Erkennung von singulären Punkten in Fingerabdrücken. Mark Lorenz
|
|
- Catharina Richter
- vor 8 Jahren
- Abrufe
Transkript
1 Erkennung von singulären Punkten in Fingerabdrücken Mark Lorenz Berlin, 12. Januar 2010
2 Inhaltsverzeichnis 1 Einleitung 1 2 Bildaufbereitung 3 3 Berechnung des Orientierungsfeldes Berechnung der Richtung in Blöcken Berechnung der Richtung pixelweise Extrahieren der singulären Punkte aus dem Orientierungsfeld Berechnen der Poincaré-Indizes Bereinigen der Ergebnisse mit DORIC Zusammenfassung 9 1 Einleitung Abbildung 1: Fingerabdruck Typen, durch Cores (Kreise) und Deltas (Dreiecke) begrenzt: (a) Plain Arch, (b) Tented Arch, (c) Linksdrehende Schleife, (d) Rechtsdrehende Schleife, (e) Doppelte Schleife, (f) Wirbel Fingerabdrücke sind aktuell das wichtigste biometrische Erkennungsmerkmal. Immer mehr Sicherheitskontrollen setzen auf die absolute Eindeutigkeit der Muster auf den Fingerkuppen. Fingerabdrücke bestehen aus einem Muster aus Rillen. Die Erhebungen werden Ridges (engl. Rücken) genannt, die Vertiefungen Valleys (engl. Tal). Jeder Abdruck ist bei jedem Menschen unterschiedlich. Doch um tatsächlich als Sicherheitsmerkmal herhalten zu können, müssen Algorithmen vorhanden sein, die gespeicherte Abdrücke mit frisch gescannten abgleichen können, ohne fälschlicher Weise einen passenden als falsch zu definieren oder gar einen falschen zu erlauben. Die heutigen Scanner werden immer feiner. Die Auflösung steigt und in dem 1
3 Maß werden die gescannten Bilder detailreicher und besser zu identifizieren. Man unterscheidet bei einem Fingerabdruck drei Level von Merkmalen (siehe Abb. 2). Level 1 ist das globale Muster. Es gibt im Wesentlichen 6 verschiedene, sie sind Abbildung 2: (a) Level 1: Singuläre Punkte, (2) Level 2: Minutien, (3) Level 3: Poren in Abbildung 1 zu sehen. Diese Muster sind von so genannten Cores und Deltas begrenzt. Das sind die singulären Punkte, auf deren Erkennung im Folgenden näher eingegangen wird. Level 2 beschreibt Merkmale der Rillen und Furchen, wie Enden und Aufspaltungen. Sie werden Minutien genannt. Level 3, das Muster der Poren, ist nur in sehr hoch aufgelösten Bildern zu erkennen und spielt aktuell noch keine Rolle in der automatischen Fingerabdruckerkennung, da sich Poren öffnen und schließen können und daher nur bedingt automatisch abgleichbar sind. Ein weiterer Grund für die Schwierigkeit von Vergleichen ist die Verunreinigung der Aufnahmen. Abbildung 3: (a) Fingerabdruck, (b) Orientierungsfeld O, (c) Orientierungen der Pixel nach Quadrierung von O (Vektorfeld) Die folgende Arbeit stellt die automatische Erkennung von singulären Punkten (SP) vor. Gescannte Bilder müssen zumeist in eine Vorbearbeitung, das so genannte Preprocessing, welche die Bilder hinsichtlich ihrer Farbe normiert und das Erkennen von Rillenstrukturen einleitet. Danach wird aus diesen Rillenstrukturen versucht, ein Orientierungsfeld zu berechnen, welches anzeigt, an welcher Stelle des Bildes die Rillen welche Richtung aufweisen. Teilflächen des Abdrucks, die eine möglichst starke Richtungsänderung aufweisen, werden als SP erkannt, da um diese Punkte ei- 2
4 ne starke Rillenkrümmungen zu finden ist (siehe Abb. 3). Um Richtungsänderungen zu erkennen und zu bewerten, wird im dritten Teil der Arbeit der Poincaré-Index eines Punktes ermittelt. Um danach noch eventuelle Fehlinterpretationen durch Bildfehler, wie Kratzer, Narben oder Staub, zu eliminieren, wird das DORIC-Modell verwendet, welches abschließend vorgestellt wird. 2 Bildaufbereitung Jedes Bild eines gescannten Fingerabdruckes unterscheidet sich von einem anderen. Das liegt vor allem in unterschiedlichen Scanner- und Sensoreigenschaften oder daran, wie stark der Finger auf diese gedrückt wurde, begründet. Aufgrund dessen ist es zuerst einmal notwendig, gescannte Bilder zu normalisieren, bevor man sie weiteren automatischen Algorithmen unterzieht. Dazu gibt es unterschiedliche Ver- Abbildung 4: Aufbereitung eines qualitativ hochwertigen Bildes fahren. Wie [Dep07] zeigt, reicht bei sehr gut aufgelösten Bildern eine Anpassung von Helligkeit und Kontrast und einer darauffolgenden Ausdünnung der Ridges aus. Nach diesem Schritt erhält man ein monochromes Bild, welches im Idealfall 1px breite Ridges zeigt (siehe Abb. 4). In der Regel sind Bilder aber verrauscht, zu gering aufgelöst oder enthalten Artefakte, die von Staub, Kratzern oder Narben herrühren. In diesem Fall werden zuerst Gaußsche Weichzeichner eingesetzt, um diese Artefakte bestmöglich wegzuinterpolieren. Dann versucht man aufgrund der Hell-Dunkel-Unterschiede eine Sinus-basierte Rillenfrequenzfunkton zu ermitteln. Damit kann man die Grauwerte verstärken, beispielsweise mit einem Tiefpassfilter. 3 Berechnung des Orientierungsfeldes Um die singulären Punkte eines Fingerabdruckes identifizieren zu können, braucht man die Orientierung der Strukturen an jedem Punkt des Bildes. Wenn sich die 3
