Objektorientierte Bildverarbeitung Methodische Grundlagen
|
|
- Hans Haupt
- vor 7 Jahren
- Abrufe
Transkript
1 ARC GmbH Objektorientierte Bildverarbeitung Methodische Grundlagen Klaus Steinnocher, Florian Kressler Geschäftsfeld Umweltplanung ARC 1
2 ARC GmbH Einleitung! Digitale Bilder - digitale Bildverarbeitung?! Warum objekt-orientierte Bildverarbeitung?! Grenzen der pixel-basierten Klassifikation! Keine Berücksichtigung der Nachbarschaft! Keine Berücksichtigung des räumlichen Kontextes " Nicht geeignet für die komplexen Inhalte von Luftbildern 2
3 ARC GmbH Was bedeutet objekt-orientierte Bildverarbeitung?! Die Elemente der Verarbeitung sind Bildobjekte oder -segmente und nicht einzelne Pixel! Die Topologie der Objekte wird berücksichtigt! Verschiedene Maßstabsbereiche können kombiniert werden! Einzelne Pixel repräsentieren den kleinsten Maßstabsbereich und sind ein Sonderfall von Bildobjekten " Erkennen von realen Objekten 3
4 ARC GmbH Ablauf der objekt-orientierten Bildverarbeitung! Segmentierung des Bildes! Erstellen einer Klassifikationshierarchie! Klassifikation der Segmente! Identifizierung von Bildobjekten 4
5 ARC GmbH Grundlagen der Segmentierung! Ziel: Zerlegung des Bildes in homogene Bildsegmente! Methode: Multiresolution segmentation! Implementatierung: ecognition ( Baatz, M. & A. Schäpe (2000): Multiresolution segmentation an optimization approach for high quality multi-scale image segmentation. In Strobl, Blaschke & Greisebener (Edts): Angewandte Geographische Informationsverarbeitung XI. Beiträge zum AGIT-Symposium Salzburg Karlsruhe. Herbert Wichmann Verlag 5
6 ARC GmbH Parameter der Segmentierung! Scale (Maßstab)! Der Scale Parameter bestimmt die maximale Heterogenität, die in den resultierenden Segmenten auftritt. Je homogener das Bild, umso größer werden die Segmente bei einem vorgegebenen Scale Parameter.! Color (Farbe)! Gewichtet die Farbhomogenität gegen die Formhomogenität! Shape (Form)! Smoothness - glatte Form! Compactness - kompakte Form 6
7 ARC GmbH Echtfarben Orthophoto Auflösung 0.25 cm 7
8 ARC GmbH Segmentierung scale 25 color 0.8 shape 0.2 smooth 0.9 compact 0.1 8
9 ARC GmbH Segmentierung scale 25 color 1.0 shape 0.0 9
10 ARC GmbH Segmentierung scale 25 color 0.1 shape 0.9 smooth 0.9 compact
11 ARC GmbH Segmentierung scale 25 color 0.1 shape 0.9 smooth 0.0 compact
12 ARC GmbH Segmentierung scale 25 color 0.5 shape 0.5 smooth 0.5 compact
13 ARC GmbH Segmentierung! In Abhängigkeit des Datentyps, der Szene und des gewünschten Ergebnisses müssen passende Parameter definiert werden.! Die Qualität der nachfolgenden Klassifikation hängt in hohem Maße von den Ergebnissen der Segmentierung ab. " Nicht zu stark generalisieren, nicht zu viele Details! 13
14 ARC GmbH Segmentierungshierarchie Source: ecognition User Guide 3! Mehrere Segmentierungsebenen können erzeugt werden! Neue Ebenen entstehen durch Zusammenfassen kleinerer Segmente oder durch Zerlegen größerer Segmente! Die Grenzen der Segmente werden dabei immer erhalten 14
15 ARC GmbH Ergebnis der Segmentierung! Segmentierungshierarchie! Die Segmente werden durch Merkmale beschrieben:! Spektrale Werte! Form! Textur! Hierarchieebene! Räumliche Beziehung " Diese Merkmale werden für die Klassifikation verwendet 15
16 ARC GmbH Klassifikation! Überwachte Klassifikation auf Basis von Trainingsdaten! Schnell und einfach! Regelbasierte Klassifikation auf Basis von unscharfen Zugehörigkeitsfunktionen (fuzzy membership functions)! Zeitintensiver im Aufbau, erlaubt jedoch komplexere Objektbeschreibungen und ist leicht zu adaptieren! Vor einer Klassifikation muss eine Klassenhierarchie definiert werden 16
17 ARC GmbH Fuzzy membership function Beschreibt die Möglichkeit, dass ein Segment auf Grund der Ausprägung eines Merkmals einer bestimmten Klasse angehört 17
18 ARC GmbH Klassenhierarchie! Bildet die Wissensbasis für die Klassifikation von Bildobjekten! Enthält alle Klassen in hierarchisch strukturierter Form! Inheritance (Vererbung):! Parent classes vererben ihre Eigenschaften an ihre child classes! Änderungen in einer parent class verändert die child classes automatisch! Groups (Gruppen):! Fasst Klassen zu übergeordneter Klasse mit gemeinsamer semantischer Bedeutung zusammen 18
