Entwicklung eines 3D-Scanners mit farbigem strukturiertem Licht unter Verwendung von HDR-Bilddaten. Diplomverteidigung Frank Michel
|
|
- Hetty Berger
- vor 7 Jahren
- Abrufe
Transkript
1 Entwicklung eines 3D-Scanners mit farbigem strukturiertem Licht unter Verwendung von HDR-Bilddaten Diplomverteidigung Frank Michel
2 Gliederung Einführung Kodierung des Projektionsmusters HDR-Bilddaten Korrespondenzanalyse Ergebnisse 2
3 Einführung 3D-Rekonstruktion Idee: - Punktwolke aus einem Foto generieren Umsetzung: - Kamera, Projektor und Objekt bilden ein Dreieck -Rekonstruktion über räumliche Information des Kamera-Projektor-Systems 3
4 Einführung 3D-Rekonstruktion 4
5 Einführung 3D-Rekonstruktion 5
6 Einführung Aktive Kodierung zur Korrespondenzanalyse Welche Positionen in den Bildern korrespondieren? 6
7 DeBruijn-Sequenzen -A(k,n) ist eine Zeichenfolge über einem k-stelligen Alphabet, bei dem jede n-stellige Teilsequenz nur einmal vorkommt - A(2,4): [0000] Teilsequenzen: 0000, 0001, 0010, 0100, 1001, 0011, 0110, 1101, 1010, 0101, 1011, 0111, jede Position innerhalb des Codes kann über die Betrachtung der benachbarten Zeichen eindeutig ermittelt werden 7
8 DeBruijn-Sequenzen -A(k,n) ist eine Zeichenfolge über einem k-stelligen Alphabet, bei dem jede n-stellige Teilsequenz nur einmal vorkommt - A(2,4): 0[0001] Teilsequenzen: 0000, 0001, 0010, 0100, 1001, 0011, 0110, 1101, 1010, 0101, 1011, 0111, jede Position innerhalb des Codes kann über die Betrachtung der benachbarten Zeichen eindeutig ermittelt werden 8
9 DeBruijn-Sequenzen -A(k,n) ist eine Zeichenfolge über einem k-stelligen Alphabet, bei dem jede n-stellige Teilsequenz nur einmal vorkommt - A(2,4): 00[0010] Teilsequenzen: 0000, 0001, 0010, 0100, 1001, 0011, 0110, 1101, 1010, 0101, 1011, 0111, jede Position innerhalb des Codes kann über die Betrachtung der benachbarten Zeichen eindeutig ermittelt werden 9
10 DeBruijn-Sequenzen Necklace: ist eine Äquivalenzklasse von n-stelligen Zeichenketten über einem k- stelligen Alphabet Lyndonwort: ist ein aperiodisches Necklace 10
11 DeBruijn-Sequenzen -Verkettung der Reduktionender Necklacesund Lyndonwörter in lexikographischer Reihenfolge ergibt die de Bruijn-Sequenz 11
12 DeBruijn-Sequenzen Kodierung der Farbinformationen mit Hilfe der de Bruijn-Sequenz - Farben werden im 3-stelligen Binärkode repräsentiert, z.b. entspricht (011) Cyan - jedem Zeichen des Alphabets wird ein binäres Tripel zugewiesen -Farbübergang entsteht durch die XOR-Verknüpfung der Farbkomponente mit dem Repräsentant des Zeichens aus der de Bruijn-Sequenz - neutrales Element 000 wird nicht verwendet 12
13 DeBruijn-Sequenzen Kodierung der Farbinformationen mit Hilfe der de Bruijn-Sequenz 13
14 DeBruijn-Sequenzen Kodierung der Farbinformationen mit Hilfe der de Bruijn-Sequenz 14
15 DeBruijn-Sequenzen Kodierung der Farbinformationen mit Hilfe der de Bruijn-Sequenz 15
16 DeBruijn-Sequenzen Kodierung der Farbinformationen mit Hilfe der de Bruijn-Sequenz 16
17 DeBruijn-Sequenzen Kodierung der Farbinformationen mit Hilfe der de Bruijn-Sequenz 17
18 DeBruijn-Sequenzen De Bruijn-Sequenz A(5,3) 18
19 HighDynamicRange-Bilder - Irradiance beschreibt die einfallende Leistung auf eine Fläche - einfallende Photonen erzeugen eine Spannung, die sich proportional zum einfallenden Licht verhält -FilterinderKamerapassendasSignalan - Pixelwerte verhalten sich nicht linear zum einfallenden Licht 19
20 HighDynamicRange-Bilder - HDR-Bilder sind in der Lage, hohe Helligkeitsunterschiede einer Szene zu abzubilden -dadurch werden die bei LDR-Bildern auftretenden Unter-bzw. Überbelichtungen in Fotographien vermieden - höhere Auflösung der Farbtiefe bei HDR-Aufnahmen - Techniken zur Erstellung: HDR-Kamera, computergenerierte Bilder, LDR-Bilderserien 20
21 HighDynamicRange-Bildererzeugen Camera-Response-Curve(CRC) -CRC beschreibt die lineare Abbildung der eingefallenen Strahlung (Irradiance) auf Pixelintensitäten im Kamerabild bei bekannter Belichtungszeit - CRC ist bei jeder Kamera unterschiedlich - Linearisierung der Abbildung von Helligkeit auf RGB-Farbwerte durch die CRC - Berechnung mit Hilfe eines linearen Gleichungssystems aus Bilddaten 21
22 HighDynamicRange-Bildererzeugen Camera-Response-Curve(CRC) 22
23 HighDynamicRange-Bildererzeugen HDR-Bild aus LDR-Bildsequenzen Idee: - jedes Pixel ist in mindestens einem der Bilder korrekt beleuchtet Umsetzung: -ein Pixel im HDR-Bild ergibt sich aus der gewichteten Kombination der Informationen aus den verschiedenen Belichtungsstufen 23
