellouli Lehrstuhl für Wirtschaftsinformatik und Operations

Mehr

Webergänzung zu Kapitel 10

Webergänzung zu Kapitel 10 Webergänzung zu Kapitel 10 10.1.4 Varianzanalyse (ANOVA: analysis of variance) Im Kapitel 10 haben wir uns hauptsächlich mit Forschungsbeispielen beschäftigt, die nur zwei Ergebnissätze hatten (entweder

Mehr

Beispiellektionen. Geometrische Grundformen. Gestaltung und Musik. Fach. Klasse. Ziele Soziale Ziele

Beispiellektionen. Geometrische Grundformen. Gestaltung und Musik. Fach. Klasse. Ziele Soziale Ziele Geometrische Grundformen Fach Gestaltung und Musik Klasse 1 2 3 4 5 6 7 8 9 Ziele Soziale Ziele Gemeinsam ein Bild aus einfachen geometrischen Formen entstehen lassen. Inhaltliche Ziele Geometrische Formen

Mehr

Jobs to do LS 3 (CT/DVT-Analyse)

Jobs to do LS 3 (CT/DVT-Analyse) Jobs to do für den Level 1 - hilfreich Lese die Informationen zum Level 1dieser Lernsituation im Bereich Implantate auf www.wikidental.de komplett. Mache dir schriftliche Notizen zu den dort genannten

Mehr

Dokumentation: wi://googlemaps

Dokumentation: wi://googlemaps 1 Dokumentation: wi://googlemaps zur Einbindung von eigenen GoogleMaps Karten im TYPO3 Backend 2 Inhalt Einrichtung des Plugins... 3 Schritt 1: Frontend Plugin anlegen... 3 Schritt 2: Speicherort der Datensätze

Mehr

$KNFXGTCTDGKVWPIWPF#NIQTKVJOGP 2TQH&T9QNHICPI-QPGP. Einführung. s. auch info_zum_kurs.html -QOOWPKMCVKQP

$KNFXGTCTDGKVWPIWPF#NIQTKVJOGP 2TQH&T9QNHICPI-QPGP. Einführung. s. auch info_zum_kurs.html -QOOWPKMCVKQP $KNFXGTCTDGKVWPIWPF#NIQTKVJOGP 2TQH&T9QNHICPI-QPGP Einführung s. auch info_zum_kurs.html SS06 1.1 Konen, Zielke -QOOWPKMCVKQP konen@gm.fh-koeln.de 5RTGEJUVWPFG OKVVYQEJU 7JT QFGTPCEJ8GTGKPDCTWPI'OCKN 4CWO#

Mehr

Alles im Blick: von der Anfrage bis zum fertigen Produkt

Alles im Blick: von der Anfrage bis zum fertigen Produkt Produktinformation FINEST PPS Produktions- und Planungssystem für Lohnschneider und blechverarbeitende Betriebe Alles im Blick: von der Anfrage bis zum fertigen Produkt FINEST-PPS ist ein Produktionsplanungs-

Mehr

Zur Validität von 360 Feedbacks eine generalisierbarkeitstheoretische Reanalyse auf Faktorenebene

Zur Validität von 360 Feedbacks eine generalisierbarkeitstheoretische Reanalyse auf Faktorenebene Zur Validität von 360 Feedbacks eine generalisierbarkeitstheoretische Reanalyse auf Faktorenebene Jörg von Aschwege Friedhelm Nachreiner Martin Schütte Was sind 360 Feedbacks? Weder standardisiertes noch

Mehr

Wasserzeichen mit Paint-Shop-Pro 9 (geht auch mit den anderen Versionen. Allerdings könnten die Bezeichnungen und Ansichten etwas anders sein)

Wasserzeichen mit Paint-Shop-Pro 9 (geht auch mit den anderen Versionen. Allerdings könnten die Bezeichnungen und Ansichten etwas anders sein) Wasserzeichen mit Paint-Shop-Pro 9 (geht auch mit den anderen Versionen. Allerdings könnten die Bezeichnungen und Ansichten etwas anders sein) Öffne ein neues Bild ca. 200 x 200, weiß (Datei - neu) Aktiviere

Mehr

Entwicklung von praxisnahen Laborübungen in der industriellen Bildverarbeitung

Entwicklung von praxisnahen Laborübungen in der industriellen Bildverarbeitung München Entwicklung von praxisnahen Laborübungen in der industriellen Bildverarbeitung Prof. Dr. Alexander Hornberg FH für Technik, Esslingen Alexander.Hornberg@fht-esslingen.de -1- Überblick Inhalt der

