Globales Formwissen Atlas basierte Segmentierung
|
|
- Nikolas Kopp
- vor 6 Jahren
- Abrufe
Transkript
1
2 Globales Formwissen Atlas basierte Segmentierung Segmentierung in einem Datensatz vorhanden Atlas A(x) Labelbild A L (x) Automatische Übertragung auf Patientendatensatz Patientendatensatz P(x) Segmentierung P L (x) 2 / 66
3 Globales Formwissen Atlas basierte Segmentierung t A(x) P(x) t A L (x) P L (x) 3 / 66
4 Atlas basierte Segmentierung Transformation Transformation des Atlasses: Maximierung eines Ähnlichkeitsmaßes Rigide: Nur Translation und Rotation Affin: Translation, Rotation, Skalierung, Scherung Deformierbar Bildregistrierung 4 / 66
5 Atlas basierte Segmentierung Atlasauswahl Einzelnes Individuum Auswahl des Individuums: Zufall Heuristik (Bildqualität, Durchschnittlichkeit des Individuums, Abwesenheit von Bildartefakten, ) Nur ein Atlas wird benötigt Einfache Atlaserstellung Populärste Atlasauswahlstrategie 5 / 66
6 Atlas basierte Segmentierung Atlasauswahl Bester Atlas Mehrere Atlasse von unterschiedlichen Individuen Anpassung aller Atlasse Auswahl des besten Atlasses Höchste Ähnlichkeit Geringste Deformation 6 / 66
7 Atlas basierte Segmentierung Atlasauswahl Durchschnitts-Form-Atlas Iterative Durchschnittsformbildung 1. Affine Anpassung an beliebigen Datensatz Durchschnittsbild 2. Deformierbare Anpassung an Durchschnittsbild Durchschnittsbild 3. Anpassung des Durchschnitts-Form-Atlasses 7 / 66
8 Atlas basierte Segmentierung Atlasauswahl Multi-Atlas Mehrere Atlasse von unterschiedlichen Individuen Anpassung aller Atlasse jeder Atlas liefert andere Segmentierung Klassifikation z.b. voting 8 / 66
9 Segmentierungsverfahren - Wiederholung Pixelorientiert Schwellwertverfahren (Otsu Verfahren) Regionen & Kantenbasiert Region Growing Split & Merge Kantendetektion & Konturverfolgung Wasserscheidentransformation Graph Cut Lokales Formwissen Snakes Active Contours Radialstrahlen Globales Formwissen Modellbasiert Hough Transformation Mass Spring Models Deformable Surfaces Statistical Shape Models Atlas 9 / 66
10 Pixelorientierte Segmentierungsverfahren Prinzip: Jedem Pixel wird unabhängig eine Klasse zugeordnet Beispiel: Schwellwertverfahren (manuelle oder automatische Schwellwerte (Otsu)) Anwendungsbeispiel: Segmentierung von Strukturen mit hohem Kontrast (z.b. Knochen) Besonderheiten: Einfach, flexibel, schnell Pixelgenau Keine Initialisierung notwendig Fehlende Information über die Lage von Pixeln 10 / 66
11 Regionenbasierte Segmentierungsverfahren Prinzip: Aufteilung des Bildes in maximaler Homogenität Beispiele: Region Growing (Bottom Up) Split & Merge (Top Down) Anwendungsbeispiel: Segmentierung der Lunge Besonderheiten: Information über Nachbarschaft Robustheit bei verrauschten Bildern Keine Verwendung von Modellwissen ( Boundary Leaking) z.t. Startwerte erforderlich (z.b. Seedpunkte) 11 / 66
12 Kantenbasierte Segmentierungsverfahren Prinzip: Finden der Konturen von Objekten Beispiele: Kantendetektion Konturverfolgung Canny Edge Detector Anwendungsbeispiel: Erkennen von Gesichtsformen in Ultraschallbildern Besonderheiten: Nicht Objekte sondern Objektgrenzen werden gefunden Keine Verwendung von Modellwissen ( Boundary Leaking) 12 / 66
13 Regionen & Kantenbasierend Prinzip: Verwendung sowohl von regionorientierten als auch kantenorientierten Vorgehensweisen Beispiele: Wasserscheidentransformation Graph Cut Anwendungsbeispiele: Segmentierung von Zellen aus Mikroskopaufnahmen Interaktive Tumorsegmentierung Besonderheiten: Kann Vorteile von region- und kantenbasierten Segmentierungsverfahren kombinieren 13 / 66