24 HighDynamicRange-Bildererzeugen HDR-Bild aus LDR-Bildsequenzen - Aufnahme mehrerer Bilder der Szene - dabei wird die Belichtungszeit der Bilder variiert - pro Pixel sind mehrere Messwerte vorhanden, diese werden gewichtet aufsummiert - Minderung des Rauschens im Bild 24
25 HighDynamicRange-Bilder LDR-Belichtungsreihe 25
26 HighDynamicRange-Bilder HDR-Bild 26
27 Korrespondenzanalyse 27
28 Korrespondenzanalyse Ziel: -Zuweisung der Farbübergänge aus dem Kamerabild zu Farbübergängen im Projektorbild Umsetzung: - Detektion der Kanten im Kamerabild -Zuordnung von korrespondierenden Kantenpixeln zwischen Kamera und Projektor Probleme: - Verdeckung der Kante - Fehler beim Erkennen der Kante - Störeinflüsse durch technische Limitierungen der verwendeten Geräte 28
29 Korrespondenzanalyse Detektion der Kanten im Kamerabild -Störungen in der Kamera und dem Projektor führen zu einer Verfälschung des Farbcodes - diese haben Einfluss auf das Ergebnis der Rekonstruktion - Fehlerbehebung mit Anisotroper Diffusionsfilterung 29
30 Korrespondenzanalyse Detektion der Kanten im Kamerabild 30
31 Korrespondenzanalyse Detektion der Kanten im Kamerabild -Kanten erstrecken sich über mehrere Pixel; keine harten Farbübergänge, sondern Farbverläufe - Box-Filter betrachtet einen größeren Bereich um das Pixel, dies führt zur Mehrfachdetektion der Kanten -Non-Maximum Supressionum Kantenposition auf ein Pixel zu beschränken 31
32 Korrespondenzanalyse Detektion der Kanten im Kamerabild 32
33 Korrespondenzanalyse Detektion der Kanten im Kamerabild - Kanten werden zeilenweise detektiert - keine Information über die Nachbarschaftsbeziehungen zwischen den Zeilen bekannt -Klassifizierung der Kanten durch die Farbübergangszustände und die Position in der x-dimension 33
34 Korrespondenzanalyse Labeling-Ansatz -Farbübergänge im Projektorbildbilden die Menge der potentziellenlabel - Farbübergänge im Kamerabild stellen die Merkmale dar 34
35 Korrespondenzanalyse Markov-Random-Field (MRF) - MRF ist ein ungerichtetes statistisches Graphenmodell - Darstellung als Netzwerk, in dem die Knoten die Farbkantenpixel im Kamerabild repräsentieren Kanten die Nachbarschaftsbeziehungen zwischen den Kantenpixeln abbilden 35
36 Korrespondenzanalyse Markov-Random-Field (MRF) -durch die Eigenschaft der bedingten Unabhängigkeit im MRF müssen nicht alle Knoten für die Berechnung betrachtet werden, sondern nur die vorher festgelegten direkten Nachbarn 36
37 Korrespondenzanalyse Energie-Minimierungs-Ansatz Datenterm beschreibt die Kosten für die Zuweisung eines Labels zu einem Knoten Nachbarschaftsterm beschreibt die Kosten für die Zuweisung der Label und zu 2 benachbarten Knoten 37
38 Korrespondenzanalyse Energie-Minimierungs-Ansatz Bestimmen des Datenterms für einen Knoten E data (f p ) dis c (f p ) = jm c L c (f p )j E data (f p ) = X c dis c (f p ) 38
39 Korrespondenzanalyse Energie-Minimierungs-Ansatz Bestimmen der Diskontinuitätskosten - Bewertung basierend auf der de Bruijn-Sequenz 39
40 Korrespondenzanalyse Belief-Propagation - iteratives Verfahren bei dem Nachrichten zwischen den Knoten ausgetauscht werden - berechnen einer Nachricht, die vom Knoten zum Knoten gesendet wird 40
41 Korrespondenzanalyse Belief-Propagation 41
42 Korrespondenzanalyse Belief-Propagation 42
43 Korrespondenzanalyse Belief-Propagation - Berechnung des Labels mit minimaler Energie 43
44 Korrespondenzanalyse Triangulation 44
45 Ergebnisse 45
46 Ergebnisse 46
47 Ergebnisse 47
48 VielenDankfürIhreAufmerksamkeit! 48
Distributed 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
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
Mehr4. Segmentierung von Objekten Video - Inhaltsanalyse
4. Segmentierung von Objekten Video - Inhaltsanalyse Stephan Kopf Inhalt Vorgehensweise Berechnung der Kamerabewegungen zwischen beliebigen Bildern Transformation eines Bildes Hintergrundbilder / Panoramabilder
MehrTechnische Informatik - Eine Einführung
Martin-Luther-Universität Halle-Wittenberg Fachbereich Mathematik und Informatik Lehrstuhl für Technische Informatik Prof. P. Molitor Technische Informatik - Eine Einführung Darstellung von Zeichen und
MehrRecovering High Dynamic Range Radiance Maps from Photographs
Recovering High Dynamic Range Radiance Maps from Photographs Christoph Gladisch Einführung Wenn eine Szene photografiert wird, dann entsprechen die Pixelwerte nicht den relativen Leuchtdichten in der Szene.