5 Orientierung der Punkte in einem eingeschränkten Bereich stark ändert, ist dies der Bereich eines singulären Punktes. Aufgrund dessen ist es notwendig, ein Orientierungsfeld des Bildes zu berechnen. Es existieren mehrere Wege, dies zu tun. Die häufigste ist die gradienten-basierte Methode. Als Gradient bezeichnet man die Steigung, die an einer Stelle des Fingerabdruckes herrscht. Gradienten sind Vektoren. Sie sind immer aufwärts gerichtet und der Betrag dann besonders groß, wenn sich der Punkt genau zwischen Valley und Ridge befindet, sozusagen am Aufstieg. Die Gradientenberechnung erfolgt über die Graustufen des Bildes. Typischer Weise sind die Ridges dunkel, da sie der eigentliche Abdruck sind. Die Valleys hingegen sind hell. Für die Berechnung der Beträge kann nun die vorher ermittelte Rillenfrequenzfunktion verwendet werden. Abbildung 5: Abhängigkeit der Orientierung von den Gradienten Im Folgenden geht man davon aus, dass die Richtung der Ridges orthogonal zu deren Gradienten stehen (siehe Abb. 5). Um die Richtung derer zu bestimmen, wird ein Mittelwert von Gradienten in einer bestimmten Umgebung ermittelt. Allerdings ist es möglich, dass sich Gradienten mit gleichen Beträgen, aber um 180 gedreht, auslöschen. Um dem zu entgehen, werden die Richtungswinkel der Gradienten vor der Berechnung verdoppelt. Da man sich in einem Wertebereich von 0 bis π bewegt, haben die betroffenen Gradienten nun die gleiche Richtung. Nach der Mittelwertberechnung konvertiert man sie wieder zurück. Diese Methode wurde in [KW87] vorgestellt. 3.1 Berechnung der Richtung in Blöcken Zumeist wird nun das Bild in eine quadratische Anzahl von Blöcken geteilt. Verschiedene Quellen sprechen von verschieden großen optimalen Größen - sie bewegen sich zwischen 5 5 und Pixeln. Kleine Blöcke haben den Vorteil, dass man weniger Pixel miteinander mittelt. Daher kann dann mit den Bildern sehr detailliert gearbeitet werden. Sie sind aber anfälliger für Bildstörungen. Große Blöcke hin- 4
6 gegen gleichen diese aus, sind aber dafür weniger präzise. Das Orientierungsfeld berechnet sich nach [WZW02] wie folgt: O x (i, j) = i+ w 2 j+ w 2 2G x (u, v)g y (u, v) (1) u=i w u=j w 2 2 O y (i, j) = i+ w 2 j+ w 2 (G x (u, v) G y (u, v)) 2 (2) u=i w u=j w 2 2 θ(i, j) = 1 2 arctan ( Ox (i, j) O y (i, j) wobei G x/y (u, v) die Gradienten an jedem Pixel sind und θ(i, j) die Richtung des Blockes (i, j). ) (3) 3.2 Berechnung der Richtung pixelweise [BG00] stellt eine Methode vor, die nicht von Blockgrößen abhängig ist. Um den Mittelwert zu berechnen, wird pixelweise eine Gaußsche Fensterfunktion angewendet. Dazu wird ein weiterer Präprozess notwendig. Man verdoppelt nicht nur die Abbildung 6: Quadrierung des Orientierungsfeldes (engl. direction field) Winkel, sondern quadriert auch die Beträge der Gradientenvektoren. Das hat den Effekt, dass stärkere Gradienten betont werden, was zu einer besseren Vermeidung von artefaktbegründeten Fehlern führt (siehe Abb. 6). Um die Richtung und Beträge eines im kartesischen Koordinatensystem angegebenen Vektors [G x G y ] T zu verändern, konvertiert man ihn in ein polares Koordinatensystem: [ ] ρ = ϕ [ G 2 x + G 2 ] y arctan Gy G x Über trigonometrische Identitäten kürzen sich ρ und ϕ bei der Quadrierung (4) 5
7 wieder heraus. Damit berechnet sich der Mittelwert der quadrierten Gradienten wie folgt: 1 2 π: [ Gs,x G s,y ] [ ] Gxx G yy = 2G xy Daraus ergibt sich die durchschnittliche Gradientenrichtung Φ mit 1 2 π < Φ mit Die daraus resultierende gemittelte Ridge-Valley-Richtung θ steht dazu orthogonal: (5) Φ = 1 2 (G xx G yy, 2G xy ) (6) arctan ( y x), wenn x 0 (x, y) = arctan ( y x) + π, wenn x < 0 y 0 (7) arctan ( y ) π, wenn x, y < 0 x wobei gilt: 1 2 π < θ 1 2 π Φ + 1 2π, wenn Φ 0 θ = (8) Φ 1 2 π, wenn Φ > 0 4 Extrahieren der singulären Punkte aus dem Orientierungsfeld Um nun die singulären Punkte, also die Cores und Deltas im Orientierungsfeld zu ermitteln, ist es vorerst notwendig, die Poincaré-Indizes der einzelnen Pixel zu berechnen. 4.1 Berechnen der Poincaré-Indizes Der Poincaré-Index ist definiert als die Summe der Richtungsdifferenzen entlang eines geschlossenen Pfades. Zumeist werden diese in einem quadratischen Raster berechnet. [FG96] teilt das Bild dafür sogar in ein Hexagonalgitter, da dann alle umliegenden Punkte den gleichen Abstand zum Zentrum haben und die Berechnung genauer wird. 6
8 Der Poincaré-Index für den Punkt P wird folgendermaßen berechnet: I P = 1 π N 1 i=1 f(o i+1 o i ) = 1 π mit o N = o 1. Die Funktion f ist definiert als N 1 i=1 x, wenn x π 2 f(x) = π x, wenn x > π 2 π + x, wenn x < π 2 f(δo i ) (9) (10) Abbildung 7: Drei typische Muster. (a) Keine Singularität, I = 0, (b) Ring, I = 1, (c) Sattel, I = 1 Abbildung 7 zeigt drei mögliche Ergebnisse. Bild (b) lässt auf einen Core und Bild (c) auf ein Delta schließen. Abbildung 8: Fläche Omega wird begrenzt durch Ω = Γ E Γ I. {γ i, i = 1, 2, 3} sind Kreise um singuläre Punkte von Ω. C ist ein geschlossener Pfad innerhalb von Ω. Es gelten weiterhin zwei Eigenschaften für Poincaré-Indizes: Eigenschaft 1 Der Poincaré-Index entlang der Grenze einer gegebenen Fläche ist gleich der Summe der Poincaré-Indizes der singulären Punkte innerhalb dieser Fläche. I(γ k ) = I(Γ E ) I(Γ I ) (11) k 7
9 Mithilfe dieser Eigenschaft zeigt [GZ], dass bei vollständigen Fingerabdrücken, die Anzahl der Cores und der Deltas stets gleich sind, was später als Heuristik bei unvollständigen Fingerabdrücken hilfreich sein kann. Eigenschaft 2 Befinden sich zwischen zwei homotopen geschlossenen Pfaden keine singulären Punkte, dann sind deren Poincaré-Indizes gleich. So gilt in Abb. 8 I(C) = I(Γ E ). Diese Eigenschaft kommt zum Tragen, wenn das Bild entlang eines geschlossenen Pfades, der zum Berechnen des Poincaré-Index gewählt wurde, durch Unreinheiten zerstört wurde. Man wählt nun einfach einen umschließenden Pfad an Stellen mit besserer Bildqualität. 4.2 Bereinigen der Ergebnisse mit DORIC Abbildung 9: Eindeutige DORIC-Graphen: (d) einhält nur einen Spitzenwert von π, also I = +1, also ein Core, (f) das Gegenteil, also ein Delta. Trotz der bisher verwendeten Heuristiken, zeigen Versuche auf großen Datenbanken, dass immernoch zu viele singuläre Punkte ermittelt werden, die auf Unreinheiten auf dem Bild beruhen. [GZ] zeigt eine Möglichkeit, diese falschen Singularitäten zu eliminieren. Zuerst werden Cores und Deltas, die zu nah beieinander liegen (hier 8px), gelöscht. Sind in einer kleinen Fläche mehrere Singularitäten 8