19 ARC GmbH Klassenhierarchie Inheritance: Wald ländlicher Wald städtischer Wald Grünland ländliches Grünland städtisches Grünland... Groups: ländliche Gebiete ländlicher Wald ländliches Grünland Städtische Gebiete städtischer Wald städtisches Grünland... 19
20 ARC GmbH Der Klassifikationsprozess! Die Klassifikation ist der Prozess, der die Klassen der Klassenhierarchie mit Objekten im Bild verknüpft! Mit der Zuordnung einer Klasse zu einem Bildobjekt wird die in der spezifischen Klassenbeschreibung formulierte Beziehung zu anderen Klassen auf das Bildobjekt übertragen! Das Ergebnis der Klassifikation ist ein Netzwerk klassifizierter Bildobjekte mit Attributen, eindeutigen Beziehungen untereinander und eindeutigen Beziehungen zu den Klassen der Klassenhierarchie 20
21 ARC GmbH Digitales Luftbild 21
22 ARC GmbH Segmentierung Level 1 22
23 ARC GmbH Segmentierung Level 2 23
24 ARC GmbH Segmente Level 2 24
25 ARC GmbH Klassifikation Level 2 Legende Acker 1 Acker 2 Acker 3 Acker 4 Acker 5 Acker 6 25
26 ARC GmbH Klassifikation Level 1+2 Legende Dach rot Dach grau versiegelt versiegelt Wiese Bäume Acker Schatten 26
27 ARC GmbH Klassifikation 2 Legende Dach rot Dach grau versiegelt versiegelt Wiese Bäume Acker Schatten 27
28 ARC GmbH Conclusio! Objektorientierte Klassifikation der pixel-basierten vorzuziehen! Segmentierung muss auf Bildmaterial und Fragestellung abgestimmt werden! Regelwerk kann generalisiert werden (d.h. geringer Aufwand bei wiederholter Anwendung)! Anwendungsbeispiel für die Raumplanung 28
Untersuchungen zur Segmentierung von Satellitenbilddaten für die Extraktion von GIS-Objekten
Untersuchungen zur Segmentierung von Satellitenbilddaten für die Extraktion von GIS-Objekten KRISTIN LEUKERT 1 Zusammenfassung: Objektbasierte Verfahren bieten besonders für hochaufgelöste Bilddaten neue
MehrUntersuchungen zur Segmentierung von Satellitenbilddaten für die Extraktion von GIS-Objekten
Untersuchungen zur Segmentierung von Satellitenbilddaten für die Extraktion von GIS-Objekten KRISTIN LEUKERT 1 Zusammenfassung: Objektbasierte Verfahren bieten besonders für hochaufgelöste Bilddaten neue
MehrObjektmerkmale für die räumlich-spektrale Klassifikation
Objektmerkmale für die räumlich-spektrale Klassifikation AG Geomatik Geographisches Institut Ruhr-Universität Bochum AK Fernerkundung, Bochum 2012 Übersicht Ansatz zur automatischen Bildinterpretation:
MehrObjektbasierte Klassifizierung landwirtschaftlicher Nutzungsarten im Rahmen der InVeKoS-Kontrolle
615 Objektbasierte Klassifizierung landwirtschaftlicher Nutzungsarten im Rahmen der InVeKoS-Kontrolle Christian ULRICH Dieser Beitrag wurde nach Begutachtung durch das Programmkomitee als reviewed paper
MehrEinsatz von ecognition am Beispiel von Luftbilddaten von Rankweil - Vorarlberg
Einsatz von ecognition am Beispiel von Luftbilddaten von Rankweil - Vorarlberg Übersicht 1. Zielsetzungen 2. Gebäudeextraktion mit ecognition aus Luftbilddaten 3. Resultate und Validierung 4. Schlussfolgerungen
MehrErkennbarkeit von Urbanisierungsprozessen mittels Satellitenbilder im Vergleich mit CORINE, ATKIS und amtlichen statistischen Daten
Erkennbarkeit von Urbanisierungsprozessen mittels Satellitenbilder im Vergleich mit CORINE, ATKIS und amtlichen statistischen Daten Ahmad Al-Hassideh Professur für Geodäsie und Geoinformatik Agrar- und
MehrEs grünt so grün Ermittlung des Salzburger Durchgrünungsgrads als Indikator der Wohnstandortqualität
Es grünt so grün Ermittlung des Salzburger Durchgrünungsgrads als Indikator der Wohnstandortqualität Elisabeth SCHÖPFER, Stefan LANG und Thomas PRINZ Dieser Beitrag wurde nach Begutachtung durch das Programmkomitee
MehrObjekt-orientierte Klassifizierung von LiDAR Daten und Orthofotos zur Vegetations- und Gebäudekartierung
Vermessung & Geoinformation 4/2009, S. 403 407, 4 Abb. 403 Objekt-orientierte Klassifizierung von LiDAR Daten und Orthofotos zur Vegetations- und Gebäudekartierung Michael Pregesbauer, St. Pölten; Christian
MehrÜberwachte & Unüberwachte Klassifizierung