14 Lokales Formwissen Prinzip: Einbeziehung von lokalem Formwissen bei der Anpassung Beispiele: Snakes Active Contours Radialstrahlen Anwendungsbeispiel: Tumorsegmentierung Organsegmentierung Besonderheiten: Gute Segmentierungsergebnisse auch bei kaum sichtbaren Strukturen Großes Formenspekturm möglich, jedoch lokale Einschränkungen (Glattheit ) Startwerte erforderlich, komplex, lange Laufzeit 14 / 66
15 Globales Formwissen Prinzip: Anpassung eines vorgegebenen Modells an konkrete Bilddaten Beispiele: Hough Transformation Mass Spring Models Deformable Surfaces Statistical Shape Models Atlas Anwendungsbeispiel: Organsegmentierung Besonderheiten: Ausgezeichnete Segmentierungsergebnisse auch bei kaum sichtbaren Strukturen Nur ganz bestimmte Formen möglich, globale Einschränkung Kein generisches Verfahren Startwerte erforderlich, komplex, lange Laufzeit 15 / 66
16 Active Contours vs. Deformable Surfaces vs. Statistical Shape Models Deformable Surface Statistical Shape Model Einzelne Referenzform Globales Formwissen Oberflächenrepräsentation Externe Energie (Bildfeatures) Initiale Oberfläche Gelernter Referenzformenraum Lokales Formwissen (Glattheit) Active Contours 16 / 66
17 Segmentierungsverfahren - Fazit Existenz einer großen Anzahl verschiedener Segmentierungsverfahren, und es gilt: 17 / 66
18 Beispiel: Segmentierung der Herzkranzgefäße (Koronararterien) 18 / 66
19 Anatomie des Herzens 19 / 66
20 Koronararterien 20 / 66
21 Koronare Herzkrankheit (KHK) 21 / 66
22 Segmentierung zur Analyse der Koronararterien Segmentierung der Koronararterien zur nachfolgenden Analyse derselbigen Analyse von Koronararterien zur Feststellung von unter Umständen vorliegenden Herz-Kreislauf-Erkrankungen Planung einer notwendigen Operation (bspw. Bypass) Corkscrew-Algorithmus zur Segmentierung der Koronararterien Trackingbasierter Ansatz Simultane Detektion der Gefäßmittellinie und des Gefäßrandes 22 / 66
23 Initialisierung Blau: Startpunkt Gelb: Richtungspunkt Grün: Endpunkt 23 / 66
24 Bildvorverarbeitung 24 / 66
25 Adaptive Seeded Threshold s u = G (1 - t) s o = G (1 + t) Voxel, die einen originalen Grauwert G zwischen s u und s o haben behalten diesen, alle anderen werden auf 0 gesetzt t: Toleranzwert (in Prozent) Definition der Werte erfolgt automatisch auf Basis der initial gesetzten Punkte 25 / 66
26 Adaptive Seeded Threshold Problem: Ausdünnung des Kontrastmittels in den Koronararterien im Bereich der Herzspitze (distaler Bereich) In diesem Bereich des Herzens gelegene Herzkranzgefäße erscheinen deshalb dunkler als diejenigen im Bereich der Aorta Für jede axiale Schicht individuellen unteren und oberen Schwellwert festlegen 26 / 66
27 Adaptive Seeded Threshold Grauwerte, in den Schichten s j, j=1,,k in denen Positionen definiert wurden gelten als Fixwerte In dazwischen liegenden Schichten i, i=1,,n wird der Grauwert G(i) linear interpoliert Wichtungsfaktor w, 0 w 1 ergibt sich aus dem prozentualen Abstand der betrachteten Schicht i von den Schichten j und j+1 27 / 66
28 Adaptive Seeded Threshold Ergebnis der Schwellwertfilterung 28 / 66
29 Bildvorverarbeitung 29 / 66
30 Opening Noch bestehende Verbindungen zwischen den Ventrikel und den Koronararterien sollen entfernt werden 30 / 66
31 Opening Bereiche harter Arterienverkalkung (Hard Plaques) korrekt behandeln 31 / 66