10 Abbildung 10: Beispiel für falsch erkannte SP gleichen Typs, wird eine Durchschnittssingularität ermittelt. Weitere Unreinheiten, die fälschlicher Weise als singuläre Punkte erkannt wurden, werden mithilfe des DORIC-Modells (Differences of the ORIentation values along a Circle) eliminiert. Nun wird das Umfeld eines Punktes P betrachtet und gegebenenfalls auftretende singuläre Punkte gespeichert: DORIC(P ) = [δo 1, δo 2,..., δo N 1 ] (12) Die Werte werden als Graph ausgegeben. Die Graphen der Abbildung 9 zeigen eindeutige SP, die der Abbildung 10 sind unreiner. Für die nicht eindeutig identifizierten Bilder wurde experimentell eine Vergleichstabelle ermittelt, womit die DORIC-Werte abgeglichen werden, was ggf. zur Eliminierung des SP führt. 5 Zusammenfassung Es gibt viele verschiedene Arbeiten zu dem Thema der automatischen Fingerabdruckerkennung. Einen möglichen Weg über die Erkennung mittels singulärer Punkte und dem abschließenden Bereinigen mit dem DORIC-Modell wurde hier vorgestellt. Es wurde gezeigt, dass für jeden Teilschritt unterschiedliche Methoden der Berechnung existieren. In den Nachforschungen stieß man auf immer weitere Optimierungen und unterschiedliche Wege zum Ziel. So lassen sich Fingerabdrücke auf Minutienbasis vergleichen, wie in [Dep07] beschrieben. [DJ] hingegen zeigt 9
11 einen Weg der Erkennung, indem aus den globalen Mustern Kurven extrahiert und verglichen werden. Die Arbeit [CM09] beschäftigt sich mit der wahrscheinlichen Position von Schleifen und Wirbeln auf dem Fingerabdruck. Daraus kann man dann Heuristiken fertigen, die zur Feststellung von falsch erkannten Mustern führen. In Zukunft werden Scanner präziser, die Hardware noch schneller und es gibt sogar Berechnungsansätze für neuralen Netzwerke. Demnach ist es wahrscheinlich, dass die Erkennung eines Fingerabdruckes mit immer aufwändigeren Algorithmen immer schneller gehen wird, und damit die Fehlerquote bei der Erkennung weiter sinkt. Literatur [BG00] [CM09] [Dep07] [DJ] [FG96] [GZ] [KW87] Asker M. Bazen and Sabih H. Gerez. Directional field computation for fingerprints based on the principal component analysis of local gradients Raffaele Cappelli and Davide Maltoni. On the spatial distribution of fingerprint singularities. In IEEE Transactions on pattern analysis and machine intelligence, Vol. 31, No. 4, April 2009, pages , Pascal Deppe. Fingerprint recognition - algorithmen zur feature extraction Sarat C. Dass and Anil K. Jain. Fingerprint classification using orientation field flow curves. P. Fitz and R.J. Green. Fingerprint classification using a hexagonal fast fourier transform Jinwei Gu and Jie Zhou. Analysis of singular points in fingerprints based on topological structure and orientation field. M. Kass and A. Witkin. Analysing oriented patterns. In Computer Vision, Graphics, and Image Processing, pages , [WZW02] Sen Wang, Wei Wei Zhang, and Yang Sheng Wang. Fingerprint classification by directional fields
INTELLIGENTE DATENANALYSE IN MATLAB
INTELLIGENTE DATENANALYSE IN MATLAB Bildanalyse Literatur David A. Forsyth: Computer Vision i A Modern Approach. Mark S. Nixon und Alberto S. Aguado: Feature Extraction and Image Processing. Ulrich Schwanecke:
MehrSuche nach korrespondierenden Pixeln
Suche nach korrespondierenden Pixeln Seminar Algorithmen zur Erzeugung von Panoramabildern Philip Mildner, Gliederung 1. Motivation 2. Anforderungen 3. Moravec Detektor 4. Harris Detektor 5. Scale Invariant
MehrIT-Sicherheit Kapitel 8.3
IT-Sicherheit Kapitel 8.3 Fingerabdruckerkennung Anika Pflug, M.Sc. Sommersemester 2014 1 Einführung Features von Fingerabdrücken Einzigartige Struktur der Haut Forensische Identifikation (Latente Abdrücke)
MehrDistributed Algorithms. Image and Video Processing
Chapter 6 Optical Character Recognition Distributed Algorithms for Übersicht Motivation Texterkennung in Bildern und Videos 1. Erkennung von Textregionen/Textzeilen 2. Segmentierung einzelner Buchstaben
Mehr6. Texterkennung in Videos Videoanalyse
6. Texterkennung in Videos Videoanalyse Dr. Stephan Kopf 1 Übersicht Motivation Texterkennung in Videos 1. Erkennung von Textregionen/Textzeilen 2. Segmentierung einzelner Buchstaben 3. Auswahl der Buchstabenpixel
MehrNavigation anhand natürlicher Landmarken mit Hilfe der Scale Invariant Feature Transform. Thorsten Jost INF-M2 AW1 Sommersemester
Navigation anhand natürlicher Landmarken mit Hilfe der Scale Invariant Feature Transform Thorsten Jost INF-M2 AW1 Sommersemester 2008 Agenda Motivation Feature Detection Beispiele Posenbestimmung in Räumen
MehrKrümmungsapproximation auf 3D-Modellen
Krümmungsapproximation auf 3D-Modellen Mathematische Grundlagen und Approximation Christian Cyrus Matrikelnummer 157707 Fakultät für Informatik Otto-von-Guericke-Universität Magdeburg Diese Ausarbeitung
MehrEinführung in die linearen Funktionen. Autor: Benedikt Menne
Einführung in die linearen Funktionen Autor: Benedikt Menne Inhaltsverzeichnis Vorwort... 3 Allgemeine Definition... 3 3 Bestimmung der Steigung einer linearen Funktion... 4 3. Bestimmung der Steigung
MehrLernmaterialblatt Mathematik. Vektorrechnung eine Einführung. Anwendung Mathematik I. Einleitung:
Vektorrechnung eine Einführung Einleitung: Um beispielsweise das Dreieck ABC in der Abbildung an die Position A'B'C' zu verschieben, muss jeder Punkt um sieben Einheiten nach rechts und drei nach oben
MehrKapitel 6 Differential- und Integralrechnung in mehreren Variablen
Kapitel 6 Differential- und Integralrechnung in mehreren Variablen Inhaltsverzeichnis FUNKTIONEN IN MEHREREN VARIABLEN... 3 BEISPIELE UND DARSTELLUNGEN... 3 GRENZWERT UND STETIGKEIT (ABSTANDSBEGRIFF)...