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
MehrMöglichkeiten der objektorientierten Klassifizierung von Waldgebieten aus CIR- Luftbildern
Diplomarbeit Möglichkeiten der objektorientierten Klassifizierung von Waldgebieten aus CIR- Luftbildern bearbeitet von Stefan Stoinski vorgelegt an der Technischen Universität Berlin Fachgebiet für Geoinformationsverarbeitung
MehrObjektorientierte Modellierung (1)
Objektorientierte Modellierung (1) Die objektorientierte Modellierung verwendet: Klassen und deren Objekte Beziehungen zwischen Objekten bzw. Klassen Klassen und Objekte Definition Klasse Eine Klasse ist
MehrReduktionsverfahren in der Bildverarbeitung
Reduktionsverfahren in der Bildverarbeitung Klaus BRAUN 1 Kompressionsverfahren 1.1 Grundlagen Fernerkundungsdaten sind aufgrund ihrer Flächendeckung, ihrer hohen räumlichen Auflösung und ihrer exakten
MehrModellierung von Unsicherheiten in klassifizierten, räumlich hoch aufgelösten Fernerkundungsszenen
Modellierung von Unsicherheiten in klassifizierten, räumlich hoch aufgelösten Fernerkundungsszenen Jochen Schiewe 1 Manfred Ehlers 2 Christoph Kinkeldey 1 Daniel Tomowski 2 1HafenCity Universität g2lab
MehrPalmenidentifizierung aus digitalen Luftbildern
Jahrestagung DGPF AKFE 2009 Palmenidentifizierung aus digitalen Luftbildern Javier González Heinrich Heine Universität, 40225 Düsseldorf, Deutschland 1.EINLEITUNG 2. UNTERSUCHUNGSGEBIET 3. MATERIAL UND
MehrComputergrafik 2: Übung 8. Corner-Detektoren, Bildsegmentierung
Computergrafik 2: Übung 8 Corner-Detektoren, Bildsegmentierung Organisation KLAUSURANMELDUNG (UNIWORX) NICHT VERGESSEN! Computergrafik 2 SS2012 2 Besprechung Übung 7 Anmerkungen? Computergrafik 2 SS2012
Mehr4. Segmentierung. In diesem Kapitel werden Methoden zur Segmentierungen von Bilddaten und deren Anwendung auf HRSC-AX Daten erläutert.
4. Segmentierung In diesem Kapitel werden Methoden zur Segmentierungen von Bilddaten und deren Anwendung auf HRSC-AX Daten erläutert. 4.1. Datenstruktur Mit zunehmender Verfügbarkeit von sehr hochauflösenden
MehrObjektorientierte Programmierung OOP
Objektorientierte Programmierung OOP Objektorientierte Programmierung OOP Ronja Düffel Alina Stürck WS2016/17 11. Oktober 2016 Objektorientierte Programmierung OOP 1 Was ist das? 2 Wie geht das? 3 Warum
MehrKlassifikation von Wald und Sträuchern anhand multitemporaler RapidEye-Daten - eine Landbedeckungsklassifikation in Südhessen
Klassifikation von Wald und Sträuchern anhand multitemporaler RapidEye-Daten - eine Landbedeckungsklassifikation in Südhessen Neue Perspektiven der Erdbeobachtung Das Symposium zur angewandten Satellitenerdbeobachtung
MehrAutomatisation in der urbanen Geodatenerfassung Zwei aktuelle Beispiele aus der Fernerkundungspraxis
Automatisation in der urbanen Geodatenerfassung Zwei aktuelle Beispiele aus der Fernerkundungspraxis Geotag Münsterland 15.05.2013 Heiner Rößmann E F T A S Fernerkundung Technologietransfer GmbH Oststraße
MehrZIELE DES TEILPROJEKTES
ZIELE DES TEILPROJEKTES Quantitative Flächenanalyse historischer und aktueller Daten Detektion von Landbedeckungseinheiten Einteilung in objektive Klassen Automatisierte Analysemöglichkeit Einbindung moderner
MehrEvaluation der Ergebnisse Projekt DLM-Update und Fazit. Dr. Christian Lucas, Andreas Gerschwitz
Evaluation der Ergebnisse Projekt DLM-Update und Fazit Dr. Christian Lucas, Andreas Gerschwitz Evaluation Effizienz Robustheit Qualität Schleswig-Holstein. Der echte Norden. 2 Evaluationsrahmen Evaluation
MehrLAREX - Ein Werkzeug zur Layout-Analyse und Segmentierung von frühen Buchdrucken
LAREX - Ein Werkzeug zur Layout-Analyse und Segmentierung von frühen Buchdrucken Lehrstuhl für Künstliche Intelligenz und Angewandte Informatik Universität Würzburg 17.03.2017 Motivation und Ansatz Segmentierung
MehrOptimierung der Erfassung der Landschaftsdiversität auf der Basis von Satelliten- und Luftbildern: ein Europäisches Landschaftskonzept
Ivits, E., Koch, B., 2002, Optimierung der Erfassung der Landschaftsdiversität auf der Basis von Satelliten- und Luftbildern: ein Europäisches Landschaftskonzept. In: IÖR Schriften, Band 40, Dresden, 2003.