MehrDreidimensionales Computersehen
X. Jiang, H. Bunke Dreidimensionales Computersehen Gewinnung und Analyse von Tiefenbildern Mit 137 Abbildungen und 3 Tafeln Springer Inhaltsverzeichnis 1 Einleitung 1 1.1 Bildanalyse 1 1.2 Gewinnung und
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.
MehrHauptseminar Repräsentationen für Optimierungsalgorithmen
Stefan Bens Hauptseminar Dresden, 03.07.2008 Inhalt 1. Motivation 2. Einleitung 3. Repräsentationsarten und Eigenschaften 4. Beispiel 5. Zusammenfassung Folie 2 Als Repräsentation bezeichnet man die Kodierung
MehrVery simple methods for all pairs network flow analysis
Very simple methods for all pairs network flow analysis obias Ludes 0.0.0. Einführung Um den maximalen Flusswert zwischen allen Knoten eines ungerichteten Graphen zu berechnen sind nach Gomory und Hu nur
MehrEntwicklung einer robusten Methode zur Berechnung von Stereokorrespondenzen
Entwicklung einer robusten Methode zur Berechnung von Stereokorrespondenzen Seminar - Wintersemester 2010/2011 Fakultät Technik und Informatik Department Informatik Gregory Föll Übersicht Rückblick Stereo
MehrDigitale Bildbearbeitung und Fotografie. Dozenten: Arne Scheffer, Olaf Glaser
Dozenten: Arne Scheffer, Olaf Glaser Wiederholung: Kompression: Einführung zum Verständnis Teil 1: nicht fertig, Teil 2: nicht fertig, Teil 3: nicht fertig, Teil 4: nicht fertig Fortsetzung Teil 2: Teil
MehrObjekterkennung durch Vergleich von Farben. Videoanalyse Dr. Stephan Kopf HWS2007 Kapitel 5: Objekterkennung
Objekterkennung durch Vergleich von Farben 48 Farbräume (I) Definitionen: Farbe: Sinnesempfindung (keine physikalische Eigenschaft), falls Licht einer bestimmten Wellenlänge auf die Netzhaut des Auges
MehrLineare Gleichungssysteme
Kapitel 6 Lineare Gleichungssysteme 6. Gaußalgorithmus Aufgabe 6. : Untersuchen Sie die folgenden linearen Gleichungssysteme mit dem Gaußalgorithmus auf Lösbarkeit und bestimmen Sie jeweils die Lösungsmenge.
MehrBelichtungszeit belichtet und die Zeilen 3, 4, 7, 8 usw. mit der verkürzten Belichtungszeit.
