Multiskalenanalyse. Any view depends on the viewpoint!
|
|
- Georg Hase
- vor 7 Jahren
- Abrufe
Transkript
1 Multiskalenanalyse Any view depends on the viewpoint!
2 Multiskalenanalyse Motivation Aufwandsminimierung bei Filterung Objekterkennung, Segmentierung Textur Klassifikation Mosaicing
3 rundlagen Signaltheorie Wellenlänge Ortsfrequenz λ f f = 1 λ die Anzahl der Wiederholungen einer periodischen Struktur wird als Wellenzahlindex u bezeichnet die maximale Wellenzahl, die bei einer gegebenen Abtastrate fehlerfrei rekonstruiert werden kann, heißt renzwellenzahl u max
4 rundlagen Signaltheorie die kleinste im Bild darstellbare periodische Struktur hat die röße λ min = 2Pixel 1 1 fmax = = Wellen pro Pixel λ 2 min in einem 256x256 Bild kann sich eine periodische Struktur höchstens 128 wiederholen u =, u 1 max 128 min =
5 Abtasttheorem Abtasttheorem f sample 2 f max Die Abtastfrequenz muß mind. doppelt so groß sein, wie die größte im Bild vorkommende Frequenz Doppelt Abtastfequenz ist notwendig, aber nicht hinreichende Bedingung
6 Multi-Resolution Analysis
7 auß Pyramide Motivation viele Anwendungen erfordern die Zerlegung eines zu analysierenden Bildes in seine Frequenzanteile Fourier-Transformation erlaubt keine Zuordnung von Frequenzanteilen zu Strukturen im Ortsbereich man benötigt eine Darstellungsform im Ortsbereich, die ein Bild in mehrere Frequenzbereiche aufspaltet
8 auß Pyramide Motivation mittels eines REDUCE Operators wird die obere Hälfte der Anteile des Frequenzspektrums eines Bildes herausgefiltert, und das Bild in Zeilen- und Spaltenrichtung gleichzeitig um die Hälfte verkleinert Tiefpaßfilterung Verkleinerung Informationsverlust! iterativer Fortsetzung dieses Vorganges erzeugt eine auß-pyramide
9 auß Pyramide Motivation Stufe Zeilen/Spalten Wellenzahlindizes
10 auß Pyramide Iterativer Algorithmus 0 i = S ( ), i= 0, K, 1 + 1= REDUCE i r Blockdiagramm 0 = S 1 2 r 1 Reduce Reduce Reduce r
11 auß Pyramide Beispiel = S 0
12 auß Pyramide um die einzelnen Ebenen der Pyramide vergleichen zu können, ist es notwendig, mit einer EXPAND-Operation eine Ebene auf die röße der nächst größeren Ebene zu vergrößern i,1 i,2 i, i = EXPAND = EXPAND = M EXPAND ( ) i,0 ( ) i,1 ( ) i, i 1 mit i,0 = i
13 auß Pyramide = S 0 1, 1 2, 2 3,3 4, 4 5, 5
14 Laplace Pyramide speichert Bildinformation, die durch eine REDUCE-Operation entfernt werden ist definiert durch die Differenz zweier auß- Ebenen L L i r r ( ) = i EXPAND i+ 1 = i,0 i+ 1, 1 für i= 0, K, r 1 = hat Bandpass-Character
15 Laplace Pyramide 1 2 r 1 r 0 L 0 + _ Reduce Reduce Reduce Expand + L 1 _ Expand + L r 1 _ Expand Stufe Zeilen/Spalten Wellenzahlindizes L L L L L L L L7 2 1 L r
16 Laplace Pyramide L 3 L L L L 7 = 7 L 2 L 1 L 0
17 Laplace Pyramide L0 L1, 1 L 2, 2 L3,3 L4, 4 L 5, 5
18 auss & Laplace Pyramiden
19 Rücktransformation aus der Laplace Pyramide kann das Originalbild iterativ rekonstruiert werden Ebenen der auß Pyramide werden nicht benötigt S r r i 1 = Li 1+ EXPAND( i) für i= r, r 1, K, 1 = = L 0 L 0 L 1 L r S= Expand 0 + Expand r 1 + Expand L r
20 Reduce Operator Vereinigung einer lättungsoperation Tiefpaßfilterung mit einem Filterkern H rößenreduktionsoperation g 0 nur jeder zweite Bildpunkt wird Mittelpunkt der lättungsoperation ( x, y) = = S + 2 u= 2v= 2 = s( x, y) gi+ 1( x, y) = h(2+ u,2+ v) g i (2x+ u,2y+ v) x = 0, K,2 r ( i+ 1) ; y = 0, K,2 r ( i+ 1) ; i = 0, K, r 1
21 Reduce Operator h = ( c b a b c ) c b a b c c b a b c c b a b c ungerade Pixel gerade Pixel
22 Expand Operator Inverse Operation zur REDUCE Operation Vereinigung einer Interpolationsoperation rößenexpansionsoperation ewichtung der Interpolation muß vervierfacht werden (Verdoppelung der röße in Zeilen- und Spaltenrichtung) g i, k + 1( x, y) = 4 h(2+ u,2+ v) g x y u= 2v= 2 = 0,1, K,2 = 0,1, K,2 i= 1,2, K, r k = 0,1, K, i r ( i 1) + k r ( i 1) + k i, k x+ u y+ v, 2 2