MehrGIS Einführungsschulung
Datentypen 1. Rasterdaten Datenquellen: Gescannte analoge Karten und Pläne Digitale Kameras Framegrabber Satellitenaufnahmen (Scanner und optische Sensoren) Datentypen: binär (Synonyme: 1-Bit, Schwarz-weiß)
MehrExpertensysteme / XPS
Expertensysteme / XPS Alexander Pentzlin und Thiemo Bannasch KI II Claes Neuefeind 27.06.2012 1 Inhalt Was ist ein Expertensystem Geschichtlicher Hintergrund Prinzip eines XPS Komponenten Realisierungsprinzipien
MehrFernerkundung in urbanen Räumen
Summeruniversität GRAZ IN SPACE 5. September 2008 in urbanen Räumen am Beispiel der Thermalbefliegung 2004 Graz Katharina Kern Institut für Geographie und Raumforschung Karl-Franzens-Universität Graz Was
MehrObjektorientiertes Programmieren
JL Ute Claussen Objektorientiertes Programmieren Mit Beispielen und Übungen in C++ Zweite, überarbeitete und erweiterte Auflage Mit 24 Abbildungen Springer Inhaltsverzeichnis 1 Einleitung 1 1.1 Was ist
MehrObjektorientierte Datenmodelle und - verwaltung
Schlagworte der 90er: Objektorientiertes GIS OpenGIS Case-Tool Geoökologe Legt Problemstellung fest (Art, Anzahl, Dimension, Skalierung) Wählt Koordinatensystem Wählt Fachattribute OOUI (object-oriented
MehrWinter 2011/ Projekt kd- Trees. achsenparallelen Farbwürfel angeordnet. Die beiden schwarz- weiß- Ecken verbindet eine Graulinie.
Praktikum Algorithmik Prof. Dr. Heiner Klocke Winter 2011/2012 12.11.2011 1. Erläuterung des Umfeldes Projekt kd- Trees Bei der Bildanalyse sollen Farbpunkte eines Bildes klassifiziert werden. Die Farbe
Mehr8. Objektorientierte Programmierung. Informatik II für Verkehrsingenieure
8. Objektorientierte Programmierung Informatik II für Verkehrsingenieure Grundbegriffe ALAN KAY, ERFINDER DER SPRACHE SMALLTALK, HAT DIE GRUNDBEGRIFFE DER OBJEKTORIENTIERTEN PROGRAMMIERUNG WIE FOLGT ZUSAMMENGEFASST:
MehrRegelbasierte Zufallsgenerierung von Gebäudemodellen aus Bebauungsplänen mit der Software CityEngine
Motivation Regelbasierte Zufallsgenerierung von Gebäudemodellen aus Bebauungsplänen mit der Software CityEngine Abbildung 1: 2D Gebäudeumriss Ein zweidimensionaler Gebäudeumriss, wie die Abbildung Abbildung
MehrLiDAR-Daten zur Unterstützung der Katastrophenhilfe in Stadtgebieten
LiDAR-Daten zur Unterstützung der Katastrophenhilfe in Stadtgebieten Arbeitskreis Fernerkundung Synergie durch unterschiedliche Systeme Tübingen, 26.-27. September, 2013 Susan Parks, Ben D. Kamphaus &
MehrGIS-Analysen - Analyseverfahren. Prof. Dr.-Ing. Wolfgang Reinhardt. Universität der Bundeswehr München
GIS 3 Kapitel 2: GIS - Analysen Prof. Dr.-Ing. Wolfgang Reinhardt Arbeitsgemeinschaft GIS Universität der Bundeswehr München Wolfgang.Reinhardt@unibw.de www.agis.unibw.de GIS-Analysen - - Motivation -
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
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.
MehrCop4Stat_2015plus. Verwendung von Copernicus-Daten für Zwecke der Flächenstatistik
Cop4Stat_2015plus Verwendung von Copernicus-Daten für Zwecke der Flächenstatistik Stephan Arnold Flächenstatistik und landwirtschaftliche Bodennutzung Statistisches Bundesamt Sylvia Seissiger Entwicklung
MehrAnwendbarkeit der Software ecognition 2.1 zur Klassifizierung von großmaßstäbigen Luftbildern
Institut für Photogrammetrie und GeoInformation Universität Hannover Diplomarbeit Anwendbarkeit der Software ecognition 2.1 zur Klassifizierung von großmaßstäbigen Luftbildern Vorgelegt von Dörte Ringen
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
MehrEinführung in die Informatik 1
Einführung in die Informatik 1 Objektorientierung Sven Kosub AG Algorithmik/Theorie komplexer Systeme Universität Konstanz E 202 Sven.Kosub@uni-konstanz.de Sprechstunde: Freitag, 12:30-14:00 Uhr, o.n.v.