Mehr Details sehen: 3 Wege zum HDR-Bild Die Abkürzung HDR (manchmal auch HDRI) steht für High Dynamic Range (Imaging oder Imager) und bezeichnet das Aufnehmen oder Erzeugen von digitalen Bildern mit hohem
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 -
MehrLZSS und Deflate. Lars Kunert. April 18, Seminar Kompressionsalgorithmen RWTH Aachen
LZSS und Deflate Lars Kunert Seminar Kompressionsalgorithmen RWTH Aachen April 18, 2012 Übersicht 1 LZ - Storer, Szymanski (LZSS, 1982) 2 Deflate (1996) 3 Anwendung LZSS - 1 Verbesserungen gegenüber LZ77:
MehrDank an Raffaele. Das grosse Rauschen. Siehe: www Fotografie/Selbsthilfe. Schärfen (Erich Baumann )
Das grosse Rauschen Dank an Raffaele Siehe: www Fotografie/Selbsthilfe Schärfen (Erich Baumann 04-11-16) 1 Schärfen (Erich Baumann 04-11-16) 2 Schärfe - Schärfeeindruck Man unterscheidet zwischen: Schärfe
MehrGrundlagen von Rasterdaten
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE Kapitel 7: Grundlagen von Rasterdaten Skript zur Vorlesung Geo-Informationssysteme Wintersemester 2014/15 Ludwig-Maximilians-Universität
MehrMessprotokoll: Aufnahme der Quantenzufallszahl
Messprotokoll: Aufnahme der Quantenzufallszahl Am 19. Juni 2009 wurden für Max Mustermann um 8:35 Uhr mit Hilfe von einzelnen Photonen 993.097 Zufallszahlen generiert. Der Zufallsgenerator steht im Quantenoptiklabor
MehrZusammenfassung der letzten LVA. Diskrete Mathematik
Zusammenfassung Zusammenfassung der letzten LVA Diskrete Mathematik Christina Kohl Georg Moser Oleksandra Panasiuk Christian Sternagel Vincent van Oostrom (Beweisformen) Beweisformen sind etwa (i) deduktive
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
Mehr16 - Kompressionsverfahren für Texte
16 - Kompressionsverfahren für Texte Prof. Dr. S. Albers Kompressionsverfahren für Texte Verlustfreie Kompression Original kann perfekt rekonstruiert werden Beispiele: Huffman Code, Lauflängencodierung,
MehrFormale Methoden 2. Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2014/2015
Formale Methoden 2 Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2014/2015 1 Mengen 2 Relationen 3 Abbildungen 4 Algebraische Strukturen Verknüpfungen Monoide Beispiel: Restklassen Exkurs: Formale
MehrSterne (9) Elektrooptische Detektoren
Sterne (9) Elektrooptische Detektoren Elektrooptische Bildgebungsverfahren Der technologische Fortschritt in der Halbleiter- und Computerbranche hat zu völlig neuen Sensorarten geführt, welche diffizile
MehrKürzeste Wege in einem gewichteten Graphen. Anwendungen
Kürzeste Wege in einem gewichteten Graphen Dazu werden die Gewichte als Weglängen interpretiert. Der kürzeste Weg zwischen zwei Knoten in einem zusammenhängenden Graphen ist derjenige, bei dem die Summe
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
MehrEinführung in die Informatik II Aus der Informationstheorie: Datenkompression
Einführung in die Informatik II Aus der Informationstheorie: Datenkompression Prof. Bernd Brügge, Ph.D Institut für Informatik Technische Universität München Sommersemester 2 2. Juli 2 Copyright 2 Bernd
Mehr3.5 Methode des gleitenden Horizonts
3.5 Methode des gleitenden Horizonts Für Flächen die durch eine Gleichung F (x, y, z) = 0 gegeben sind, lässt sich die Methode des gleitenden Horizonts anwenden. Dabei werden die sichtbaren Teile der Schnitte
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
MehrGrundlagen Rechnernetze und Verteilte Systeme IN0010, SoSe 2018
Grundlagen Rechnernetze und Verteilte Systeme IN0010, SoSe 2018 Übungsblatt 11 2. Juli 6. Juli 2018 Hinweis: Mit * gekennzeichnete Teilaufgaben sind ohne Lösung vorhergehender Teilaufgaben lösbar. Aufgabe
MehrMathematische Grundlagen der Computerlinguistik
Centrum für Informations- und Sprachverarbeitung (CIS) 23. Juni 2014 Table of Contents 1 2 Ordnung Ähnlich wie Äquivalenzrelationen den Begriff der Gleichheit generalisieren, generalisieren den Begriff
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
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,
Mehr2. Schnitterkennung Video - Inhaltsanalyse
2. Schnitterkennung Video - Inhaltsanalyse Stephan Kopf Definition: Schnitt Schnitte (cut) liefern Informationen über den Produktionsprozess eines Filmes. trennen kontinuierliche Aufnahmen, die als Kameraeinstellungen
MehrBildverarbeitung: Filterung. D. Schlesinger () Bildverarbeitung: Filterung 1 / 17
Bildverarbeitung: Filterung D. Schlesinger () Bildverarbeitung: Filterung 1 / 17 Allgemeines Klassische Anwendung: Entrauschung (Fast) jeder Filter basiert auf einem Modell (Annahme): Signal + Rauschen
MehrBayes sche und probabilistische Netze
Bayes sche und probabilistische Netze Gliederung Wahrscheinlichkeiten Bedingte Unabhängigkeit, Deduktion und Induktion Satz von Bayes Bayes sche Netze D-Separierung Probabilistische Inferenz Beispielanwendung
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
MehrParallele Algorithmen in der Bildverarbeitung
Seminar über Algorithmen - SoSe 2009 Parallele Algorithmen in der Bildverarbeitung von Christopher Keiner 1 Allgemeines 1.1 Einleitung Parallele Algorithmen gewinnen immer stärker an Bedeutung. Es existieren
MehrDiskrete Strukturen Kapitel 4: Graphentheorie (Bäume)
WS 2016/17 Diskrete Strukturen Kapitel 4: Graphentheorie (Bäume) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_16
MehrFehlererkennende und fehlerkorrigierende Codes
Fehlererkennende und fehlerkorrigierende Codes Claudiu-Vlad URSACHE, 5AHITN Inhalt 1. Codes... 2 2. Hammingdistanz... 3 3. Fehlererkennende Codes... 4 4. Fehlerkorrigierende Codes... 5 1. Codes a 2 a 00
MehrAlgorithmische Geometrie: Delaunay Triangulierung (Teil 2)
Algorithmische Geometrie: Delaunay Triangulierung (Teil 2) Nico Düvelmeyer WS 2009/2010, 2.2.2010 Überblick 1 Delaunay Triangulierungen 2 Berechnung der Delaunay Triangulierung Randomisiert inkrementeller
MehrAbschlussklausur. Computernetze. 14. Februar Legen Sie bitte Ihren Lichtbildausweis und Ihren Studentenausweis bereit.