23 Expand Operator h = 2 ( c b a b c ) 2b 2b 2c 2a 2c 2b 2b 2b 2b 2c 2a 2c 2b 2b 2b 2b 2c 2a 2b 2b 2c ungerade Pixel gerade Pixel
24 Filterkern Anforderungen h u, v = h u h v H ist symmetrisch h ˆ ( u) = h ˆ ( v) = ( c b a b c ) H ist normiert a+ 2 b+ 2 c= 1 jeder Bildpunkt einer Ebene i leistet zu den Bildpunkten der Ebene i+1 denselben Beitrag H ist separabel ( ) ( ) ( ) b c b a b c b a + 2 c= 2 b a+ 2 c 2 b gerade Bildpunkte ungerade Bildpunkte
25 Filterkern Beispiel 5x5 Filterkern a+ 2b+ 2c a+ 2c = 2b = 1 a b c = = frei wählbar a 2 Binomenialfilter außfilter 2 a= 5 3 a= 8 ˆ= 1 h ( ) 16 1 h ˆ= ( ) 20
26 Filterkern Frequenzverhalten Frequenzbereiche der auß- und Laplace Pyramide beruhen auf theoretischen Überlegungen der Filterkern H ist nur eine Approximation eines Idealen Tiefpaßfilters Aliasingeffekte bei bestimmten periodischen Bildstrukturen freier Parameter a bestimmt das reale Frequenzverhalten
27 Filterkern a = 0.1 a = 0.4 a = 0.7 Idealer Tiefpaß
28 Mosaicing Klebe -- Bilder S a und S b mit unterschiedlichem Inhalt zusammen ohne die Nahtstelle zu sehen Blurring der Nahtstelle unzureichend Lösung: Berechne Laplace Pyramiden L a und L b Kombiniere die gewünschten Ausschnitte beider Pyramiden Nahtstelle: Mittelung aus L a und L b
29 Mosaicing S a S b 1/2 S a + 1/2 S b 1/2 S b + 1/2 S a
30 Mosaicing Maske S a = 0, S b = 1, Nahtstelle = 2 Kein Tiefpass beim Maskenbild M, nur rössenreduktion (a = 1, b = c = 0) l gi l (, ),falls g m (x,y) = 0 ai x y lai ( x, y) + lbi ( x, y) ( x, y) =,falls g m (x,y) = 2 2 lbi ( x, y),falls g m(x,y) = 1
31 Mosaicing S a S b M =
32 Mosaicing
Bildrekonstruktion & Multiresolution
Bildrekonstruktion & Multiresolution Verkleinern von Bildern? Was ist zu beachten? Es kann aliasing auftreten! Das Abtasttheorem sagt wie man es vermeidet? ===> Page 1 Verkleinern von Bildern (2) Vor dem
MehrMotivation. Diskretisierung. Überblick. Algorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen. Diskretisierung und Quantisierung
Algorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen Motivation Analoge Aufnahme von Sprache, Bildern Digitale Speicherung durch Diskretisierung + Quantisierung Informationsverlust
MehrFilterung von Bildern (2D-Filter)
Prof. Dr. Wolfgang Konen, Thomas Zielke Filterung von Bildern (2D-Filter) SS06 6. Konen, Zielke Aktivierung Was, denken Sie, ist ein Filter in der BV? Welche Filter kennen Sie? neuer Pixelwert bilden aus
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
MehrDigitale Signalverarbeitung Bernd Edler
Digitale Signalverarbeitung Bernd Edler Wintersemester 2008/2009 Wesentliche Inhalte der Vorlesung Abtastung z-transformation Lineare zeitinvariante Systeme Diskrete Fouriertransformation Systeme bei stochastischer
MehrGraphische Datenverarbeitung und Bildverarbeitung
Graphische Datenverarbeitung und Bildverarbeitung Hochschule Niederrhein Fourier-Transformation Graphische DV und BV, Regina Pohle, 8. Fourier-Transformation 1 Einordnung in die Inhalte der Vorlesung Einführung
MehrGraphische Datenverarbeitung und Bildverarbeitung
Graphische Datenverarbeitung und Bildverarbeitung Hochschule Niederrhein Bildverbesserung - Filterung Graphische DV und BV, Regina Pohle,. Bildverbesserung - Filterung Einordnung in die Inhalte der Vorlesung
MehrSystemtheorie abbildender Systeme
Bandbegrenzung Bild in (b) nicht band-begrenzt: scharfe Kanten = Dirac-Funktionen = weißes Spektrum Erfordert Tapering vor Digitalisierung (Multiplikation mit geeigneter Fensterfunktion; auf Null drücken
MehrModul Digitale Bildverarbeitung SS16 Bestandteile der Lehrveranstaltung und Prüfung: Vorlesungen Übungsserien Praktika (ImageJ) bis Mai 2016 Projekt