MehrObjektbasierte Klassifikation von Grünlandbiotoptypen im Bio- sphärengebiet
Universität Hohenheim Institut für Landschafts- und Pflanzenökologie Fachgebiet Landschaftsökologie und Vegetationskunde Proposal für die Masterarbeit Objektbasierte Klassifikation von Grünlandbiotoptypen
MehrÜbersicht der Vorlesung
Übersicht der Vorlesung 1. Einführung 2. Bildverarbeitung 3. Morphologische Operationen 4. Bildsegmentierung 5. Merkmale von Objekten 6. Klassifikation 7. Dreidimensionale Bildinterpretation 8. Bewegungsanalyse
MehrQuantifizierung von Bodenabtragsflächen auf Alpinen Grashängen (Projekt QUA-BA)
Quantifizierung von Bodenabtragsflächen auf Alpinen Grashängen (Projekt QUA-BA) Clemens Geitner, Andreas Mayr & Martin Rutzinger Institut für Geographie, Universität Innsbruck Clemens Geitner Jahrestreffen
MehrParametersystematik der Augen- und Blickbewegungen für arbeitswissenschaftliche Untersuchungen
Schriftenreihe Rationalisierung und Humanisierung Band 34 Matthias Rötting Parametersystematik der Augen- und Blickbewegungen für arbeitswissenschaftliche Untersuchungen D 82 (Diss. RWTH Aachen) Shaker
MehrDatenbanken. Schemaerweiterung zur Abbildung von Imperfekten Daten. Andreas Merkel
Seminar Impferfektion und Datenbanken Schemaerweiterung zur Abbildung von Imperfekten Daten Andreas Merkel Inhalt Einführung - Eigenschaften des relationalen Modells - Erweiterungsmöglichkeiten Zwei unterschiedliche
MehrKartographische Visualisierung
Kartographische Visualisierung Kartenmodellierung Modellierung von Karten Ziel der Kartenmodellierung: Geodaten angemessen abbilden (repräsentieren) Informationen mit der Karte vermitteln (präsentieren).
MehrInhaltsverzeichnis. Vorwort Einleitung CityGML als OGC-Norm Grundlagen Das Objektmodell von CityGML...
Vorwort... 5 1 Einleitung... 13 2 CityGML als OGC-Norm... 15 2.1 Das Open Geospatial Consortium... 15 2.2 Kurze Geschichte von CityGML... 16 2.3 GML als Basis... 17 2.4 Normen ringsherum... 18 2.5 Alternativen
MehrWissensentdeckung in Datenbanken
Wissensentdeckung in Datenbanken Probabilistische Nico Piatkowski und Uwe Ligges 22.06.2017 1 von 32 Überblick Was bisher geschah... Modellklassen Verlustfunktionen Numerische Optimierung Regularisierung
MehrÅÜÉÅâÖÉçÇ~í~KåÉí= ACAD Standard Prüfkriterien
ÅÜÉÅâÖÉçÇ~í~KåÉí ACAD Standard Prüfkriterien ~ñã~ååöéçáåñçêã~íáçåöãäü eáêëåüëíéííåéêpíêknveläàéâíffinoomtáéåi ëíéêêéáåü qéäwhqpnompvnqt bjj~áäwçññáåé]~ñã~ååk~í ÅÜÉÅâÖÉçÇ~í~KåÉíÓmêΩÑâêáíÉêáÉå^`^apí~åÇ~êÇ
MehrDie Klasse Vertiefung
Die Klasse Vertiefung Vom Objekt zur Klasse Basis des OO-Paradigmas ist (wen verwundert es): Das Objekt Objekte werden in der Lehre und im allgemeinen Programmier-Jargon selbstverständlich mit Klassen
MehrVererbung P rogram m ieren 2 F örster/r iedham m er K apitel 11: V ererbung 1
Vererbung 1 11.1 Motivation und Begriffsdefinitionen 11.2 Vorgehensweise und Implementierung 11.3 Arten von Vererbung 11.4 Konstruktoren 11.5 Abstrakte Klasse 11.6 Verschattung 11.7 Wurzelklasse Object
Mehrpue08 December 9, 2016
pue08 December 9, 2016 1 Aufgabe 1: Ein einfaches Zeichenprogramm 1.1 a) Erstellen Sie eine Klasse Square mit den folgenden Eigenschaften: Objektvariablen: - width: Seitenlänge (default: 0) - color: Füllfarbe
MehrAufbau eines dynamischen ETL Frameworks auf Basis eines PL/SQL Codegenerators
Aufbau eines dynamischen ETL Frameworks auf Basis eines PL/SQL Codegenerators München, 21. Nowember 2007 Nicola Marangoni & Jörg Westermayer Nicola.Marangoni@SHS-VIVEON.com Joerg.Westermayer@SHS-VIVEON.com
MehrProgrammieren in C/C++ und MATLAB
Programmieren in C/C++ und MATLAB Christian-Albrechts-Universität zu Kiel CAU 8-1 Objektorientiertes Programmieren Die Programme, die bisher in diesem Kurs verwendet wurden, sind alle klein und überschaubar
MehrGrundlagen der Programmentwurfstechnik Fundamentals of Software Engineering 1
Fundamentals of Software Engineering 1 Inhaltsverzeichnis 1. Einführung 2. Allgemeine Modellbildung - Klassische Konzepte des Software Engineering- 2.1 Das Kontextmodell 2.2 Entscheidungstabellen 2.3 Zustandsmodelle
MehrComputer Graphics Shader