MehrEinleitung 2. 1 Koordinatensysteme 2. 2 Lineare Abbildungen 4. 3 Literaturverzeichnis 7
Sonja Hunscha - Koordinatensysteme 1 Inhalt Einleitung 2 1 Koordinatensysteme 2 1.1 Kartesisches Koordinatensystem 2 1.2 Polarkoordinaten 3 1.3 Zusammenhang zwischen kartesischen und Polarkoordinaten 3
Mehr3. Analyse der Kamerabewegung Video - Inhaltsanalyse
3. Analyse der Kamerabewegung Video - Inhaltsanalyse Stephan Kopf Bewegungen in Videos Objektbewegungen (object motion) Kameraoperationen bzw. Kamerabewegungen (camera motion) Semantische Informationen
MehrTestprüfung (Abitur 2013)
Testprüfung (Abitur 2013) Steve Göring, stg7@gmx.de 3. April 2013 Bearbeitungszeit: Zugelassene Hilfsmittel: 270 Minuten Taschenrechner (nicht programmierbar, nicht grafikfähig), Tafelwerk Name: Punkte:
MehrProseminar "Aufgabenstellungen der Bildanalyse und Mustererkennung"
Fakultät Informatik, Institut für künstliche Intelligenz, Intelligent Systems Proseminar "Aufgabenstellungen der Bildanalyse und Mustererkennung" Lokale Merkmalsdeskriptoren Jens Stormberg - Dresden, 19.06.2009
Mehr1. Referenzpunkt Transformation
2.3 Featurereduktion Idee: Anstatt Features einfach wegzulassen, generiere einen neuen niedrigdimensionalen Featureraum aus allen Features: Redundante Features können zusammengefasst werden Irrelevantere
MehrEVC Repetitorium Blender
EVC Repetitorium Blender Michael Hecher Felix Kreuzer Institute of Computer Graphics and Algorithms Vienna University of Technology INSTITUTE OF COMPUTER GRAPHICS AND ALGORITHMS Filter Transformationen
MehrSerie 3. z = f(x, y) = 9 (x 2) 2 (y 3) 2 z 2 = 9 (x 2) 2 (y 3) 2, z 0 9 = (x 2) 2 + (y 3) 2 + z 2, z 0.
Analysis D-BAUG Dr Cornelia Busch FS 2016 Serie 3 1 a) Zeigen Sie, dass der Graph von f(x, y) = 9 (x 2) 2 (y 3) 2 eine Halbkugel beschreibt und bestimmen Sie ihren Radius und ihr Zentrum z = f(x, y) =
MehrLEISTUNGSVERGLEICH VON FPGA, GPU UND CPU FÜR ALGORITHMEN ZUR BILDBEARBEITUNG PROSEMINAR INF-B-610
LEISTUNGSVERGLEICH VON FPGA, GPU UND CPU FÜR ALGORITHMEN ZUR BILDBEARBEITUNG PROSEMINAR INF-B-610 Dominik Weinrich dominik.weinrich@tu-dresden.de Dresden, 30.11.2017 Gliederung Motivation Aufbau und Hardware
Mehr9. Vorlesung Wintersemester
9. Vorlesung Wintersemester 1 Die Phase der angeregten Schwingung Wertebereich: bei der oben abgeleiteten Formel tan φ = β ω ω ω0. (1) ist noch zu sehen, in welchem Bereich der Winkel liegt. Aus der ursprünglichen
MehrMultimedia-Metadaten und ihre Anwendung
Multimedia-Metadaten und ihre Anwendung 14.02.2006 Automatische Gesichtserkennung Dominikus Baur Gesichtserkennung in MPEG-7 MPEG-7 bietet Face Descriptor zur Beschreibung von Gesichtern Im Folgenden:
MehrMultivariate Analysis
Kapitel Multivariate Analysis Josef Leydold c 6 Mathematische Methoden I Multivariate Analysis / 38 Lernziele Funktionen in mehreren Variablen Graph und Niveaulinien einer Funktion in zwei Variablen Partielle
MehrSCHRIFTLICHE ABITURPRÜFUNG 2006 Mathematik (Leistungskursniveau) Arbeitszeit: 300 Minuten
Mathematik (Leistungskursniveau) Arbeitszeit: 300 Minuten Es sind die drei Pflichtaufgaben und eine Wahlpflichtaufgabe zu lösen. Der Prüfling entscheidet sich für eine Wahlpflichtaufgabe. Die zur Bewertung
MehrAbb. 5.10: Funktion und Tangentialebene im Punkt ( ) ( ) ( ) 3.) Die Zahlenwerte und in Gleichung (Def. 5.11) berechnen sich durch ( ) ( )
Abb. 5.0: Funktion und Tangentialebene im Punkt Aus der totalen Differenzierbarkeit folgt sowohl die partielle Differenzierbarkeit als auch die Stetigkeit von : Satz 5.2: Folgerungen der totalen Differenzierbarkeit
Mehr2016-M-H-HMF-S Seite 1 von 8
HMF 1 - Analysis (Pool 1) Die Abbildung zeigt den Graphen der auf R definierten Funktion f. 4 y 3 2 1 1 2 3 4 5 6 x 1.1 Bestimmen Sie mithilfe der Abbildung einen Näherungswert für 5 3 f(x)dx. Die Funktion
MehrMittelpunktbestimmung von PLZ-Regionen
Mittelpunktbestimmung von PLZ-Regionen Technische Beschreibung der Lat-Lon-Liste von Geodaten-Deutschland.de (c) 2016 OW networks GmbH Stand: 6. Februar 2016 1 Algorithmus Mittelpunkt-Bestimmung Gesucht
MehrAbitur 2011 G9 Abitur Mathematik GK Geometrie VI
Seite http://www.abiturloesung.de/ Seite Abitur G9 Abitur Mathematik GK Geometrie VI Auf dem Boden des Mittelmeeres wurde ein antiker Marmorkörper entdeckt, der ersten Unterwasseraufnahmen zufolge die