Mehr

Einführung Point Cloud Library

Einführung Point Cloud Library Fakultät Umweltwissenschaften / Professur für Photogrammetrie Professur für Geoinformationssysteme Einführung Point Cloud Library Inhalt 1. Was ist PCL? 2. Was kann PCL? 3. Wie funktioniert PCL? 4. Module

Mehr

ifp Diplomhauptprüfung Frühjahr 2000 Prüfung mündlich abgehalten Institut für Photogrammetrie

ifp Diplomhauptprüfung Frühjahr 2000 Prüfung mündlich abgehalten Institut für Photogrammetrie ifp Institut für Photogrammetrie Universität Stuttgart Prof. Dr.-Ing. habil. Dieter Fritsch Geschwister-Scholl-Str. 24, 70174 Stuttgart Postfach 10 60 37, 70049 Stuttgart Telefon (0711) 121-3386, 121-3201

Mehr

2.1. Neue Dateien. 2. Erste Schritte mit Photoshop CS6

2.1. Neue Dateien. 2. Erste Schritte mit Photoshop CS6 Erste Schritte mit Photoshop CS6 2. Erste Schritte mit Photoshop CS6 2.1. Neue Dateien In Photoshop arbeiten wir meistens mit bereits vorhandenen Fotos und bearbeiten diese Bilder. Für eigene Kompositionen

Mehr

Hauptseminar am Fachgebiet für Quantitative Methoden der Wirtschaftswissenschaften

Hauptseminar am Fachgebiet für Quantitative Methoden der Wirtschaftswissenschaften Hauptseminar am Fachgebiet für Quantitative Methoden der Wirtschaftswissenschaften Fehlende Daten in der Multivariaten Statistik SS 2011 Allgemeines Das Seminar richtet sich in erster Linie an Studierende

Mehr

Einführung Aufgabe 1 - Bildverarbeitung. Anton Augsburg 2011

Einführung Aufgabe 1 - Bildverarbeitung. Anton Augsburg 2011 Einführung Anton Augsburg 2011 Inhalt 1 - Allgemeine Hinweise 2 - Grundlagen 3 - Aufgabenstellung 4 - C# 5 - Einführendes Beispiel 6 - Aufgabenhinweise Medien und Medienströme SS 2011 - Anton Augsburg

Mehr

Mustererkennung mit Baumautomaten

Mustererkennung mit Baumautomaten Mustererkennung mit Baumautomaten Eine Ausarbeitung von Gisse Alvarado für das Seminar Mustererkennung mit syntaktischen und graphbasierten Methoden bei Prof. Dr. W. Kurth/ Th. Mangoldt Cottbus 2006 Inhalt

Mehr

Digitale Bildverarbeitung

Digitale Bildverarbeitung Digitale Bildverarbeitung Thorsten Hermes Eine praktische Einführung ISBN 3-446-22969-8 Leseprobe Weitere Informationen oder Bestellungen unter http://www.hanser.de/3-446-22969-8 sowie im Buchhandel Kapitel

Mehr

Steigern Sie Ihre Erträge Optimieren Sie Ihre Inspektion Inspektionssysteme für Kunststoff-Folien und -Filme 100%

Steigern Sie Ihre Erträge Optimieren Sie Ihre Inspektion Inspektionssysteme für Kunststoff-Folien und -Filme 100% Steigern Sie Ihre Erträge Optimieren Sie Ihre Inspektion Inspektionssysteme für Kunststoff-Folien und -Filme 100% Optische Bahninspektion - der direkte Weg zum Ziel Wir bieten Technologie für das Ertragsmanagement

Mehr

Inhalt: Version 1.7.5

Inhalt: Version 1.7.5 Inhalt: Objekte ohne Methoden Objekte mit einfachen Methoden Objekte und Methoden mit Parametern Objekte und Methoden mit Rückgabewert Objekte mit einem Array als Attribut Beziehungen zwischen Objekten

Mehr

Aufgabe 12 Nach dem Eintippen der Kantenlänge soll die folgende Tabelle den Rauminhalt und die Oberfläche eines Würfels automatisch berechnen.

Aufgabe 12 Nach dem Eintippen der Kantenlänge soll die folgende Tabelle den Rauminhalt und die Oberfläche eines Würfels automatisch berechnen. Aufgabe 11 Excel hat für alles eine Lösung. So kann das Programm automatisch den größten oder den kleinsten Wert einer Tabelle bestimmen. Wenn man die richtige Funktion kennt, ist das überhaupt kein Problem.