Computer Graphics Shader Sven Janusch Inhalt Fixed Function Pipeline Programmable Pipeline Implementierung Applikation Beispiel Sven Janusch 2 Fixed Function Pipeline T&L Pipeline (Transformation and Lighting)
MehrAlgorithmen und Programmierung II
Algorithmen und Programmierung II Vererbung Prof. Dr. Margarita Esponda SS 2012 1 Imperative Grundbestandteile Parameterübergabe String-Klasse Array-Klasse Konzepte objektorientierter Programmierung Vererbung
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
MehrÜbersicht der Vorlesung
Übersicht der Vorlesung 1. Einführung 2. Bildverarbeitung 3. orphologische Operationen 4. Bildsegmentierung 5. erkmale von Objekten 6. Klassifikation 7. Dreidimensionale Bildinterpretation 8. Bewegungsanalyse
MehrObjektorientierte Programmierung II
Objektorientierte Programmierung II OOP I Erlaubt Entwicklers, im Problemraum zu denken und zu arbeiten. Das Problem wird in eine Menge von Objekten zerlegt. Objekte wirken aufeinander, um das Problem
MehrUniversität Ulm Abteilung Künstliche Intelligenz. ExtrAns. Verarbeitung natürlicher, schriftlicher Sprache. C. Bohnacker
UNIVERSITÄT ULM SCIENDO DOCENDO CURANDO Universität Ulm Abteilung Künstliche Intelligenz ExtrAns Verarbeitung natürlicher, schriftlicher Sprache C. Bohnacker Überblick Motivation Einleitung Eigenschaften
MehrRingvorlesung Bildverarbeitung
Ringvorlesung Bildverarbeitung D. Schlesinger Institut für Künstliche Intelligenz, Professur Intelligente Systeme 6. Juli 2012 D. Schlesinger (Institut Ringvorlesung für Künstliche Bildverarbeitung Intelligenz,
MehrInformatik II: Modellierung Prof. Dr. Martin Glinz. Kapitel 12. Abstraktion. Universität Zürich Institut für Informatik
Informatik II: Modellierung Prof. Dr. Martin Glinz Kapitel 12 Abstraktion Universität Zürich Institut für Informatik Inhalt 12.1 Das Prinzip der Abstraktion 12.2 Klassifikation 12.3 Komposition 12.4 Generalisierung
MehrObjektextraktion und regelbasierte Klassifikation von Fernerkundungsdaten: Neue Möglichkeiten für GIS-Anwender und Planer Thomas BLASCHKE
Objektextraktion und regelbasierte Klassifikation von Fernerkundungsdaten: Neue Möglichkeiten für GIS-Anwender und Planer Thomas BLASCHKE Mag. Dr. Thomas Blaschke ZUSAMMENFASSUNG In der digitalen Bearbeitung
MehrGeoinformation I Datenmodellierung
Seite 1 von 61 Geoinformation I Datenmodellierung Seite 2 von 61 Datenmodellierung Übersicht Datenverwaltung und Datenbanken objektorientierte Abbildung der Realität Grundlagen der Objektorientierung Darstellung
MehrEntscheidungsbäume. Minh-Khanh Do Erlangen,
Entscheidungsbäume Minh-Khanh Do Erlangen, 11.07.2013 Übersicht Allgemeines Konzept Konstruktion Attributwahl Probleme Random forest E-Mail Filter Erlangen, 11.07.2013 Minh-Khanh Do Entscheidungsbäume
MehrUML (Unified Modelling Language) von Christian Bartl
UML (Unified Modelling Language) von Inhaltsverzeichnis Inhaltsverzeichnis... 2 1 UML Unified Modelling Language... 3 2 Diagrammtypen... 3 2.1 Aktivitätsdiagramm... 3 2.1.1 Notation... 4 2.1.2 Beispieldiagramm...
MehrProblemstellung. Anwendungsanalyse. Spezifikationstechniken. Analyse der Problemstellung. Wie komme ich vom Echtzeitproblem zum Echtzeitsystem?
Problemstellung Anwendungsanalyse Florian Franzmann Tobias Klaus Peter Wägemann Friedrich-Alexander-Universität Erlangen-Nürnberg Lehrstuhl Informatik 4 (Verteilte Systeme und Betriebssysteme) http://www4.cs.fau.de
MehrSzenengraphen. Codruţa Cosma. Universität Ulm Sommersemester 2005
Szenengraphen Codruţa Cosma Universität Ulm Sommersemester 2005 Übersicht Einführung VRML OpenSceneGraph Java3D vs. VRML OpenGL vs. Java3D und VRML Zusammenfassung 2/26 Was sind Szenengraphen? Datenstruktur
MehrObjektorientierte Programmierung
Objektorientierte Programmierung Objektorientierte Programmierung Ronja Düffel WS2018/19 09. Oktober 2018 Objektorientierte Programmierung Überblick 1 Was ist das? 2 Wie geht das? 3 Warum gibt es das?
MehrThemenbereich Technische Abwicklung
Themenbereich Technische Abwicklung Die Senkrechtluftbilder und die Erstellung der Orthophotos wird bei uns von einem Subunternehmer durchgeführt AEROWESTGmbH aus Dortmund Folgende Leistungen werden angeboten:
MehrProgrammierkurs. SoSe Markus Geveler Inst. f. Applied Mathematics, TU Dortmund.