MehrEinführung in die medizinische Bildverarbeitung WS 12/13
Einführung in die medizinische Bildverarbeitung WS 12/13 Stephan Gimbel Kurze Wiederholung Pipeline Pipelinestufen können sich unterscheiden, beinhalten aber i.d.r. eine Stufe zur Bildvorverarbeitung zur
MehrSuperpixels for Skin Segmentation
Farbworkshop Wuppertal 2014 1 Superpixels for Skin Segmentation Frerk Saxen und Ayoub Al-Hamadi 2 Fachgebiet Neuro-Informationstechnik Unter Leitung von Prof. Ayoub Al-Hamadi 18 Mitarbeiter Davon 12 Doktoranden
MehrDidaktik der Analysis und der Analytischen Geometrie/ Linearen Algebra
A. Filler[-3mm] Didaktik der Analysis und der Analytischen Geometrie/ Linearen Algebra, Teil 8 Folie 1 /27 Didaktik der Analysis und der Analytischen Geometrie/ Linearen Algebra 8. Das Skalarprodukt, metrische
Mehr1. Filterung im Ortsbereich 1.1 Grundbegriffe 1.2 Lineare Filter 1.3 Nicht-Lineare Filter 1.4 Separabele Filter 1.
. Filterung im Ortsbereich. Grundbegriffe. Lineare Filter.3 Nicht-Lineare Filter.4 Separabele Filter.5 Implementierung. Filterung im Frequenzbereich. Fouriertransformation. Hoch-, Tief- und Bandpassfilter.3
MehrHöhere Mathematik III WS 05/06 Lösungshinweis Aufgabe G 11 Blatt 2
Höhere Mathematik III WS 5/6 Lösungshinweis Aufgabe G 11 Blatt Die zu optimierende Zielfunktion ist der Abstand zum Ursprung. Ein bekannter Trick (Vereinfachung der Rechnung) besteht darin, das Quadrat
MehrAbb. 1 Tastatur und USB-Stick mit Fingerabdruckerkennung
Funktionsweise einer Fingerabdruckerkennung 1. Einleitung Hallo zusammen! Heute möchte ich euch erklären, wie ein Fingerabdruckscanner funktioniert. Der eine oder andere mag dieser Technologie vielleicht
Mehr) (1 BE) 1 2 ln 2. und somit
1 Aufgaben aus dem Aufgabenpool 1 1.1 Analysis A1_1 Eine Funktion f ist durch 1 x f(x) e 1, x IR, gegeben. Ermitteln Sie die Nullstelle der Funktion f. ( ) b) Die Tangente an den Graphen von f im Punkt
MehrSCHRIFTLICHE ABSCHLUSSPRÜFUNG 2017 REALSCHULABSCHLUSS MATHEMATIK. Pflichtteil 2 und Wahlpflichtteil. Arbeitszeit: 160 Minuten
Pflichtteil 2 und Wahlpflichtteil Arbeitszeit: 160 Minuten Es sind die drei Pflichtaufgaben und eine Wahlpflichtaufgabe zu lösen. Kreuzen Sie die Wahlpflichtaufgabe, die bewertet werden soll, an. Wahlpflichtaufgabe
MehrVersuch C: Auflösungsvermögen Einleitung
Versuch C: svermögen Einleitung Das AV wird üblicherweise in Linienpaaren pro mm (Lp/mm) angegeben und ist diejenige Anzahl von Linienpaaren, bei der ein normalsichtiges Auge keinen Kontrastunterschied
MehrRekapitulation, Erweiterung und Systematisierung technischer Fehler biometrischer Systeme (welche Komponenten machen welche Fehler)
Dozentin: Andrea Knaut Referenten: Marco Kähler, Marcel Zentel Seminar: Automatisierte Fingerabdruckidentifizierung praktisch hinterfragen Hu Berlin Rekapitulation, Erweiterung und Systematisierung technischer
MehrHuman Detection Based On Part Models
Human Detection Based On Part Models Seminar: Mobile Human Detection Systems William Basilien Kom MatrNr: 3098186 Institute of Computer Engineering 13. März 2017 1 / 25 Motivation 2 / 25 Inhaltsverzeichnis
MehrElementare Bildverarbeitungsoperationen
1 Elementare Bildverarbeitungsoperationen - Kantenerkennung - 1 Einführung 2 Gradientenverfahren 3 Laplace-Verfahren 4 Canny-Verfahren 5 Literatur 1 Einführung 2 1 Einführung Kantenerkennung basiert auf
MehrMusterlösung zur Übungsklausur Statistik
Musterlösung zur Übungsklausur Statistik WMS15B Oettinger 9/216 Aufgabe 1 (a) Falsch: der Modus ist die am häufigsten auftretende Merkmalsausprägung in einer Stichprobe. (b) Falsch: die beiden Größen sind
MehrProjektionen für f r die Scanregistrierung mit Hilfe von Bildmerkmalen
Projektionen für f r die Scanregistrierung mit Hilfe von Bildmerkmalen Prof. Dr. Andreas Nüchter Jacobs University Bremen Campus Ring 1 28759 Bremen 1 Hintergrund (1) Automatisierung von terrestrischen
Mehr"Kanten- und Linienerkennung in Grauwertbildern für Bildverarbeitungsstufen im Antikollissionssystem des Faustfahrzeugs"
"Kanten- und Linienerkennung in Grauwertbildern für Bildverarbeitungsstufen im Antikollissionssystem des Faustfahrzeugs" Ning Liu HAW-Hamburg Seminarvortrag December 15, 2006 Ning Liu Kanten- und Linienerkennung
MehrVektorgeometrie. 1. Vektoren eingeben, Norm, Skalarprodukt. 2 In einem kartesischen Koordinatensystem sind die Vektoren. , v. und. gegeben.