Abschlussklausur Computernetze 14. Februar 2014 Name: Vorname: Matrikelnummer: Tragen Sie auf allen Blättern (einschlieÿlich des Deckblatts) Ihren Namen, Vornamen und Ihre Matrikelnummer ein. Schreiben
MehrBeleuchtung aus Schatten rekonstruieren
Beleuchtung aus Schatten rekonstruieren Vortrag von Tatiana Kneip-Medina Seminar Computergraphik Adaptive Berechnung von Beleuchtungsverteilung mit unbekannten Reflektionswerten in Schattenregionen Methode
MehrRechenzeit für A. Sei t B die Rechenzeit eines Algo für B. Seien p,q,r monotone Polynome ( +).
Rechenzeit für A Sei t B die Rechenzeit eines Algo für B. Seien p,q,r monotone Polynome ( +). Rechenzeit des resultierenden Algo für A: t A (n) p(n) + q(n) t B (r(n)). Ist polynomiell, falls t B Polynom.
MehrLichtplanung. Licht & Design
Wie wird eine gelesen Die ist die theoretische Platzierung von Leuchten im Raum. Der Umfang reicht hier von einer schnellen Simulation der Lichtverteilung im Raum, bis zur kompletten Simulation komplexer
MehrCODIERUNGSTHEORIE KURS ZELL AN DER PRAM, FEBRUAR 2005
CODIERUNGSTHEORIE KURS ZELL AN DER PRAM, FEBRUAR 2005 1. Das Problem 1.1. Kanalcodierung und Fehlerkorrektur. Wir wollen eine Nachricht über einen digitalen Kanal, der nur 0 oder 1 übertragen kann, schicken.
MehrIndustrielle OCR für die Herstellung von Bildröhren
Industrielle OCR für die Herstellung von Bildröhren Zeichencodes die mittels Tintenstrahldrucker auf Strahlsystemen für die Bildröhrenproduktion aufgedruckt wurden, sind während des Fertigungsprozesses
MehrObjekterkennung mit SIFT-Merkmalen
Hochschule für Angewandte Wissenschaften Hamburg 06. Januar 2010 Gliederung Problemstellung SIFT-Verfahren Merkmalsvergleich zur Identifikation von Gegenständen Zusammenfassung und Ausblick Problemstellung
MehrDatenstrukturen und Algorithmen (SS 2013)
Datenstrukturen und Algorithmen (SS 2013) Übungsblatt 10 Abgabe: Montag, 08.07.2013, 14:00 Uhr Die Übungen sollen in Gruppen von zwei bis drei Personen bearbeitet werden. Schreiben Sie die Namen jedes
MehrPrüfung in Grundlagen GIS im WS 2011/12
Prüfung in Grundlagen GIS im WS 2011/12 1. a) Beschreiben Sie den Aufbau von Raster- und Vektordaten! (4 Punkte) b) Nennen Sie je einen Dateityp für die Speicherung von Raster- und Vektordaten! (1 Punkt)
MehrWS 2013/14. Diskrete Strukturen
WS 2013/14 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws1314
MehrDie Teilnehmer und ihre Präferenzen sind in der nachfolgenden Tabelle zusammengestellt.