Modul Digitale Bildverarbeitung SS16 Bestandteile der Lehrveranstaltung und Prüfung: Vorlesungen Übungsserien Praktika (ImageJ) bis Mai 2016 Projekt im Juni 2016 Themen: Digitale Bilder, Eigenschaften
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
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
MehrB Anhang B: Enhanced Resolution
B Anhang B: Enhanced Resolution Digitales Filtern (Enhanced Resolution) Vorteile Realisierung Die verfügbare Abtastrate der LeCroy-Oszilloskope ist oft höher, als für die Bandbreite des zu analysierenden
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
Mehr(Fast) Fourier Transformation und ihre Anwendungen
(Fast) Fourier Transformation und ihre Anwendungen Johannes Lülff Universität Münster 14.01.2009 Definition Fouriertransformation F (ω) = F [f(t)] (ω) := 1 2π dt f(t)e iωt Fouriersynthese f(t) = F 1 [F
MehrEinführung in die medizinische Bildverarbeitung SS 2013
Einführung in die medizinische Bildverarbeitung SS 2013 Stephan Gimbel 1 Kurze Wiederholung Gradienten 1. und 2. Ableitung grad( f ( x, y) ) = f ( x, y) = f ( x, y) x f ( x, y) y 2 f ( x, y) = 2 f ( x,
MehrDFT / FFT der Titel der Präsentation wiederholt (Ansicht >Folienmaster) Dipl.-Ing. Armin Rohnen, Fakultät 03, rohnen@hm.edu
1 Grundlagen Abtasttheorem Fenster Zeit - Frequenzauflösung Pegelgenauigkeit Overlap Mittelung 2 2 volle Schwingungen 32 Abtastwerte Amplitude = 1 Pascal Signallänge = 1 Sekunde Eine Frequenzline bei 2
MehrStruktur des menschlichen Auges. Bildgebende Verfahren in der Medizin und medizinische Bildverarbeitung Bildverbesserung 2 / 99
Struktur des menschlichen Auges 2 / 99 Detektoren im Auge Ca. 100 150 Mio. Stäbchen Ca. 1 Mio. Zäpfchen 3 / 99 Zapfen Entlang der Sehachse, im Fokus Tagessehen (Photopisches Sehen) Scharfsehen Farbsehen
MehrBild-Erfassung Digitalisierung Abtastung/Quantisierung
Multimediatechnik / Video Bild-Erfassung Digitalisierung Abtastung/Quantisierung Oliver Lietz Bild-Erfassung Abtastung / Digitalisierung Scanner: Zeilenweise Abtastung mit CCD Digitale Kamera: Flächenweise
MehrVerlustbehaftete Kompression. JPEG: Joint Photographic Experts Group
Verlustbehaftete Kompression JPEG: Joint Photographic Experts Group ITU T8.1 definiert Zusammenarbeit von ITU, IEC, ISO Verfahren zur verlustbehafteten Bildkodierung (auch Verlustloser Modus vorhanden)
MehrBiosignalverarbeitung (Schuster)
Biosignalverarbeitung (Schuster) 9. FOURIER - TRANSFORMATION: 4 Ausprägungen der Transformation: Zeitbereich Frequenzbereich Laplace-Transformation Fourier-Transformation kontinuierlicher Signale (FT,
MehrDigitale Bildverarbeitung Einheit 8 Lineare Filterung
Digitale Bildverarbeitung Einheit 8 Lineare Filterung Lehrauftrag SS 2008 Fachbereich M+I der FH-Offenburg Dr. Bernard Haasdonk Albert-Ludwigs-Universität Freiburg Ziele der Einheit Verstehen, wie lineare
MehrBeate Meffert, Olaf Hochmuth: Werkzeuge der Signalverarbeitung, Pearson Ludwig-Maximilians-Universität München Prof. Hußmann Digitale Medien 4-1
4. Signalverarbeitung 4.1 Grundbegrie 4.2 Frequenzspektren, Fourier-Transormation 4.3 Abtasttheorem: Eine zweite Sicht 4.4 Filter Weiterührende Literatur (z.b.): Beate Meert, Ola Hochmuth: Werkzeuge der
MehrLösungsblatt 2 Signalverarbeitung und Klassifikation
Fakultät für Informatik Übung zu Kognitive Systeme Sommersemester 06 M. Sperber (matthias.sperber@kit.edu) S. Nguyen (thai.nguyen@kit.edu) Lösungsblatt Signalverarbeitung und Klassifikation Aufgabe : Faltung
MehrSysteme II 2. Woche Bitübertragungsschicht
Systeme II 2. Woche Bitübertragungsschicht Christian Schindelhauer Technische Fakultät Rechnernetze und Telematik Albert-Ludwigs-Universität Freiburg Bitübertragungsschicht Physical Layer ISO-Definition
MehrDieses Arbeitsblatt zeigt die Verwendung des FFT-Moduls, um die inverse Fourier-Transformation zu berechnen.