Programmierkurs SoSe 2013 Markus Geveler Inst. f. Applied Mathematics, TU Dortmund markus.geveler@math.tu-dortmund.de Lesson 5 Was machen wir heute hier? weiter mit Objektorientierter Programmierung viel
MehrIntergraph Geospatial World Tour SMARTERDECISIONS
Intergraph Geospatial World Tour Bern, 7. März 2013 SMARTERDECISIONS MFB-GeoConsulting Company profile Solutions in Geographic Imaging Innovative, individualisierte Dienstleistungen für die Geodaten-Verarbeitung:
MehrDie Unified Modeling Language (UML)
Die Unified Modeling Language (UML) Entwickelt seit Mitte der 1990er Vereinigt zahlreiche Ansätze der objektorientierten Modellierung Umfaßt verschiedene Spracheinheiten/Diagrammtypen Struktur Klassiagramme
MehrObjektorientierte Programmierung Teil 1: Einführung
Objektorientierte Programmierung Teil 1: Einführung Prof. Dr. Schoop FHT Esslingen, Sommersemester 2005 Agenda Beispielszenario Eigenschaften des objektorientierten Ansatzes Konzepte des objektorientierten
MehrS. 1. Fernerkundungsanwendungen Teil B Vorlesung Aktuelle Forstschutzprobleme Sommersemster
Methodische Aspekte zur Vitalitätsansprache von Bäumen H. Fuchs, IWW 2004 IWW Vitalität eines Baumes Gesundheit Krankheit Folgen Zuwachsverluste Absterben Einschätzung a) Indirekt: Visuelle Beurteilung
Mehr1. Das Baumkataster soll digital mithilfe eines GIS erstellt werden. (36 Punkte)
Gesamtsituation Ihr Ausbildungsbetrieb erhält den Auftrag ein Baumkataster für einen kleinen Park in einer Gemeinde zu erstellen (Fläche ca. 20.000m², ca. 100 Bäume). 1. Das Baumkataster soll digital mithilfe
MehrBegriffe 1 (Wiederholung)
Begriffe 1 (Wiederholung) Klasse Eine Klasse ist der Bauplan für ein oder mehrere Objekte. In einer Klasse werden Dienste (Methoden) zur Verfügung gestellt. Klassennamen beginnen mit einem Großbuchstaben.
MehrEinführung in die Fuzzy Logic
Einführung in die Fuzzy Logic Entwickelt von L. Zadeh in den 60er Jahren Benutzt unscharfe (fuzzy) Begriffe und linguistische Variablen Im Gegensatz zur Booleschen Logik {0,} wird das ganze Intervall [0,]
MehrDatenbankanwendungen werden oft über einen sehr langen Zeitraum (z.b. Jahrzehnte) eingesetzt
2. Datenbankentwurf Motivation Datenbankanwendungen werden oft über einen sehr langen Zeitraum (z.b. Jahrzehnte) eingesetzt Fehler sind umso teurer zu beheben, je weiter die Entwicklung bzw. der Einsatz
MehrObjektorientierte Programmierung (OOP)
orientierte Programmierung (OOP) 1. Motivation Die objektorientierte Sichtweise der Welt Als Motivation für die OOP sieht man sich am besten die reale Welt an: Die reale Welt besteht aus "en", z. B.: Gegenstände,
MehrIhr Präsentationssystem, das wahre Größe zeigt.
Ihr Präsentationssystem, das wahre Größe zeigt. Zeigen Sie maximale Produktvielfalt auf kleinstem Raum. Stellen Sie Ihre eigenen Produkte in 3D und allen Konfigurationen dar! Reisekosten sparen kompakte
MehrRäumlich-semantische Kohärenz von 3D-Geodaten
Technische Universität Berlin Räumlich-semantische Kohärenz von 3D-Geodaten DI Alexandra Stadler Prof. Dr. Thomas H. Kolbe Abteilung Methodik der Geoinformationstechnik Institut für Geodäsie und Geoinformationstechnik
MehrMaschinelles Lernen zur Quantifizierung und Defekterkennung an lichtmikroskopischen Bildern prismatischer Li-Ionen Zellen
Maschinelles Lernen zur Quantifizierung und Defekterkennung an lichtmikroskopischen Bildern prismatischer Li-Ionen Zellen Andreas Jansche, Florian Trier, Pius Schirle, Andreas Kopp, Timo Bernthaler, Ulrich
MehrKapitel L:IV. IV. Nichtklassische Logiken. Fuzzy-Mengen Modifizierer für Fuzzy-Mengen Operationen auf Fuzzy-Mengen Fuzzy-Inferenz Defuzzifizierung
Kapitel L:IV IV. Nichtklassische Logiken Fuzzy-Mengen Modifizierer für Fuzzy-Mengen Operationen auf Fuzzy-Mengen Fuzzy-Inferenz Defuzzifizierung L:IV-45 Nonclassical Logics LETTMANN/STEIN 1998-2013 Aussagenlogik
Mehr1 Einleitung Einordnung des Gebietes Aufbau des Buches Philosophie Inhalte Einige Lehrbücher...