Aufgabe B003 Der Lehrstuhl für organisiert einen Workshop Conditionals, Information, and Inference, zu dem zahlreiche Fachleute aus dem In- und Ausland als Gastredner eingeladen sind. Die Beiträge dieser
MehrBildverbesserung (Image Enhancement)
Prof. Dr. Wolfgang Konen, Thomas Zielke Bildverbesserung (Image Enhancement) WS07 7.1 Konen, Zielke Der Prozess der Bildverbesserung (1) Bildverbesserung wird häufig dafür eingesetzt, die für einen menschlichen
MehrMehr Auflösung im Monochrom-Betrieb So holen Sie mehr Auflösung aus Ihrem Farbsensor
Mehr Auflösung im Monochrom-Betrieb So holen Sie mehr Auflösung aus Ihrem Farbsensor Der 18 Megapixel Sensor AR1820HS in unseren UI-3590 Kameramodellen ist vom Sensorhersteller ON Semiconductor als reiner
MehrKompressionsverfahren für Texte
Kompressionsverfahren für Texte Prof. Dr. S. Albers Prof. Dr. Th. Ottmann 1 Zeichenkettenverarbeitung Suche in Texten, Textindizes Mustererkennung (Pattern-Matching) Verschlüsseln Komprimiern Analysieren
Mehr2. Schnitterkennung Videoanalyse
2. Schnitterkennung Videoanalyse Stephan Kopf Inhalt Definition: Schnitt Klassifikation eines Schnittes Vorgehensweise bei der automatischen Schnitterkennung Pixelbasierte Verfahren Histogramme Aggregierte
MehrStereobasierte Regularisierung des deflektometrischen Rekonstruktionsproblems
Stereobasierte Regularisierung des deflektometrischen Rekonstruktionsproblems Forum Bildverarbeitung 2010 Stefan Werling Regensburg, 3.12.2010 Inhaltsübersicht Deflektometrie: Verfahren zur Gewinnung von
MehrAlgorithmen und Datenstrukturen Klausur WS 2006/07 Software-Engineering und Technische Informatik Bachelor
Klausur WS 2006/07 Software-Engineering und Technische Informatik Bachelor Die Klausur besteht aus 6 Aufgaben und umfasst 60 Punkte. Bitte schreiben Sie die Lösungen auf die Aufgabenblätter. Vergessen
Mehr2 Darstellung von Zahlen und Zeichen
2.1 Analoge und digitale Darstellung von Werten 79 2 Darstellung von Zahlen und Zeichen Computer- bzw. Prozessorsysteme führen Transformationen durch, die Eingaben X auf Ausgaben Y abbilden, d.h. Y = f
MehrComputer Vision: Optische Flüsse
Computer Vision: Optische Flüsse D. Schlesinger TUD/INF/KI/IS Bewegungsanalyse Optischer Fluss Lokale Verfahren (Lukas-Kanade) Globale Verfahren (Horn-Schunck) (+ kontinuierliche Ansätze: mathematische
MehrMultiple Alignments. Vorlesung Einführung in die Angewandte Bioinformatik Prof. Dr. Sven Rahmann. Webseite zur Vorlesung
Multiple Alignments Vorlesung Einführung in die Angewandte Bioinformatik Prof. Dr. Sven Rahmann Webseite zur Vorlesung http://bioinfo.wikidot.com/ Sprechstunde Mo 16-17 in OH14, R214 Sven.Rahmann -at-
MehrÜbungsblatt 5 - Musterlösung
Universität Mannheim Lehrstuhl für Praktische Informatik IV Prof. Dr. W. Effelsberg Christoph Kuhmünch, Gerald Kühne Praktische Informatik II SS 2000 Übungsblatt 5 - Musterlösung Aufgabe 1: Huffman-Codierung
Mehr7. Grundlagen von Rasterdaten
7. Grundlagen von Rasterdaten 1. Einführung 2. Speicherung von Rasterdaten 3. Eigenschaften von Rasterdaten Geo-Informationssysteme 184 Definitionen 7.1 Einführung (I) Rasterdaten beschreiben die Geometrie
Mehr6. Übung zur Linearen Optimierung SS08
6 Übung zur Linearen Optimierung SS08 1 Sei G = (V, E) ein schlichter ungerichteter Graph mit n Ecken und m Kanten Für eine Ecke v V heißt die Zahl der Kanten (u, v) E Grad der Ecke (a) Ist die Anzahl
MehrRelationen (Teschl/Teschl 5.1)
Relationen (Teschl/Teschl 5.1) Eine (binäre) Relation zwischen den Mengen M und N ist eine Teilmenge R der Produktmenge M N. Beispiele M Menge aller Studierenden, N Menge aller Vorlesungen, R : {(x, y)
MehrIsomorphie von Bäumen
Isomorphie von Bäumen Alexandra Weinberger 23. Dezember 2011 Inhaltsverzeichnis 1 Einige Grundlagen und Definitionen 2 1.1 Bäume................................. 3 1.2 Isomorphie..............................