01_Beispiel_inverse_FFT: Dieses Arbeitsblatt zeigt die Verwendung des FFT-Moduls, um die inverse Fourier-Transformation zu berechnen. Der Generator erzeugt ein Sägezahnsignal. Die Real-FFT wird in diesem
MehrBeate Meffert, Olaf Hochmuth: Werkzeuge der Signalverarbeitung, Pearson 2004
4 Signalverarbeitung 4.1! Grundbegriffe! 4.2! Frequenzspektren, Fourier-Transformation! 4.3! Abtasttheorem: Eine zweite Sicht Weiterführende Literatur (z.b.):!! Beate Meffert, Olaf Hochmuth: Werkzeuge
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
MehrDiskrete Fourier-Transformation und FFT. 1. Die diskrete Fourier-Transformation (DFT) 2. Die Fast Fourier Transform (FFT)
Diskrete Fourier-Transformation und FFT 2. Die Fast Fourier Transform (FFT) 3. Anwendungsbeispiele der DFT 1 Wiederholung: Fourier-Transformation und Fourier-Reihe Fourier-Transformation kontinuierlicher
MehrPraktikum 5. Bildfilter (Teil II)
Prof. W. Hillen, Medizinische Informatik FH - AC (Jülich)...\image\img_pk_05 ImageJ.doc Praktikum 5 Digitale Bildverarbeitung Bildfilter (Teil II) Themen: Tiefpass- und Hochpassfilter zur Glättung und
MehrComputergrafik 2: Filtern im Frequenzraum
Computergrafik 2: Filtern im Frequenzraum 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 (Grundlagen
MehrLabor SMV Versuch 1. Erläuterungen zum Aliasing. Prof. Dr.-Ing. Gernot Freitag. FB: EuI, FH Darmstadt. Darmstadt, den
Labor SMV Versuch Erläuterungen zum Aliasing FB: EuI, Darmstadt, den 26.5 Elektrotechnik und Informationstechnik Rev., 9.5 Auf den folgenden Seiten sind einige typische Abtastsituationen zusammengestellt,
MehrÜbung 6: Fast Fourier Transformation
Computational Physics 1, Seminar 6, Fast Fourier Transformation 1 Übung 6: Fast Fourier Transformation Aufgabe 1 Fourierfilterung von Bildern: Erstellen Sie ein Programm, welches ein Bild einliest, dieses
MehrZusammenfassung Digitale Bildverarbeitung By Fabian Flohrmann
Zusammenfassung Digitale Bildverarbeitung By Fabian Flohrmann VL01 Stufen der Bildverarbeitung Bildgewinnung => Bildbearbeitung => Bilderkennung Bildgewinnung: Bildaufnahme Bilddiskretisierung Bildbearbeitung:
MehrAudio-Bearbeitung. Diese Freq. Anteile «verschwinden» nach dem unterabtasten Filter muß schmal genug sein! Nach Unterabtastung
Audio Signal Audio-Bearbeitung Ampl Vor Unterabtastung Teilband Grenzen Normierte Frequenz (normierte Abtastrate, maximale Frequenz ist pi oder 1) Teilbänder Diese Freq. Anteile «verschwinden» nach dem
Mehr2. Digitale Codierung und Übertragung
2. Digitale Codierung und Übertragung 2.1 Informationstheoretische Grundlagen 2.2 Speicherbedarf und Kompression 2.3 Digitalisierung Ludwig-Maximilians-Universität München Prof. Hußmann Digitale Medien
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
Mehr1.3 Digitale Audiosignale
Seite 22 von 86 Abb. 1.2.12 - Wirkung der Schallverzögerung Effekte sind: Delay, Echo, Reverb, Flanger und Chorus Hört man ein akustisches Signal im Raum, dann werden die Signale von Wänden und anderen
MehrBild-Erkennung & -Interpretation
Kapitel I Bild-Erkennung & -Interpretation FH Aachen / Jülich, FB 9 Prof. Dr. rer.nat. Walter Hillen (Dig Img I) 1 Einführung Schritte zur Bilderkennung und Interpretation: Bild-Erfassung Vorverarbeitung
MehrBildverarbeitung und Mustererkennung
Bildverarbeitung und Mustererkennung Prüfung im Modul ET510 für den Masterstudiengang Systems Design & Production Management Professor Dr.-Ing. Martin Werner Juli 2014 Hinweise zur Bearbeitung der Klausur
MehrDigitale Bildverarbeitung Einheit 7 Bildarithmetik
Digitale Bildverarbeitung Einheit 7 Bildarithmetik Lehrauftrag SS 2008 Fachbereich M+I der FH-Offenburg Dr. Bernard Haasdonk Albert-Ludwigs-Universität Freiburg Ziele der Einheit Einsehen, dass man mit
MehrEinführung in die digitale Signalverarbeitung WS11/12
Einführung in die digitale Signalverarbeitung WS11/12 Prof. Dr. Stefan Weinzierl Musterlösung 11. Aufgabenblatt 1. IIR-Filter 1.1 Laden Sie in Matlab eine Audiodatei mit Sampling-Frequenz von fs = 44100
MehrKlausur PHMJ02 SS2012. Mikrocontroller und Robotik. Mittwoch GUTEN ERFOLG!!!