Mehr

Optimierung der Code-Generierung virtualisierender Ausführungsumgebungen zur Erzielung deterministischer Ausführungszeiten

Optimierung der Code-Generierung virtualisierender Ausführungsumgebungen zur Erzielung deterministischer Ausführungszeiten Optimierung der Code-Generierung virtualisierender Ausführungsumgebungen zur Erzielung deterministischer Ausführungszeiten Martin Däumler Matthias Werner Lehrstuhl Betriebssysteme Fakultät für Informatik

Mehr

Bachelor-Studiengang Mechatronik und Informationstechnik (MIT) Modulvorstellung B-PE3 Kommunikationstechnik

Bachelor-Studiengang Mechatronik und Informationstechnik (MIT) Modulvorstellung B-PE3 Kommunikationstechnik Bachelor-Studiengang Mechatronik und Informationstechnik (MIT) der Fakultäten ETIT & MACH Modulvorstellung B-PE3 Kommunikationstechnik Friedrich Jondral & Thomas Zwick Stand: 2.7.2014 FAKULTÄT FÜR ELEKTROTECHNIK

Mehr

Prof. Dr. Rudolf Bierl

Prof. Dr. Rudolf Bierl Agenda Informationsverarbeitung Lego Roboter Sensoren Projekte Scanner Teekocher Rubics Cube Solver Sudoku Solver Informationsverarbeitung Definition Elektronische Datenverarbeitung EDV folgt dem Grundschema

Mehr

90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft

90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft Prof. Dr. Helmut Küchenhoff SS08 90-minütige Klausur Statistik für Studierende der Kommunikationswissenschaft am 22.7.2008 Anmerkungen Überprüfen Sie bitte sofort, ob Ihre Angabe vollständig ist. Sie sollte

Mehr

Support Vector Machine und Ridge Regression in der digitalen Bildverarbeitung

Support Vector Machine und Ridge Regression in der digitalen Bildverarbeitung Support Vector Machine und Ridge Regression in der digitalen Bildverarbeitung Volker Gimple, Gruppenleiter Bildverarbeitung STEMMER IMAGING GmbH, Puchheim INHALT (1) Einleitung Begriffsklärung Struktur

Mehr

Duo-Körnerlichtschranke als bildgebendes Sensorsystem zur Charakterisierung landwirtschaftlicher Gutpartikel

Duo-Körnerlichtschranke als bildgebendes Sensorsystem zur Charakterisierung landwirtschaftlicher Gutpartikel Duo-Körnerlichtschranke als bildgebendes Sensorsystem zur Charakterisierung landwirtschaftlicher Gutpartikel Double light barrier as an imaging sensor system for the characterization of agricultural particles

Mehr

Standardab er des. Testwert = 145.5 95% Konfidenzintervall. T df Sig. (2-seitig) Differenz Untere Obere -2.011 698.045-5.82-11.50 -.14.

Standardab er des. Testwert = 145.5 95% Konfidenzintervall. T df Sig. (2-seitig) Differenz Untere Obere -2.011 698.045-5.82-11.50 -.14. Aufgabe : einfacher T-Test Statistik bei einer Stichprobe Standardfehl Standardab er des Mittelwert weichung Mittelwertes 699 39.68 76.59 2.894 Test bei einer Sichprobe Testwert = 45.5 95% Konfidenzintervall

Mehr

Programmierparadigmen

Programmierparadigmen Programmierparadigmen D. Rösner Institut für Wissens- und Sprachverarbeitung Fakultät für Informatik Otto-von-Guericke Universität Magdeburg Sommer 2011, 20. Juni 2011, c 2011 D.Rösner D. Rösner PGP 2011...

Mehr

Format Kompression Farbtiefe Speicherbedarf Eigenschaften bmp. Windows Bilder Bitmap. Bis 16,7 Mio Austauschformat zwischen Welten

Format Kompression Farbtiefe Speicherbedarf Eigenschaften bmp. Windows Bilder Bitmap. Bis 16,7 Mio Austauschformat zwischen Welten Bildbearbeitung Bilder und Grafiken müssen für den Druck oder den Bildschirm unterschiedlich aufbereitet werden. Entscheidend ist dabei der Speicherbedarf und davon abhängig die Bildqualität. Ein Bild

Mehr