Vektorgeometrie 1. Vektoren eingeben, Norm, Skalarprodukt 2 In einem kartesischen Koordinatensystem sind die Vektoren u 14, 5 11 10 v 2 und w 5 gegeben. 10 10 a) Zeigen Sie, dass die Vektoren einen Würfel
MehrLösungsvorschlag zum zweiten Übungsblatt
Lösungsvorschlag zum zweiten Übungsblatt Aufgabe Wir zeigen, daß die Drehung um den Ursprung um 9 und die Spiegelung an der x-achse nicht kommutieren. Die Matrix für die Drehmatrix lautet in diesem Fall
MehrTU Dresden Fachrichtung Mathematik Institut für Numerische Mathematik 1. Dr. M. Herrich SS 2017
TU Dresden Fachrichtung Mathematik Institut für Numerische Mathematik 1 Prof. Dr. K. Eppler Institut für Numerische Mathematik Dr. M. Herrich SS 2017 Aufgabe 1 Übungen zur Vorlesung Mathematik II 4. Übung,
MehrRotation. Versuch: Inhaltsverzeichnis. Fachrichtung Physik. Erstellt: U. Escher A. Schwab Aktualisiert: am 29. 03. 2010. Physikalisches Grundpraktikum
Fachrichtung Physik Physikalisches Grundpraktikum Versuch: RO Erstellt: U. Escher A. Schwab Aktualisiert: am 29. 03. 2010 Rotation Inhaltsverzeichnis 1 Aufgabenstellung 2 2 Allgemeine Grundlagen 2 2.1
MehrElemente der Analysis II
Elemente der Analysis II mehrerer Variablen Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ () 8. Mai 2009 1 / 10 (a) Wie in 1.3 der EA I ist eine Abbildung f : A B eine Vorschrift,
MehrAuswertung P2-10 Auflösungsvermögen
Auswertung P2-10 Auflösungsvermögen Michael Prim & Tobias Volkenandt 22 Mai 2006 Aufgabe 11 Bestimmung des Auflösungsvermögens des Auges In diesem Versuch sollten wir experimentell das Auflösungsvermögen
MehrÜbungen zu Wellen und Elektrodynamik für Chemie- und Bioingenieure und Verfahrenstechniker WS 11/12
Institut für Experimentelle Kernphysik Übungen zu Wellen und Elektrodynamik für Chemie- und Bioingenieure und Verfahrenstechniker WS 11/12 Prof. Dr. T. Müller Dr. F. Hartmann Blatt 1 Bearbeitung: 28.10.2011
Mehr11. Übung zu Algorithmen I 6. Juli 2016
11. Übung zu Algorithmen I 6. Juli 2016 Lisa Kohl lisa.kohl@kit.edu mit Folien von Lukas Barth Roadmap Ausblick: Was sind schwierige Probleme? Travelling Salesman Problem - Reprise ein ILP ein Algorithmus
MehrSolutions I Publication:
WS 215/16 Solutions I Publication: 28.1.15 1 Vektor I 4 2 Ein Objekt A befindet sich bei a = 5. Das zweite Objekt B befindet sich bei b = 4. 2 3 (a) Die Entfernung von Objekt A zum Ursprung ist die Länge
MehrEine zweidimensionale Stichprobe
Eine zweidimensionale Stichprobe liegt vor, wenn zwei qualitative Merkmale gleichzeitig betrachtet werden. Eine Urliste besteht dann aus Wertepaaren (x i, y i ) R 2 und hat die Form (x 1, y 1 ), (x 2,
MehrFUNKTIONEN. ein Leitprogramm für die Berufsmaturität
FUNKTIONEN ein Leitprogramm für die Berufsmaturität von Johann Berger 2000 Inhaltsverzeichnis Einleitung 3 Arbeitsanleitung 3 1 Der Funktionsbegriff 3 2 Lineare 6 3 Quadratische 10 EINLEITUNG Dieses Leitprogramm
MehrAbitur 2014 Mathematik Infinitesimalrechnung II
Seite 1 Abiturloesung.de - Abituraufgaben Abitur 2014 Mathematik Infinitesimalrechnung II Geben Sie jeweils den Term einer in R definierten periodischen Funktion an, die die angegebene Eigenschaft hat.
Mehr4.4 Glättung von Kanten
4.4 Glättung von Kanten Es wurden verschiedene Aspekte zur Beleuchtung von Modellen und Szenen vorgestellt. Es gibt zwei Arten von Licht, das Hintergrundlicht und Licht von Lichtquellen, wobei hier zu
MehrApproximation der Flugbahnen von Metallteilen nach Abscheidung durch einen Wirbelstromscheider anhand von Videomaterial
Approximation der Flugbahnen von Metallteilen nach Abscheidung durch einen Wirbelstromscheider anhand von Videomaterial Lukas Nilgen 13. Januar 2016 1 / 22 Inhaltsverzeichnis 1 Definition eines Wirbelstromscheiders
MehrExtrema multivariater Funktionen
Extrema multivariater Funktionen Ist f (x ) ein Minimum (Maximum) einer stetig differenzierbaren skalaren Funktion f auf einer Umgebung U von x, so gilt grad f (x ) = (0,..., 0) t. Extrema multivariater
MehrNumerisches Programmieren, Übungen
Technische Universität München SS 2012 Institut für Informatik Prof. Dr. Thomas Huckle Dipl.-Inf. Christoph Riesinger Dipl.-Math. Alexander Breuer Dr.-Ing. Markus Kowarschik Numerisches Programmieren,
MehrDie Winkelsumme in Vierecken beträgt immer 360.