MehrStatische Stereoanalyse
Statische Stereoanalyse Gliederung: 1. Überblick, Ziel und Ablauf der statischen Stereoanalyse 2. Geometrie eines Stereobildaufnahmesystems 3. Annahmen und Einschränkungen 3.1 Einschränkungen Aufgrund
MehrBlende Belichtungszeit ISO-Empfindlichkeit Belichtungsmessung Aufnahmeprogramme
Foto: Ulla Lohmann, Canon Explorer BELICHTUNG DIE RICHTIGE DOSIS LICHT Blende Belichtungszeit ISO-Empfindlichkeit Belichtungsmessung Aufnahmeprogramme INHALT Der Canon Academy Leitfaden zum Thema Belichtung
Mehr3D-Rekonstruktion aus Bildern
Allgemeine Nachrichtentechnik Prof. Dr.-Ing. Udo Zölzer 3D-Rekonstruktion aus Bildern Dipl.-Ing. Christian Ruwwe 41. Treffen der ITG-Fachgruppe Algorithmen für die Signalverarbeitung HSU Hamburg 24. Februar
MehrFortgeschrittene Netzwerk- und Graph-Algorithmen
Fortgeschrittene Netzwerk- und Graph-Algorithmen Dr. Hanjo Täubig Lehrstuhl für Eziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Wintersemester 2007/08
MehrThe Quality Connection. Business-Fotografie für redaktionelle Themen
The Quality Connection Business-Fotografie für redaktionelle Themen Dieses Skript folgt einem Leitfaden für die Erstellung von professionellen Bildern in redaktionellen Themen. Es werden neben einigen
MehrLokale Beleuchtungsmodelle
Lokale Beleuchtungsmodelle Oliver Deussen Lokale Modelle 1 Farbschattierung der Oberflächen abhängig von: Position, Orientierung und Charakteristik der Oberfläche Lichtquelle Vorgehensweise: 1. Modell
MehrBeschleunigung von Bild-Segmentierungs- Algorithmen mit FPGAs
Fakultät Informatik, Institut für Technische Informatik, Professur für VLSI-Entwurfssysteme, Diagnostik und Architektur Algorithmen mit FPGAs Vortrag von Jan Frenzel Dresden, Gliederung Was ist Bildsegmentierung?
MehrÜbungsblatt 5 Lösungsvorschläge
Institut für Theoretische Informatik Lehrstuhl Prof. Dr. D. Wagner Übungsblatt 5 Lösungsvorschläge Vorlesung Algorithmentechnik im WS 09/10 Problem 1: Lineare Weihnachtsalgebra Kreisbasen [vgl. Kapitel
MehrEcken des Zuordnungsproblems
Total unimodulare Matrizen Ecken des Zuordnungsproblems Definition.6 Ein Zuordnungsproblem mit den Vorzeichenbedingungen 0 apple x ij apple für i, j =,...,n statt x ij 2{0, } heißt relaxiertes Zuordnungproblem.
MehrStereovision Omnivision Kantendetektion
Sichtsysteme Stereovision Omnivision Kantendetektion Andi Drebes Gliederung des Vortrags 1. Motivation Warum Sichtsysteme? 2. Stereovision Wortherkunft / Bedeutung Klassifizierung Zweikamera Stereovision
MehrDatenstrukturen (SoSe 12) Klausur (Modulabschlussprüfung)
Goethe-Universität Frankfurt am Main 27. Juli 2012 Institut für Informatik Theorie komplexer Systeme Dr. Mariano Zelke Datenstrukturen (SoSe 12) Klausur (Modulabschlussprüfung) Name: Vorname: Studiengang:
Mehr1 Einführung. Bildformate Analyse der LSB-Ersetzung Weitere steganographische Algorithmen. Syndromkodierung in der Steganographie
Gliederung Einführung 1 Einführung 2 3 4 WS 2012/2013 Steganographie und Multimedia-Forensik Folie 121 Farbwahrnehmung Blau: 435,8 nm Grün: 546,1 nm Rot: 700 nm (445 nm) (535 nm) (575 nm) Empfindlichkeit
Mehr2.4 Starke Zusammenhangskomponenten in Digraphen
Starke Zusammenhangskomponenten Einleitung 2.4 Starke Zusammenhangskomponenten in Digraphen Definition 2.4.1 Zwei Knoten v und w in einem Digraphen G heißen äquivalent, wenn v w und w v gilt. Notation:
MehrLandesabitur 2007 Beispielaufgaben 2005_M-LK_A 7. Eine quadratische Pyramide (Grundkante 4 und Höhe 6) steht neben einer Stufe. 1.