Universität Koblenz Landau Name: Musterlösung Institut Naturwissenschaften Vorname:... Abteilung Physik Matr. Nr.:... Studiengang:... Klausur PHMJ02 SS2012 Mikrocontroller und Robotik Mittwoch 15.8.2012
MehrMorphologische Filter
Morphologische Filter Industrielle Bildverarbeitung, Vorlesung No. 8 1 M. O. Franz 28.11.2007 1 falls nicht anders vermerkt, sind die Abbildungen entnommen aus Burger & Burge, 2005. Übersicht 1 Morphologische
MehrVisual Computing Filtering, Fourier Transform, Aliasing
Eidgenössische Technische Hochschule Zürich Swiss Federal Institute of Technology Zurich Zu loesen bis: 16. Mai 2006 Prof. M. Gross Remo Ziegler / Christian Voegeli / Daniel Cotting Ziele Visual Computing
MehrSystemtheorie Teil B
d + d z + c d z + c uk d + + yk z d + c d z + c Systemtheorie Teil B - Zeitdiskrete Signale und Systeme Übungsaufgaben Manfred Strohrmann Urban Brunner Inhalt Übungsaufgaben - Signalabtastung und Rekonstruktion...
Mehr3.7 Anti-Alias-Verfahren
3.7 Anti-Alias-Verfahren Wir hatten Treppeneffekte bereits beim Rastern von Bildern kennengelernt. Aber auch beim Wiederholen verkleinerter Texturen können sich durch Rasterungseffekte unschöne Interferenzerscheinungen
MehrKapitel 8: Operationen auf Rasterdaten
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE Kapitel 8: Operationen auf Rasterdaten Skript zur Vorlesung Geo-Informationssysteme Wintersemester 2015/16 Ludwig-Maximilians-Universität
MehrDigitale Bildverarbeitung
Bernd Jahne Digitale Bildverarbeitung 6., überarbeitete und erweiterte Auflage Mit 248 Abbildungen und 155 Übungsaufgaben und CD-ROM Sy Springer Inhaltsverzeichnis I Grundlagen 1 Anwendungen und Werkzeuge
MehrInhaltsverzeichnis. Daniel von Grünigen. Digitale Signalverarbeitung. mit einer Einführung in die kontinuierlichen Signale und Systeme
Inhaltsverzeichnis Daniel von Grünigen Digitale Signalverarbeitung mit einer Einführung in die kontinuierlichen Signale und Systeme ISBN (Buch): 978-3-446-44079-1 ISBN (E-Book): 978-3-446-43991-7 Weitere
Mehr5. Übung für Übungsgruppen Musterlösung
Grundlagenveranstaltung Systemtheorie WS 6/7 (H.S. Stiehl, AB Kognitive Systeme, Department Informatik der Universität Hamburg) 5. Übung für Übungsgruppen Musterlösung (U. Köthe, Department Informatik,
Mehr5 Numerische Mathematik
6 5 Numerische Mathematik Die Numerische Mathematik setzt sich aus mehreren Einzelmodulen zusammen Für alle Studierenden ist das Modul Numerische Mathematik I: Grundlagen verpflichtend In diesem Modul
Mehr2. Digitale Codierung und Übertragung
2. Digitale Codierung und Übertragung 2.1 Informationstheoretische Grundlagen 2.2 Verlustfreie universelle Kompression 2.3 Digitalisierung, Digitale Medien Ludwig-Maximilians-Universität München Prof.