32 Initiale Pfadsuche Suche nach Gefäßrand Richtungen parallel zur x-, y- und z-achse werden zyklisch durchlaufen Gelb: Haltepunkte Türkis: Schwerpunkt aus jeweils drei aufeinanderfolgenden Haltepunkten Gefäßmittellinie ergibt sich in erster Näherung aus den Schwerpunkten Schwerpunkte dienen als Stützpunkte für B-Spline Generierung 32 / 66
33 Iterative Korrektur und Randdetektion Resampling der Pfadpositionen (äquidistante Anordnung) Ausgehende von aktueller Pfadposition aussenden von radialen Suchstrahlen zur Detektion der Randpunkte Korrektur der Pfadposition als Schwerpunkt der detektierten Randpunkte Iteration über vorhergehende Schritte 33 / 66
34 Ergebnis Kurve, die die Gefäßmittellinie beschreibt Liste von Punkten, die den Gefäßrand approximiert Aus berechneten Randpunkten Dreiecksgitter erzeugen 34 / 66
35 Weiteres Problem Äußere Strukturen stören die Sicht auf das Herz und die Koronararterien 35 / 66
36 Beispiel: Segmentierung des Herzens 36 / 66
37 Motivation Durch Extraktion des Herzens werden Strukturen, die die Sicht auf das Herz stören ausgeblendet Resultat: Störungsfreie dreidimensionale Sicht auf das Herz CT Datensatz vom Thorax Manuell gecropptes Herz 37 / 66
38 Hounsfield-Skala Feste Zuordnung von anatomischen Strukturen zu Grauwertbereichen 38 / 66
39 A priori Wissen Entlang der Oberfläche des Herzens treten unterschiedliche Grauwertübergänge auf: 1: Übergang zum Brustbein 2: Übergang zur Aorta und Wirbelsäule 3: Übergang zum umliegenden Gewebe Übergang zwischen Herzgewebe und Zwerchfell ist schwer zu erkennen 39 / 66
40 Lösungsidee Die Segmentierung des Herzens erfolgt durch Kombination aus: einem automatischen Schwellwert-Verfahren (Otsu-Verfahren), um den Datensatz vorzusegmentieren und einem anschließenden Suchstrahl-Verfahren zur Detektion der äußeren Herzbegrenzung 40 / 66
41 Ergebnis des Otsu-Verfahrens Originaldatensatz wurde in 3 Graustufen unterteilt Berechnung des Schwerpunktes über die beiden hellsten Otsu- Labels Berechnete Schwerpunkt liegt im Herzen Dadurch Ausgangspunkt für Suchstrahlen 41 / 66
42 Segmentierung des Herzens Berechnung der Suchstrahlen Korrekturen an der Aorta Korrekturen am Brustbein Erzeugung der Kontur Füllen der Kontur 42 / 66
43 Berechnung der Suchstrahlen Ausgehend vom Schwerpunkt werden n (Default-Wert: 60) radiale Strahlen in die axiale Schicht ausgesendet Abbruchkriterium: Grauwert 0 oder 1 und minimale Strahllänge überschritten Bildrand erreicht 43 / 66
44 Korrektur des Schwerpunktes Nach der ersten Suchstahlberechnung wird der Schwerpunkt korrigiert Er wird erneut berechnet, diesmal über die Endpunkte der berechneten Suchstrahlen Der Schwerpunkt fällt mittig ins Herz Von diesem Schwerpunkt berechnet man erneut die Suchstrahlen, die die Übergänge des Herzens zum umliegenden Gewebe finden 44 / 66
45 Korrekturen an der Aorta Die zu langen Strahlen werden durch radiale Interpolation korrigiert 45 / 66
46 Korrekturen am Brustbein Radiale Interpolation Lineare Interpolation 46 / 66
47 Korrekturen am Brustbein Strahlendpunkte wurden durch Gewichtung aus 40% radialer und 60% linearer Interpolation korrigiert 47 / 66
48 Erzeugung der Kontur Endpunkte der Strahlen werden miteinander verbunden, indem der Richtungsvektor zwischen je zwei Endpunkten berechnet wird Damit die Kontur sicher geschlossen ist wird nicht nur der Punkt selbst, sondern seine 4er-Nachbarschaft gesetzt 48 / 66
49 Füllen der Kontur 49 / 66
50 Segmentierungsergebnisse 50 / 66
51 Anwendung: Segmentierung der rechten Koronararterie 51 / 66
52 Beispiel: Segmentierung des Linken Ventrikels (LV) aus MRT-Kurzachsenaufnahmen 52 / 66