Inhaltsverzeichnis 1 Einleitung... 1 1.1 Einordnung des Gebietes... 1 1.2 Aufbau des Buches... 3 1.2.1 Philosophie... 3 1.2.2 Inhalte... 5 1.3 Einige Lehrbücher... 6 2 Allgemeine Begriffe... 11 2.1 Einige
MehrAutodesk CIVIL 3D xx GIS-Funktionen! Geodaten der Bundesländer. Gert Domsch, CAD-Dienstleistung
Autodesk CIVIL 3D xx GIS-Funktionen! Geodaten der Bundesländer Gert Domsch, CAD-Dienstleistung 07.08.2017 Einführung...2 Deutschland:... 2 Sachsen:... 3 DGM-Daten vom Vermessungsamt:... 3 Brandenburg:...
MehrTutorial Laserscanning: Automatisierung der Modellierung
Tutorial Laserscanning: Automatisierung der Modellierung Dr.-Ing. Fredie Kern Univ.-Prof. Dr.-Ing. habil. Wolfgang Niemeier Dipl.-Ing. Martin Zumstrull 1 Inhaltsverzeichnis 1. Was kann modelliert werden
MehrVererbung und Polymorphie
page1 Vererbung und Polymorphie Florian Adamsky, B Sc florianadamsky@iemthmde http://florianadamskyit/ cbd So wareentwicklung im SS 2014 page2 Outline 1 Ein ührung 2 Vererbung Formen der Vererbung 3 Polymorphie
MehrPersonicx Typologie in der best for planning 2016
Personicx Typologie in der best for planning 2016 In der best for planning (b4p) 2016 steht interessierten Nutzern die Personicx Typologie von Acxiom Deutschland zur Verfügung. Wie alle in der b4p enthaltenen
MehrComputergrafik 2: Morphologische Operationen
Computergrafik 2: Morphologische Operationen Prof. Dr. Michael Rohs, Dipl.-Inform. Sven Kratz michael.rohs@ifi.lmu.de MHCI Lab, LMU München Folien teilweise von Andreas Butz, sowie von Klaus D. Tönnies
MehrAnwendungsentwicklung Datenbanken Datenbankentwurf. Stefan Goebel
Anwendungsentwicklung Datenbanken Datenbankentwurf Stefan Goebel Warum eine Datenbank? Nutzung von gleichen Daten durch viele Anwender auch an unterschiedliche Orten Daten können mit unterschiedlicher
MehrPraktikable Lösungsansätze unter Nutzung semantischer Technologien. Ulrich Bügel
What s in my Backyard? Workshop zur Nutzung von Ontologien für das UIS Baden-Württemberg 4.11.2008 Praktikable Lösungsansätze unter Nutzung semantischer Technologien Ulrich Bügel IITB, str. 1 76131 Karlsruhe,
MehrDigitale Bildverarbeitung Einheit 12 3D-Modellierung
Digitale Bildverarbeitung Einheit 12 3D-Modellierung Lehrauftrag WS 05/06 Fachbereich M+I der FH-Offenburg Dipl.-Math. Bernard Haasdonk Albert-Ludwigs-Universität Freiburg Ziele der Einheit Einen Eindruck
MehrDigitale Bildverarbeitung (DBV)
Digitale Bildverarbeitung (DBV) Prof. Dr. Ing. Heinz Jürgen Przybilla Labor für Photogrammetrie Email: heinz juergen.przybilla@hs bochum.de Tel. 0234 32 10517 Sprechstunde: Montags 13 14 Uhr und nach Vereinbarung
MehrÜBUNGEN ZUR OBJEKTORIENTIERTEN MODELLIERUNG
ÜBUNGEN ZUR OBJEKTORIENTIERTEN MODELLIERUNG Unter objektorientierter Modellierung versteht man das detailgetreue Darstellen einer zu programmierenden Szene durch Skizzen in UML. UML steht für Unified Modelling
Mehr7. Übung Informatik II - Objektorientierte Programmierung
7. Übung Informatik II - Objektorientierte Programmierung 29. Mai 2015 Inhalt 1 2 3 Übersicht 1 2 3 Idee Menschen nehmen die Welt in Form von Objekten wahr manche Objekte haben gleiche Eigenschaften, hierüber
Mehrwindata SEPA Document Pool Library Schnellstart
windata SEPA Document Pool Library Schnellstart Version 1.4.3.0 11.11.2014 windata GmbH & Co. KG windata GmbH & Co.KG Gegenbaurstraße 4 88239 Wangen im Allgäu Inhaltsverzeichnis 1 Einführung... 3 2 Grundlegende
MehrKI Seminar Vortrag Nr. 9 Unsicheres Wissen. Einleitung. Grundlagen. Wissen Ansätze. Sicherheitsfaktoren. Ansatz Probleme. Schlussfolgerungsnetze
Einleitung KI Seminar 2005 Vortrag Nr. 9 Unsicheres 1 Motivation Vögel können fliegen! 2 : Zuordnung von Wahrheitswerten, Wahrscheinlichkeitsgraden,. zu Aussagen, Ereignissen, Zuständen, 3 3 Eigenschaften
Mehr