MehrZusammenfassung : Fourier-Reihen
Zusammenfassung : Fourier-Reihen Theorem : Jede (nicht-pathologische) periodische Funktion läßt sich schreiben als "Fourier-Reihe" der Form: Vorzeichen ist Konvention, in Mathe : + Fourier-Transformation
MehrSparse Hauptkomponentenanalyse
Sparse Referent: Thomas Klein-Heßling LMU München 20. Januar 2017 1 / 36 1 Einführung 2 3 4 5 2 / 36 Einführung Ziel: vorhandene Datenmenge verstehen Daten komprimieren Bei der Sparse (SPCA) handelt es
Mehr(Fast) Fourier Transformation und ihre Anwendungen
(Fast) Fourier Transformation und ihre Anwendungen Johannes Lülff Universität Münster 14.01.2009 Inhaltsverzeichnis 1 Einführung 2 FFT 3 Anwendungen 4 Beschränkungen 5 Zusammenfassung Definition Fouriertransformation
MehrVerzerrungsfreies System
Verzerrungsfreies System x(n) y(n) n n x(n) h(n) y(n) y(n) A 0 x(n a) A 0 x(n) (n a) h(n) A 0 (n a) H(z) A 0 z a Digitale Signalverarbeitung Liedtke 8.1.1 Erzeugung einer linearen Phase bei beliebigem
Mehr2. Digitale Codierung und Übertragung
2. Digitale Codierung und Übertragung 2.1 Informationstheoretische Grundlagen 2.2 Verlustfreie universelle Kompression 2.3 Digitalisierung, Digitale Medien Ludwig-Maximilians-Universität München, Medieninformatik
Mehr4.1 Grundbegriffe 4.2 Frequenzspektren, Fourier-Transformation 4.3 Abtasttheorem: Eine zweite Sicht 4.4 Filter
4 Signalverarbeitung 4.1 Grundbegriffe 4.2 Frequenzspektren, Fourier-Transformation 4.3 Abtasttheorem: Eine zweite Sicht 4.4 Filter Weiterführende Literatur (z.b.): Beate Meffert, Olaf Hochmuth: Werkzeuge
MehrBildverarbeitung Herbstsemester 2012. Fourier-Transformation
Bildverarbeitung Herbstsemester 2012 Fourier-Transformation 1 Inhalt Fourierreihe Fouriertransformation (FT) Diskrete Fouriertransformation (DFT) DFT in 2D Fourierspektrum interpretieren 2 Lernziele Sie
MehrKanten und Konturen. Industrielle Bildverarbeitung, Vorlesung No M. O. Franz
Kanten und Konturen Industrielle Bildverarbeitung, Vorlesung No. 6 1 M. O. Franz 14.11.2007 1 falls nicht anders vermerkt, sind die Abbildungen entnommen aus Burger & Burge, 2005. Übersicht 1 Kanten und
MehrÜ bung GIT- Teil Nachrichtentechnik, 17.11.2015
Ü bung GIT- Teil Nachrichtentechnik, 17.11.2015 1 OSI Schichtenmodell Systeme der Nachrichtentechnik werden häufig mittels des OSI-Referenzmodells charakterisiert. a) Benennen Sie die Schichten des OSI-Referenzmodells!
MehrAnalysis III. Teil I. Rückblick auf das letzte Semester. Themen aus dem SS Inhalt der letzten Vorlesung aus dem SS.
Analysis III für Studierende der Ingenieurwissenschaften Technische Universität Hamburg-Harburg Reiner Lauterbach Teil I Rückblick auf das letzte Semester Fakultät für Mathematik, Informatik und Naturwissenschaften
MehrSignale und Systeme. A1 A2 A3 Summe
Signale und Systeme - Prof. Dr.-Ing. Thomas Sikora - Name:............................... Vorname:.......................... Matr.Nr:.............................. Ergebnis im Web mit verkürzter Matr.Nr?
MehrComputergraphik 1 2. Teil: Bildverarbeitung. Fouriertransformation Ende FFT, Bildrestauration mit PSF Transformation, Interpolation
Computergraphik 1 2. Teil: Bildverarbeitung Fouriertransformation Ende FFT, Bildrestauration mit PSF Transformation, Interpolation LMU München Medieninformatik Butz/Hoppe Computergrafik 1 SS2009 1 2 Repräsentation
MehrComputergrafik und Bildverarbeitung. Prof. Dr. André Hinkenjann
Computergrafik und Bildverarbeitung Prof. Dr. André Hinkenjann Organisation Literatur The Computer Image Alan Watt, Fabio Policarpo Addison Wesley Digital Image Processing a practical introduction using
MehrLösungsvorschlag zur Modulprüfung Numerische Methoden Sommersemester 2016
Institut für Analysis Prof Dr Michael Plum Lösungsvorschlag zur Modulprüfung Numerische Methoden Sommersemester 0 0090 Aufgabe Punkte: Betrachten Sie das lineare Gleichungssystem Ax = b mit A = 0 und b
MehrObjektorientierte Bildverarbeitung Methodische Grundlagen
ARC GmbH Objektorientierte Bildverarbeitung Methodische Grundlagen Klaus Steinnocher, Florian Kressler klaus.steinnocher@arcs.ac.at Geschäftsfeld Umweltplanung ARC http://www.arcs.ac.at/s 1 ARC GmbH Einleitung!