53 Sequenz von MRT-Kurzachsenaufnahmen 53 / 66
54 Motivation Ischämie: Unterversorgung des Herzmuskels mit Blut Bewegungsstörungen der Herzwand Wandbewegungsstörungen lassen sich durch Analyse dynamischer Bilddaten, die über einen Herzzyklus aufgenommen wurden, erkennen (Lage und Ausmaß) Daraus Ableitung der Myokardfunktion Analyse der Myokardfunktion (d.h. die Dynamik des LV) erfordert eine Segmentierung des LV 54 / 66
55 Schritte für die Segmentierung des LV aus MRT-Kurzachsenaufnahmen 55 / 66
56 Ausrichtung der Bilddaten Rot: Mittelpunkt des linken Ventrikels Gelb: gleicher Abstand zwischen max. Anterior- und max. Inferiorposition an der das rechte Ventrikel das Myokard berührt Befinden sich die beiden Punkte auf einer Horizontalen sind die Kurzachsenaufnahmen entsprechend den Vorgaben der AHA orientiert 56 / 66
57 Grauwertbasierte Voxelklassifikation Ziel: optimale Separierung von linkem Ventrikel und umgebenden Myokardbereich Otsu Verfahren zur automatischen Schwellwertbestimmung Binarisierung der Bilddaten (Ventrikel: Wert 1, direkte Umgebung: Wert 0) 57 / 66
58 Detektion der Mitralklappenebene Linksventrikuläre Ausflußtrakt (LVOT) in Mitralklappenebene: obere Begrenzung des LV LVOT als Weitung des vorwiegend kreisförmigen LV zu erkennen (Mitte) Vom zuvor gesetzten Mittelpunkt des LV radiales Suchstrahlmuster zur Untersuchung der Form aussenden Letzte unter LVOT liegende Schicht wird noch dem LV zugeordnet (Links) 58 / 66
59 Schichtweise Maskierung der Bilddaten Circular Masking: Binärbild wird schicht für Schicht maskiert Detektion des Endokardrandes mittels radialer Suchstrahlen Nach Ausreißerkorrektur wird Kreis definiert, der das Endokard komplett enthält 59 / 66
60 Zusammenhangsanalyse Es kann passieren, dass einige nicht zum Endokard gehörende Punkte auch noch den Wert 1 besitzen Durchführung einer Zusammenhangsanalyse Binäres Region Growing 60 / 66
61 Ergebnis 61 / 66
62 Evaluation von Segmentierungsergebnissen Vergleich zu Phantom Softwarephantom: Künstlich erstellter Datensatz Hardwarephantom: Physisches Modell Vergleich von Segmentierungsergebnis zur Referenzsegmentierung Referenzsegmentierung: Goldstandard oder Ground Truth Manuelle Segmentierung durch Experten Intraobservervariabilität: Unterschied verschiedener Segmentierungen des selben Experten Interobservervariablität: Unterschied der Segmentierungen verschiedener Experten Große Variabilität Schwieriges Segmentierungsproblem 62 / 66
63 Vergleich von Segmentierungsergebnissen auf Oberflächen Mittlerer Oberflächenabstand d(k, L) = 1 n l=1 n min k=1,..,m K k L(l) Mittlerer symmetrischer Oberflächenabstand s K, L = d K, L + d L, K 2 63 / 66
64 Vergleich von Segmentierungsergebnissen auf Oberflächen Oberflächenabstand d(k, L) = max l=1,..,n min k=1,..,m K k L(l) Maximaler symmetrischer Oberflächenabstand (Hausdorff-Distanz) h(k, L) = max(d K, L, d L, K ) 64 / 66
65 Evaluation von Segmentierungsergebnissen auf Pixelmengen Dicekoeffizient C Dice = 2 P Q P + Q Jacardkoeffizient C Jacard = P Q P Q 65 / 66
Stefan Wesarg. Kardiologie Von der Bildgebung zur Diagnose. Graphisch-Interaktive Systeme (GRIS) Technische Universität Darmstadt
Kardiologie Von der Bildgebung zur Diagnose Stefan Wesarg Graphisch-Interaktive Systeme (GRIS) Technische Universität Darmstadt Fraunhoferstraße 5 64283 Darmstadt http://www.gris.informatik.tu-darmstadt.de
MehrTeil II. Visualisierung und Analyse kardiologischer Bilddaten
Teil II Visualisierung und Analyse kardiologischer Bilddaten 57 Kapitel 5 Visualisierung von Kardio-CT-Daten Es ist doch wohl ungezweifelt gewiß, daß durch bloßes empirisches Herumtappen ohne ein leitendes