98 5 Flächenberechnung Wussten Sie schon, dass (bezogen auf die Fläche) Ihr größtes Organ Ihre Haut ist? Sie hat durchschnittlich (bei Erwachsenen) eine Größe von ca. 1,6 bis 1,9 m2. Wozu brauche ich das
MehrVorkurs Mathematik (Allgemein) Übungsaufgaben
Justus-Liebig-Universität Gießen Fachbereich 07 Mathematisches Institut Vorkurs Mathematik (Allgemein) Übungsaufgaben PD Dr. Elena Berdysheva Aufgabe. a) Schreiben Sie die folgenden periodischen Dezimalzahlen
MehrSchnittpunkt zweier Einzelfunktionen einer zerlegten speziellen bilogarithmischen Funktion
chnittpunkt zweier Einzelfunktionen einer zerlegten speziellen bilogarithmischen Funktion Dipl.- Ing. Björnstjerne Zindler, M.c. Erstellt: 28. Januar 205 Letzte Revision: 5. Februar 205 Inhaltsverzeichnis
MehrDie Erweiterung vom Satz des Pythagoras anhand der resultierenden Kraft FR
Michael B. H. Middendorf 1 Die Erweiterung vom Satz des Pthagoras anhand der resultierenden Kraft FR Bei meinen Überlegungen als Maschinenbauer bzgl. eines Impulsantriebes, stieß ich auf das Problem, ständig
MehrTransformation - 3. Für "übliche" Anwendungen in der Geometrie ist es sinnvoll, bei Transformationen eine gleiche
Transformation - 3 Wiederholung und spezielle Angaben im Zusammenhang mit Kreis-Berechnungen 1. Problemstellung Im Zusammenhang mit der Berechnung von Schnittflächen kann es sinnvoll sein, die Berechnung
MehrAbitur 2013 Mathematik Geometrie V
Seite 1 http://www.abiturloesung.de/ Seite Abitur 1 Mathematik Geometrie V Teilaufgabe b ( BE) Ein auf einer horizontalen Fläche stehendes Kunstwerk besitzt einen Grundkörper aus massiven Beton, der die
MehrAbleitungen von skalaren Feldern Der Gradient
Ableitungen von skalaren Feldern Der Gradient In der letzten Vorlesung haben wir das zu einem konservativen Kraftfeld zugehörige Potential V ( r) = F ( s) d s + V ( r0 ) kennengelernt und als potentielle
MehrHausaufgaben zu Geradengleichungen
Hausaufgaben zu Geradengleichungen Anna Heynkes 8.9.005, Aachen Dieser Text vereinigt weitere Hausaufgaben zum Thema Geradengleichungen. Inhaltsverzeichnis 1 Hausaufgabe 1 vom 3.9.005 1 Hausaufgabe vom
MehrAbiturprüfung Mathematik 2008 (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe 1
Abiturprüfung Mathematik (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe Für jedes t f t () + t R ist die Funktion f t gegeben durch = mit R. Das Schaubild von f t heißt K t.. (6 Punkte)
MehrSCHRIFTLICHE ABSCHLUSSPRÜFUNG 2010 REALSCHULABSCHLUSS MATHEMATIK. Arbeitszeit: 180 Minuten
Arbeitszeit: 180 Minuten Es sind die drei Pflichtaufgaben und zwei Wahlpflichtaufgaben zu bearbeiten. Seite 1 von 6 Pflichtaufgaben Pflichtaufgabe 1 (erreichbare BE: 10) a) Berechnen Sie den Wert des Terms
Mehrcompressed domain image retrieval
Compressed domain image retrieval Christian Ott Seminar Inhaltsbasierte Bildsuche - Universität reiburg - 4. ebruar 25 4. ebruar 25, C.Ott Seite 1 Übersicht 1. Einleitung 2. JPEG 3. Merkmalsextraktion
MehrAnalytical Relief Shading. Topographische und Hochgebirgskartographie, SS2014 Egger Michaela a
Analytical Relief Shading Topographische und Hochgebirgskartographie, SS2014 Egger Michaela a0908356 Definition Ist der computerbasierte Prozess eine Schummerung aus einem Digitalen Höhenmodell (DHM) zu
MehrSchulinternes Curriculum. Mathematik Sekundarstufe II, Einführungsphase
Schulinternes Curriculum Mathematik, Lehrbuch: Gymnasiale Oberstufe, Cornelsen Verlag, Ausgabe Nordrhein-Westfalen GTR: TI-82 Stats (bis einschließlich Abiturjahrgang 2020) TI-Nspire CX (ab Abiturjahrgang
MehrSerie 8. D-BAUG Analysis II FS 2015 Dr. Meike Akveld. 1. Berechnen Sie für das Vektorfeld (siehe Abbildung 1) Abbildung 1: Aufgabe 1
D-BAUG Analsis II FS 5 Dr. Meike Akveld Serie 8. Berechnen Sie für das Vektorfeld (siehe Abbildung ) 3 - -3 3 3 Abbildung : Aufgabe F : (, ) ( +, ) die Arbeit entlang der folgenden Wege C, wobei P = (,
MehrFlächen- und Volumenmessung lokaler Objekte in DICOM-Bildern und Bildfolgen
Flächen- und Volumenmessung lokaler Objekte in ICOM-Bildern und Bildfolgen Sergei Hludov, Christoph Meinel und Thomas Engel Institut für Telematik Bahnhofsstr. 30-3, 549 Trier Email: hludov@ti.fhg.de Zusammenfassung.
MehrAbleitung einer Betragsfunktion Differenzierbarkeit
Ableitung einer Betragsfunktion Differenzierbarkeit 1-E Differenzierbarkeit einer Funktion Eine Funktion y = f (x) heißt an der Stelle x differenzierbar, wenn der Grenzwert f ' ( x) = lim Δ x 0 Δ y Δ x
MehrProf. J. Zhang Universität Hamburg. AB Technische Aspekte Multimodaler Systeme. 20. Januar 2004
zhang@informatik.uni-hamburg.de Universität Hamburg AB Technische Aspekte Multimodaler Systeme zhang@informatik.uni-hamburg.de Inhaltsverzeichnis 6. Bildverarbeitung..........................415 Aufbau
MehrHow To Create A Panorama Image From A Photoelectric Image From An Image From The Camera (I)
Chapter 3 Image Registration Distributed Algorithms for Einführung (I) Definition: Image Registration Gegeben: 2 Bilder der gleichen Szene aber aufgenommen aus unterschiedlichen Perspektiven Gesucht: Transformation,
MehrAlgebra Für welche reellen Zahlen m hat das folgende Gleichungssystem nur die triviale
Algebra 1 www.schulmathe.npage.de Aufgaben 1. Für welche reellen Zahlen m hat das folgende Gleichungssystem nur die triviale Lösung? x + y + mz = 0 mx y + z = 0 x + y + z = 0. Welche Punkte P z der z-achse
MehrKorrigendum Lambacher Schweizer 9/10, 1. Auflage 2011