MehrTechnische Beschreibung der akustischen Signalkette
Technische Beschreibung der akustischen Signalkette Wichtige Aufgabe: Vielfältige Medien Gestaltung akustischer Kommunikationsketten (Sprache, Geräusche, Musik, CD, Radio, mp3,...) Unterschiedlichste Information
MehrDigitalisierung von Tönen. Von Paul
Digitalisierung von Tönen Von Paul Was passiert beim hören Tonquelle erzeugt Schallwellen Alle vibrierende Objekte erzeugen Schallwellen. Durch die Vibration wird das Medium stoßweise verdichtet. Schallwellen
Mehr5. Beispiele - Filter Seite 15
5. Beispiele - Filter Seite 15 5.2 Entwurf digitaler Filter Zur Demonstration eines rekursiv implementierten Tiefpasses (FIR Finite Impulse Response bzw. IIR Infinite Impulse Response) soll dieses Beispiel
MehrTechnik der Fourier-Transformation
Was ist Fourier-Transformation? Fourier- Transformation Zeitabhängiges Signal in s Frequenzabhängiges Signal in 1/s Wozu braucht man das? Wie macht man das? k = 0 Fourier- Reihe f ( t) = Ak cos( ωkt) +
MehrAnmerkung: Falls f(x) nicht ganz glatt ist, sondern nur stückweise stetig differenzierbar ist (d.h. Sprünge hat), gilt (Satz v.
Fourier-Reihen für periodische Funktionen Sei periodisch, mit Periode L: Auch für diesen Fall gilt die Fourier- Reihen-Darstellung (b.3), mit : (b.3) (und stückweise stetig differenzierbar) (c.5) Integral
MehrGRUNDLAGEN DER INFORMATIONSTECHNIK / TEIL BILDVERARBEITUNG. Übungen
GRUNDLAGEN DER INFORMATIONSTECHNIK / TEIL BILDVERARBEITUNG Übungen Otto-von-Guericke-Universität Magdeburg Fakultät für Elektrotechnik und Informationstechnik Institut für Elektronik, Signalverarbeitung
MehrComputergrafik 2: Übung 6. Korrelation im Orts- und Frequenzraum, Filtern im Frequenzraum, Wiener Filter
Computergrafik : Übung 6 Korrelation im Orts- und Frequenzraum, Filtern im Frequenzraum, Wiener Filter Quiz Warum Filtern im Frequenzraum? Ideales Tiefpassfilter? Parameter? Eigenschaften? Butterworth-Filter?
MehrZusammenfassung der 1. Vorlesung
Zusammenfassung der 1. Vorlesung Einordnung und Motivation Grundlegende Definitionen Kontinuierliches Signal Zeitdiskretes Signal Quantisiertes Signal Digitales Signal Kontinuierliches System Abtastsystem
MehrFourierreihen periodischer Funktionen
Fourierreihen periodischer Funktionen periodische Funktion: (3.1) Fourierkoeffizienten und (3.2) (3.3) Fourier-Reihenentwicklungen Cosinus-Reihe: (3.4) (3.5) Exponentialreihe: (3.6) (3.7-3.8) Bestimmung
Mehr2. Digitale Codierung und Übertragung
2. Digitale Codierung und Übertragung 2.1 Informationstheoretische Grundlagen 2.2 Verlustfreie universelle Kompression 2.3 Digitalisierung, Digitale Medien Ludwig-Maximilians-Universität München, Medieninformatik
MehrLineares Gleichungssystem - Vertiefung
Lineares Gleichungssystem - Vertiefung Die Lösung Linearer Gleichungssysteme ist das "Gauß'sche Eliminationsverfahren" gut geeignet - schon erklärt unter Z02. Alternativ kann mit einem Matrixformalismus
MehrDigitale Bildverarbeitung OPTONET Mastertour bei Allied Vision Technologies
Digitale Bildverarbeitung OPTONET Mastertour bei Allied Vision Technologies Technische Universität Ilmenau Fachgebiet Qualitätssicherung Dr.-Ing. Maik Rosenberger 1 Inhalt 1 Grundbegriffe der Bildverarbeitung
MehrTeil IV-A: Signal- und Bildverarbeitung Methoden
Teil IV-A: Signal- und Bildverarbeitung Methoden 1. Aufgaben der Signal- / Bildverarbeitung 2. Elementare Verarbeitungsmethoden 3. 2D Fourier-Transformation und Faltung Aufgaben der Signal- / Bildverarbeitung
MehrImplementierung und Evaluierung von Video Feature Tracking auf moderner Grafik Hardware
Implementierung und Evaluierung von Video Feature Tracking auf moderner Diplomarbeit vorgelegt von Sebastian Heymann Betreut von Prof. Dr. Bernd Fröhlich Bauhaus Universität t Dr. Aljoscha Smolic Fraunhofer
MehrEinführung in die Medieninformatik 1
Einführung in die Medieninformatik 1 Wintersemester 2007/08 Prof. Dr. Rainer Malaka, Digitale Medien Medieninformatik 1 1 Plan (vorläufig) 31.10. Einführung 7.11. Menschen: Wahrnehmung 14.11. Menschen:
MehrRückblick. Dynamische Systeme. Reiner Lauterbach. Fakultät für Mathematik, Informatik und Naturwissenschaften Universität Hamburg
Fakultät für Mathematik, Informatik und Naturwissenschaften Universität Hamburg 5. Vorlesung Ergänzungen 14.05.2012 Satz. Die C [0, 1] ist gegeben durch C = c [0, 1] c = c j 3 j, c j {0, 2}. j=1 Beweis.