MehrErstellung eines anatomischen Templates zur Zielvolumendefinition der Zervixregion für die Bestrahlungsplanung
Erstellung eines anatomischen Templates zur Zielvolumendefinition der Zervixregion für die Bestrahlungsplanung Detlef Richter 1, Soulimane Abdellaoui 1,2, Faisel Bekkaoui 1,2 Karsten Berthold 1,2 und Gerd
MehrRouting Algorithmen. Begriffe, Definitionen
Begriffe, Definitionen Routing (aus der Informatik) Wegewahl oder Verkehrslenkung bezeichnet in der Telekommunikation das Festlegen von Wegen für Nachrichtenströme bei der Nachrichtenübermittlung über
MehrVerbesserte Visualisierung der Koronararterien in MSCT-Daten mit direkter Vergleichbarkeit zur Angiographie
Verbesserte Visualisierung der Koronararterien in MSCT-Daten mit direkter Vergleichbarkeit zur Angiographie Christina Lacalli 1, Marion Jähne 2, Stefan Wesarg 2 1 Abteilung Cognitive Computing & Medical
MehrVollautomatische Segmentierung der Prostata aus 3D-Ultraschallbildern
Vollautomatische Segmentierung der Prostata aus 3D-Ultraschallbildern Tobias Heimann, Tobias Simpfendörfer, Matthias Baumhauer, Hans-Peter Meinzer Abteilung für Medizinische und Biologische Informatik,
Mehr3D-Lungenlappen- Segmentierung mit der IWT
3D-Lungenlappen- Segmentierung mit der IWT Daniel Stöbel 8..7 Gliederung. Anatomie der Lunge. Motivation / Ziel 3. Maskierung der Lunge 4. Lungenlappensegmentierung. Gefäßsegmentierung. Distanzbild 3.
MehrProgrammierpraktikum WS 16/17
Programmierpraktikum in Rasterbildern Fakultät für Mathematik und Informatik Datenbanksysteme für neue Anwendungen FernUniversität in Hagen 8.Oktober 2016 c 2016 FernUniversität in Hagen Übersicht 1 Raster-
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
MehrDebayeringverfahren. 19. Mai Thomas Noack, Nikolai Kosjar. SE Computational Photography - Debayeringverfahren
Debayeringverfahren Thomas Noack, Nikolai Kosjar 19. Mai 2010 Was bisher geschah... Reduktion der Herstellungskosten durch Einsatz von nur noch einem CCD-Sensor mit Bayer-Filter Problem: Bayer Image Full
MehrEin Softwarepaket für die modellbasierte Segmentierung anatomischer Strukturen
Ein Softwarepaket für die modellbasierte Segmentierung anatomischer Strukturen Thomas Lange 1, Hans Lamecker 2 und Martin Seebaß 2 1 Robert Rössle Klinik, Charité, 13125 Berlin 2 Zuse Institut Berlin (ZIB),
MehrTriangulierung von einfachen Polygonen
Triangulierung von einfachen Polygonen Tobias Kyrion Inhaltsverzeichnis 1.1 Die Problemstellung....................... 1 2.1 Ein naiver Algorithmus...................... 2 3.1 Zerlegung in monotone Teilpolygone..............
MehrUltraschallbasierte Navigation
Ultraschallbasierte Navigation für die minimalinvasive onkologische Nieren- und Leberchirurgie vom Fachbereich Informatik der Technischen Universität Darmstadt genehmigte DISSERTATION zur Erlangung des
MehrVisualisierungstechniken für Thorax-CT Daten
Visualisierungstechniken für Thorax-CT Daten Volker Dicken, Jan-Martin Kuhnigk,, Stefan Krass, Heinz-Otto Peitgen MeVis Bremen Aufgabenbereich Befundung von Lungenrundherden:! Sichtbarkeit kleiner Rundherde
MehrVolumen Visualisierung
Volumen Visualisierung Seminar Interaktive Visualisierung (WS 06/07) Fabian Spiegel und Christian Meß Fabian Spiegel und Christian Meß 1 Übersicht Anwendungsbeispiele Volumendaten Entstehung Repräsentation
MehrMorphologische Filter. Vorlesung FH-Hagenberg DSB