I. Thema und Aufgabenstellung Lineare Algebra / Analytische Geometrie Aufgaben Eine quadratische Pyramide (Grundkante 4 und Höhe 6) steht neben einer Stufe. 3. Achse 2. Achse 1. Achse Die Sonne scheint
MehrAufgaben zur Klausurvorbereitung
Vorlesung Graphen und Optimierung Sommersemester 2013/14 Prof. S. Lange Aufgaben zur Klausurvorbereitung Hier finden Sie eine Reihe von Übungsaufgaben, die wir an den beiden Vorlesungsterminen am 29.01.2014
MehrTU München. Hauptseminar: WS 2002 / Einführung in Suffix - Bäume
TU München Hauptseminar: WS 2002 / 2003 Einführung in Suffix - Bäume Bearbeiterin: Shasha Meng Betreuerin: Barbara König Inhalt 1. Einleitung 1.1 Motivation 1.2 Eine kurze Geschichte 2. Tries 2.1 Basisdefinition
MehrÜbung: AutoID Barcodes Teil 1
Identifizierungs- und Automatisierungstechnik Übung: AutoID Barcodes Teil 1 Prof. Dr. Michael ten Hompel Sascha Feldhorst Lehrstuhl für Förder- und Lagerwesen TU Dortmund 1 AutoID - Barcodes Gliederung
Mehrk-means als Verfahren zur Clusteranalyse basierend auf Repräsentanten bestimmt ein flaches Clustering
Rückblick k-means als Verfahren zur Clusteranalyse basierend auf Repräsentanten bestimmt ein flaches Clustering Hierarchisches Clustering bestimmt eine Folge von Clusterings, die als Dendrogramm darstellbar
MehrÜbersicht. Aktivitäten-Auswahl-Problem. Greedy Algorithmen. Aktivitäten-Auswahl-Problem. Aktivitäten-Auswahl-Problem. Datenstrukturen & Algorithmen
Datenstrukturen & Algorithmen Übersicht Greedy Algorithmen Einführung Aktivitäten-Auswahl-Problem Huffman Codierung Matthias Zwicker Universität Bern Frühling 2009 2 Greedy Algorithmen Entwurfsstrategie
MehrAlgorithmus zum Graphen-Matching. und. Anwendung zur inhaltsbasierten Bildersuche
Algorithmus zum Graphen-Matching und Anwendung zur inhaltsbasierten Bildersuche Gliederung 1. Einführung 2. Algorithmus Beschreibung Beispiel Laufzeit 3. Anwendung des Algorithmus Seite 1 von 18 1. Einführung
MehrKlausur Digitale Medien
Klausur Digitale Medien Sommersemester 2003 LMU München LFE Medieninformatik Prof. H. Hußmann Dauer: 90 Minuten Auf jedes Blatt sind Name und Matrikelnummer einzutragen! Blätter ohne Namen oder ohne Matrikelnummer
MehrKalibrierungsfreie Bildverarbeitungsalgorithmen. echtzeitfähigen Objekterkennung im Roboterfuÿball. Thomas Reinhardt Nao-Team HTWK. 26.
zur echtzeitfähigen Objekterkennung im Roboterfuÿball Thomas Reinhardt Nao-Team HTWK Hochschule für Technik, Wirtschaft und Kultur Leipzig 26. Februar 2011 Gliederung 1 2 3 4 5 6 7 YCbCr- Helligkeitskomponente
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Tutorium 24-6. Sitzung Marcus Georgi tutorium@marcusgeorgi.de 04.12.2009 1 Repräsentation von Graphen im Rechner Adjazenzlisten Adjazenzmatrizen Wegematrizen 2 Erreichbarkeitsrelationen
MehrLicht und Farben. Andreas Spillner. Computergrafik, WS 2018/2019
Licht und Farben Andreas Spillner Computergrafik, WS 2018/2019 Farbwahrnehmung des Menschen im Auge Das Verständnis, wie Farbeindrücke entstehen, ist ein wesentlicher Bestandteil der Computergrafik. Der
MehrDatenstrukturen & Algorithmen
Datenstrukturen & Algorithmen Matthias Zwicker Universität Bern Frühling 2010 Übersicht Dynamische Programmierung Einführung Ablaufkoordination von Montagebändern Längste gemeinsame Teilsequenz Optimale
MehrOperationsExplorer Daten, Technologien, Tests. Meik Bittkowski
OperationsExplorer Daten, Technologien, Tests Meik Bittkowski Hinweis Wir sind noch in der geschlossenen Beta-Phase Veröffentlichung des OperationsExplorers im Frühjahr 2014 Dies ist eine also Vorschau
MehrKompression. Kompression. Beseitigung der unnötigen Daten... Redundanz. Folie 2
Kompression Kompression Encoder Decoder Beseitigung der unnötigen Daten... Redundanz Folie 2 1 Inhalte Redundanz Channel Encoding Loss-less Compression Hufmann Coding Runlength Coding Lossy Compression
MehrIterative Methods for Improving Mesh Parameterizations
Iterative Methods for Improving Mesh Parameterizations Autoren: Shen Dong & Michael Garland, SMI 07 Nicola Sheldrick Seminar Computergrafik April 6, 2010 Nicola Sheldrick (Seminar Computergrafik)Iterative
MehrDefinition Information I(p)
Definition Information I(p) Definition I(p) Die Information I(p) eines Symbols mit Quellws p > 0 ist definiert als I(p) = log 1 p. Die Einheit der Information bezeichnet man als Bit. DiMa II - Vorlesung
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
MehrNormgerechte, berührende und. nachgiebiger Materialien unter. flächendeckende Vermessung. Triangulationssensoren. Einsatz bildbasierter
Normgerechte, berührende und flächendeckende Vermessung nachgiebiger Materialien unter Einsatz bildbasierter Triangulationssensoren Fon/Fax: +49 30 6392-1645 / -1661 email: pueschel@gfai.de Fon/Fax: +49
Mehr