MehrInhalte. Photogram. Aufnahmesysteme. HS BO Lab. für Photogrammetrie: Digitalisierung analoger Bilder 1
Inhalte Photogram. Aufnahmesysteme Metrische Kameras (Definition der Inneren Orientierung) Analoge Messkameras Fotografische Aspekte Digitalisierung analoger Bilder Digitale Aufnahmesysteme (Messkameras)
MehrBildverarbeitung und Mustererkennung
Bildverarbeitung und Mustererkennung Prüfung im Modul ET5030 für den Masterstudiengang Systems Design & Production Management Professor Dr.-Ing. Martin Werner Juli 2013 Hinweise zur Bearbeitung der Klausur
MehrBildpunkt auf dem Gitter: Pixel (picture element) (manchmal auch Pel)
4. Digitalisierung und Bildoperationen 4.1 Digitalisierung (Sampling, Abtastung) Rasterung auf 2D-Bildmatrix mathematisch: Abb. einer 2-dim. Bildfunktion mit kontinuierlichem Definitionsbereich auf digitales
MehrFH Jena Prüfungsaufgaben - Master Prof. Giesecke FB ET/IT Digitale Signalverarbeitung SS 2012
FB ET/IT Digitale Signalverarbeitung SS 0 Name, Vorname: Matr.-Nr.: Zugelassene Hilfsmittel: beliebiger Taschenrechner ein mathematisches Formelwerk eine selbsterstellte Formelsammlung Wichtige Hinweise:
MehrGraphische Datenverarbeitung und Bildverarbeitung
Graphische Datenverarbeitung und Bildverarbeitung Hochschule Niederrhein Morphologische Operatoren Graphische DV und BV, Regina Pohle, 5. Morphologische Operatoren Einordnung in die Inhalte der Vorlesung
MehrWiederholungsblatt zur Gruppentheorie
Wiederholungsblatt zur Gruppentheorie von Christian Elsholtz, TU Clausthal, WS 1999/2000 Um Ihnen zu helfen, die Gruppentheorie zu wiederholen, stelle ich hier einige wichtige Beispiele und einige Lösungen
MehrLösungsvorschlag zur 5. Übung zu Multimediale Systeme
Lösungsvorschlag zur 5. Übung zu Multimediale Systeme Dipl. Inf. Günter Robbert Universität Bayreuth Lehrstuhl für Angewandte Informatik I 20.6.2003 Lösungsvorschlag zur 5. Übung 1 AdOculos (1) AdOculos
MehrBildverarbeitung und Mustererkennung
Bildverarbeitung und Mustererkennung Prüfung im Modul ET5100 (Masterstudiengang) Professor Dr.-Ing. Martin Werner Februar 2016 Hinweise zur Bearbeitung der Klausur Die Klausur besteht aus zwei Teilen.
MehrGrundlagen der Schwingungslehre
Grundlagen der Schwingungslehre Einührung. Vorgänge, bei denen eine physikalische Größe in estem zeitlichen Abstand ein und denselben Werteverlau auweist, werden als periodisch bezeichnet. Den zeitlichen
MehrZielbild B. all. Oft verwendet: kubische B-Splines. Bestimmung der Koeffizienten Vorlesung BV&ME
2.2) geometrische Transformationen (CG/BV) 2.2.c) Resamplingproblem ( ) = A(x, y) 1 ( ) = A h { k,l} B k,l Qellbild A Zielbild B y x AT 1 Methodischer Ansatz 2 für das Resampling: Statt der gewichteten
Mehr,Faltung. Heavisidefunktion σ (t), Diracimpuls δ (t) Anwendungen. 1) Rechteckimpuls. 2) Sprungfunktionen. 3) Schaltvorgänge
Heavisidefunktion σ (t), Diracimpuls δ (t),faltung Definition Heavisidefunktion, t > 0 σ ( t) = 0, t < 0 Anwendungen ) Rechteckimpuls, t < T r( t) = = σ ( t + T ) σ ( t T ) 0, t > T 2) Sprungfunktionen,
MehrÜbungen mit dem Applet Kurven in Parameterform
Kurven in Parameterform 1 Übungen mit dem Applet Kurven in Parameterform 1 Ziele des Applets... Wie entsteht eine Kurve in Parameterform?... 3 Kurvenverlauf für ausgewählte x(t) und y(t)... 3 3.1 x(t)
MehrDatenstrukturen & Algorithmen Lösungen zu Blatt 6 FS 14
Eidgenössische Technische Hochschule Zürich Ecole polytechnique fédérale de Zurich Politecnico federale di Zurigo Federal Institute of Technology at Zurich Institut für Theoretische Informatik 2. April
MehrINSTITUT FÜR REGELUNGSTECHNIK
Aufgabe 9: Regler mit schaltendem Stellglied führen auf besonders einfache technische Lösungen. Durch pulsbreitenmoduliertes Schalten mit genügend hoher Frequenz ist auch hier eine angenähert lineare Betriebsweise
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.
Mehr