Morphologische Filter Vorlesung FH-Hagenberg DSB Mathematische Morphologie Binäre Morphologie Strukturelement Grundlegende Operatoren Erosion, Dilation Abgeleitete Operatoren Open, close Grauwert-Morphologie
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
MehrAnwendungen des Fréchet-Abstandes Das Constrained Free Space Diagram zur Analyse von Körperbewegungen
Anwendungen des Fréchet-Abstandes Das Constrained Free Space Diagram zur Analyse von Körperbewegungen David Knötel Freie Universität Berlin, Institut für Informatik Seminar über Algorithmen Leitfaden Wiederholung
Mehr5. Clusteranalyse. Lernziele: Grundlegende Algorithmen der Clusteranalyse kennen, ihre Eigenschaften
5. Clusteranalyse Lernziele: Grundlegende Algorithmen der Clusteranalyse kennen, ihre Eigenschaften benennen und anwenden können, einen Test auf das Vorhandensein einer Clusterstruktur kennen, verschiedene
MehrTriangulierung von einfachen Polygonen
Triangulierung von einfachen Polygonen - Seminarvortrag von Tobias Kyrion - Inhalt: 1.1 Die Problemstellung Quellenangabe 1.1 Die Problemstellung Definition Polygon: endlich viele paarweise verschiedene
MehrRegistrierung I
05.12.07 Vorlesungsübersicht 17.10.07 Einführung 24.10.07 Röntgen 31.10.07 CT 07.11.07 MR 14.11.07 Ultraschall 21.11.07 Nuklearmedizin 28.11.07 Bildverbesserung 05.12.07 12.12.07 I 19.12.07 Segmentierung
MehrMesstechnik und Modellierung in der Kardiologie
Messtechnik und Modellierung in der Kardiologie Bildgebende Systeme Visible Human Project Gliederung Wiederholung Anatomie des Herzens makroskopisch mikroskopisch Bildgebende Verfahren Visible Human Project
MehrSegmentierung von Faserstrukturen in tomographischen Aufnahmen. Workshop Analyse der Mikrostruktur von Faserverbundwerkstoffen in Volumenbildern
Segmentierung von Faserstrukturen in tomographischen Aufnahmen Workshop Analyse der Mikrostruktur von Faserverbundwerkstoffen in Volumenbildern Oliver Wirjadi Frankfurt, 7.03.007 Bildquelle: Institut für
MehrSegmentierung pleuraständiger Lungenrundherde in CT-Bildern mittels Ellipsoidapproximation
Segmentierung pleuraständiger Lungenrundherde in CT-Bildern mittels Ellipsoidapproximation Jan Hendrik Moltz, Jan-Martin Kuhnigk, Lars Bornemann, Heinz-Otto Peitgen MeVis Research GmbH Center for Medical
MehrSegmentierung von Bilddaten
Segmentierung von Bilddaten Hendrik Horn und Jörgen Kosche 3. Juni 2004 Seminarvortrag Seminar: Effiziente Darstellung von Daten Dozent: Oliver Boldt 1 Inhaltsverzeichnis 1 Einführung 3 2 Definition 5
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
MehrMorphologie auf Binärbildern
Morphologie auf Binärbildern WS07 5.1 Konen, Zielke WS07 5.2 Konen, Zielke Motivation Aufgabe: Objekte zählen Probleme: "Salt-&-Pepper"-Rauschen erzeugt falsche Objekte Verschmelzen richtiger Objekte durch
MehrÜbersicht der Vorlesung
Übersicht der Vorlesung. Einführung. Bildverarbeitung. Morphologische Operationen 4. Bildsegmentierung 5. Merkmale von Objekten 6. Klassifikation 7. Dreidimensionale Bildinterpretation 8. Bewegungsanalyse
Mehr'Visual Hull' mit Hilfe von Spiegeln
'Visual Hull' mit Hilfe von Spiegeln hwww.dip.ee.uct.ac.za/~kforbes/doublemirror/doublemirror.html Dreidimensionales Computersehen Dr.-Ing. Simon Winkelbach www.rob.cs.tu-bs.de/teaching/courses/cs 1 Zur
MehrPolynome im Einsatz: Bézier-Kurven im CAD
Polynome im Einsatz: Bézier-Kurven im CAD Dipl.-Inform. Wolfgang Globke Institut für Algebra und Geometrie Arbeitsgruppe Differentialgeometrie Universität Karlsruhe 1 / 25 Kurven im Raum Eine Kurve im