Korrigendum Lambacher Schweizer 9/,. Auflage Klett und Balmer Verlag, Baar. April. Seite, Aufgabe Tipp: Suche dir Punkte auf dem Kreis, die du zur Bestimmung heranziehen kannst Bestimme das Streckzentrum
MehrSCHRIFTLICHE ABITURPRÜFUNG 2010 Mathematik (Leistungskursniveau) Arbeitszeit: 300 Minuten
Mathematik (Leistungskursniveau) Arbeitszeit: 300 Minuten Es sind die drei Pflichtaufgaben und eine Wahlpflichtaufgabe zu lösen. Der Prüfling entscheidet sich für eine Wahlpflichtaufgabe. Die zur Bewertung
Mehry x x y ( 2x 3y + z x + z
Matrizen Aufgabe Sei f R R 3 definiert durch ( ) x 3y x f = x + y y x Berechnen Sie die Matrix Darstellung von f Aufgabe Eine lineare Funktion f hat die Matrix Darstellung A = 0 4 0 0 0 0 0 Berechnen Sie
MehrLineare Funktionen. 1 Proportionale Funktionen 3 1.1 Definition... 3 1.2 Eigenschaften... 3. 2 Steigungsdreieck 3
Lineare Funktionen Inhaltsverzeichnis 1 Proportionale Funktionen 3 1.1 Definition............................... 3 1.2 Eigenschaften............................. 3 2 Steigungsdreieck 3 3 Lineare Funktionen
MehrDistributed Algorithms. Image and Video Processing
Chapter 7 High Dynamic Range (HDR) Distributed Algorithms for Quelle: wikipedia.org 2 1 High Dynamic Range bezeichnet ein hohes Kontrastverhältnis in einem Bild Kontrastverhältnis bei digitalem Bild: 1.000:1
MehrDie Gruppe der affinen Abbildungen A
H. Burkhardt, Institut für Informatik, Universität Freiburg ME-I, Kap. 2b 1 Die Gruppe der affinen Abbildungen A Die Gruppe der affinen Abbildungen entsteht durch Wahl einer beliebigen regulären Matrix
MehrAufgabe 3. Sei A eine Menge von Zahlen und neg das Tripel. neg = (A, A, R) A = N A = Z A = R A = R \ {0} mod : N 0 N N 0
Funktionen Aufgabe 1. Finden Sie 3 Beispiele von Funktionen und 3 Beispiele von partiellen Funktionen, die nicht total sind. Es sollten auch mehrstellige Funktionen darunter sein. Aufgabe 2. Zeigen Sie,
Mehr4 Differenzierbarkeit
4 Differenzierbarkeit 16 4 Differenzierbarkeit Wir wollen nun Differenzierbarkeit von Funktionen mehrerer Veränderlicher definieren Dazu führen wir zunächst den Begriff der partiellen Ableitung ein Definition
Mehr= ( n x j x j ) 1 / 2
15 Skalarprodukte 77 15 Skalarprodukte 15.1 Einführung. a) Ab jetzt sei stets K = R oder K = C, da Wurzeln eine wichtige Rolle spielen werden. b) Nach dem Satz des Pythagoras ist die Länge eines Vektors
MehrAufgabe 1. Aufgabe 2. Die Formel für den mittleren Fehler einer Streckenmessung mit Meßband lautet:
Semesterklausur Fehlerlehre und Statistik WS 96/97 11. Februar 1997 Zeit: 2 Stunden Alle Hilfsmittel sind zugelassen Die Formel für den mittleren Fehler einer Streckenmessung mit Meßband lautet: m s :
Mehr7.6. Prüfungsaufgaben zu Normalenformen
7.6. Prüfungsaufgaben zu Normalenformen Aufgabe () Gegeben sind die Gerade g: x a + r u mit r R und die Ebene E: ( x p ) n. a) Welche geometrische Bedeutung haben die Vektoren a und u bzw. p und n? Veranschaulichen
MehrAnleitungsaufgaben zu. Analysis III für Studierende der Ingenieurwissenschaften
Fachbereich Mathematik der Universität Hamburg WiSe 2011/12 Dr. K. Rothe Anleitungsaufgaben zu Analysis III für Studierende der Ingenieurwissenschaften Aufgabe 1: Für die folgenden Funktionen f : IR 2
MehrLösbarkeit linearer Gleichungssysteme
Lösbarkeit linearer Gleichungssysteme Lineares Gleichungssystem: Ax b, A R m n, x R n, b R m L R m R n Lx Ax Bemerkung b 0 R m Das Gleichungssystem heißt homogen a A0 0 Das LGS ist stets lösbar b Wenn
MehrNavigation: Einführung
Navigation: Einführung Definition (Levitt & Lawton 1990) Navigation als Prozess zur Beantwortung der Fragen (a) Wo bin ich? (b) Wo befinden sich andere Orte im Bezug zu mir? (c) Wie gelange ich von meinem
MehrMathematik II Sammlung von Klausuraufgaben
Mathematik II Sammlung von Klausuraufgaben Die Klausur wird aus etwa 10 Aufgaben bestehen. Die folgenden Aufgaben sollen einen Eindruck vom Typ der Aufgaben vermitteln, die Bestandteil der Klausur sein
MehrVom Zeichen zur Schrift Mit Mustererkennung zur automatisierten Schreiberhanderkennung in mittelalterlichen und frühneuzeitlichen Handschriften
Platzhalter für Bild, Bild auf Titelfolie hinter das Logo einsetzen Vom Zeichen zur Schrift Mit Mustererkennung zur automatisierten Schreiberhanderkennung in mittelalterlichen und frühneuzeitlichen Handschriften
MehrBeleuchtungsmodelle und Shading
Beleuchtungsmodelle und Shading Andreas Spillner Computergrafik, WS 2018/2019 Ziel der Modellierung von Beleuchtung Baut auf dem Kapitel zu Licht und Farben auf. In die 3D-Szene werden Lichtquellen eingebracht.
MehrBilder. Bildsuchmaschiene. Bildsuche. Überblick. Beispiele im WWW. Inhaltsbasierte Bildsuche Motivation
Bilder Inhaltsbasierte Bildsuche Motivation Informatica Feminale Universität Bremen, Aug. 2005 Maja Temerinac Albert-Ludwigs-Universität Freiburg Ein Bild sagt mehr als tausend Worte. Chinesisches Sprichwort
MehrHM I Tutorium 1. Lucas Kunz. 27. Oktober 2016
HM I Tutorium 1 Lucas Kunz 27. Oktober 2016 Inhaltsverzeichnis 1 Theorie 2 1.1 Logische Verknüpfungen............................ 2 1.2 Quantoren.................................... 3 1.3 Mengen und ihre
MehrNumerisches Programmieren, Übungen
Technische Universität München WiSe 07 / 08 Institut für Informatik Univ-Prof Dr Hans-Joachim Bungartz Michael Obersteiner Philipp Samfass Numerisches Programmieren, Übungen Musterlösung 3 Übungsblatt:
Mehr