MehrWas bisher geschah. 1. Zerlegung in monotone Polygone 2. Triangulierung der monotonen Teilpolygone
Was bisher geschah Motivation, Beispiele geometrische Objekte im R 2 : Punkt, Gerade, Halbebene, Strecke, Polygon, ebene Zerlegung in Regionen (planare Graphen) maschinelle Repräsentation geometrischer
MehrBildgebende Systeme in der Medizin
10/27/2011 Page 1 Hochschule Mannheim Bildgebende Systeme in der Medizin Computer-Tomographie Faculty of Medicine Mannheim University of Heidelberg Theodor-Kutzer-Ufer 1-3 D-68167 Mannheim, Germany Friedrich.Wetterling@MedMa.Uni-Heidelberg.de
MehrGrundlagen: Bildbearbeitung / Objekterkennung. Julia Peterwitz zum Seminar: Videobasierte Erkennung und Analyse menschlicher Aktionen
Grundlagen: Bildbearbeitung / Objekterkennung Julia Peterwitz zum Seminar: Videobasierte Erkennung und Analyse menschlicher Aktionen Videoerkennung! Warum? Live-Übertragung von Veranstaltungen Überwachung
MehrGrundlagen der Computer-Tomographie
Grundlagen der Computer-Tomographie Quellenangabe Die folgenden Folien sind zum Teil dem Übersichtsvortrag: imbie.meb.uni-bonn.de/epileptologie/staff/lehnertz/ct1.pdf entnommen. Als Quelle für die mathematischen
MehrRekonstruktion 3D-Datensätze
Rekonstruktion 3D-Datensätze Messung von 2D Projektionsdaten von einer 3D Aktivitätsverteilung Bekannt sind: räumliche Anordnung der Detektoren/Projektionsflächen ->Ziel: Bestimmung der 3D-Aktivitätsverteilung
MehrFrank Schlüter, Techniker Krankenkasse Gerd Wütherich, Freiberuflicher Softwarearchitekt. Enterprise OSGi im wahren Leben: ein Migrationsbericht
Frank Schlüter, Techniker Krankenkasse Gerd Wütherich, Freiberuflicher Softwarearchitekt Enterprise OSGi im wahren Leben: ein Migrationsbericht Fahrplan Die Ausgangssituation Das Projekt TKeasy» 3 Schicht
MehrKapitel 9. Zusammenfassung
Kapitel 9 Zusammenfassung Medizinische Navigationssysteme verbessern die räumliche Orientierung von Chirurgen während Operationen. Eine Vielzahl von Navigationssystemen basieren auf der Registrierung von
MehrBildtransformationen. Geometrische Transformationen Grauwert-Interpolation
Bildtransformationen Geometrische Transformationen Grauwert-Interpolation Transformation Transformation zwei Schritte geometrische Transformation (Trafo der Koordinaten) Neuberechnung der Pielwerte an
MehrSegmentierung des Femurs aus MRT-Daten mit Shape-Based Level-Sets
Segmentierung des Femurs aus MRT-Daten mit Shape-Based Level-Sets Claudia Dekomien 1, Martin Busch 2, Wolfram Teske 3, Susanne Winter 1 1 Institut für Neuroinformatik, Ruhr-Universität Bochum, 44780 Bochum,
MehrObjektsegmentierung von kompaktem Schüttgut für die technische Erkennung
Objektsegmentierung von kompaktem Schüttgut für die technische Erkennung Dissertation zur Erlangung des akademischen Grades Doktoringenieur (Dr.-Ing.) vorgelegt der Fakultät für Maschinenbau der Technischen
MehrKlassifikation von Standardebenen in der 2D-Echokardiographie mittels 2D-3D-Bildregistrierung
Klassifikation von Standardebenen in der 2D-Echokardiographie mittels 2D-3D-Bildregistrierung Christoph Bergmeir 1, Navneeth Subramanian 1 1 GE Global Research, Bangalore, India navneeth.s@ge.com Kurzfassung.
MehrINTELLIGENTE DATENANALYSE IN MATLAB
INTELLIGENTE DATENANALYSE IN MATLAB Bildanalyse Literatur David A. Forsyth: Computer Vision i A Modern Approach. Mark S. Nixon und Alberto S. Aguado: Feature Extraction and Image Processing. Ulrich Schwanecke:
MehrSeminar. Visual Computing. Poisson Surface Reconstruction. Peter Hagemann Andreas Meyer. Peter Eisert: Visual Computing SS 11.
Poisson Surface Reconstruction Peter Hagemann Andreas Meyer Seminar 1 Peter Eisert: SS 11 Motivation Zur 3D Darstellung von Objekten werden meist Scan-Daten erstellt Erstellung eines Dreieckmodells aus
MehrMorphologische Bildverarbeitung II
FAKULTÄT FÜR MATHEMATIK UNIVERSITÄT ULM ABT. STOCHASTIK ABT. ANGEWANDTE INFORMATIONSVERARBEITUNG Seminar Simulation und Bildanalyse mit Java Morphologische Bildverarbeitung II BETREUER: JOHANNES MAYER
MehrAllgemeine Ziele: Verbesserung des subjektiv visuellen Eindrucks Vereinfachung nachfolgender Verarbeitungsschritte
Kapitel 2 Grundlagen p. 12/18 Vorverarbeitung Bildvorverarbeitung: i.a. eine Bildtransformation: I(r, c) I (r, c), bei der das Ergebnis wieder ein Bild ist der Informationsgehalt des Bildes im Hinblick
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
MehrDas Werkzeug Verschieben/Kopieren wird über die Symbolleiste oder im Pull-Down- Menü Tools > Verschieben (Mac: Tools > Verschieben) aktiviert.
92 Einfach SketchUp Die Bearbeitungswerkzeuge In den Kapiteln zuvor haben Sie gelernt, wie Sie mit den Zeichnungswerkzeugen die in SketchUp TM vorhandenen Grundformen (Rechteck, Kreis, Bogen, Linie und
MehrBildsegmentierung mit Level Sets
Bildsegmentierung mit Level Sets Seminar Bildsegmentierung und Computer Vision im Wintersemester 2005 Übersicht 1 Übersicht 2 Definitionen Ausbreitungsgeschwindigkeit Übersicht 3 Inter-Frame-basierte Modellierung
Mehr(7) Normal Mapping. Vorlesung Computergraphik II S. Müller. Dank an Stefan Rilling U N I V E R S I T Ä T KOBLENZ LANDAU
(7) Normal Mapping Vorlesung Computergraphik II S. Müller Dank an Stefan Rilling Einleitung Die Welt ist voller Details Viele Details treten in Form von Oberflächendetails auf S. Müller - 3 - Darstellung
MehrComputerunterstützte Prothesenkonstruktion mittels statistischen Formmodells bei Beckenresektionen
Computerunterstützte Prothesenkonstruktion mittels statistischen Formmodells bei Beckenresektionen Thomas Lange 1, Per-Ulf Tunn 1, Hans Lamecker 2, Peter Scheinemann 3, Sebastian Eulenstein 1 und Peter-Michael
MehrInteraktives, echtzeitnahes Morphen verschiedenartiger Bildfolgen
Interaktives, echtzeitnahes Morphen verschiedenartiger Bildfolgen André Viergutz 1 Inhalt Motivation und Grundlagen Registrierung mittels Optischem Fluss Vorverarbeitung der Bilder Synthese der Verarbeitungsschritte
MehrTechnische Universität Berlin Fakultät II Institut für Mathematik SS 13 G. Bärwolff, C. Mehl, G. Penn-Karras
Technische Universität Berlin Fakultät II Institut für Mathematik SS 3 G. Bärwolff, C. Mehl, G. Penn-Karras 9..3 Oktober Klausur Analysis II für Ingenieure Rechenteil. Aufgabe Punkte i) Wir berechnen zunächst
MehrBildmerkmalssuche. Seminar Computational Photography. Visual Computing Department of Computer Science
Bildmerkmalssuche Seminar Computational Photography EINFÜHRUNG 2 Einführung Bildmerkmalssuche: sehr wichtiges Thema des künstlichen Sehens Erkennen von Objekten auf dem Bild oder in einer Bildsequenz anhand
MehrAnwendungen der Differentialrechnung
KAPITEL 5 Anwendungen der Differentialrechnung 5.1 Maxima und Minima einer Funktion......................... 80 5.2 Mittelwertsatz.................................... 82 5.3 Kurvendiskussion..................................
MehrLehrveranstaltung Fernerkundung. Mod. 1 p. 1. Typische Schritte in einem Fernerkundungsprojekt. Bildgeometrie. Vorlesungs- und Übungsplan SS 2010
Lehrveranstaltung Fernerkundung Vorlesungs- und Übungsplan 07.04.10 Einführung, Strahlung, Sensoren 14.04.10 Digitale Bilder, Bildstatistik& Kontraststreckung 21.04.10 Bild Verbesserung & Indexe 28.05.10
MehrHSV. Problem: RGB & CMY sind sehr unintuitiv Menschliche Farbspezifikation arbeitet eher mit
HSV [Alvy Ray Smith, 978]! Problem: RB & MY sind sehr unintuitiv Menschliche Farbspezifikation arbeitet eher mit tints white grey shades "Farbton" (rot, gelb, grün-blau, ) "Reinheit" ("satte Farbe", "pastell-
MehrGestenerkennung. Yannick Jonetzko Yannick Jonetzko
30.04.2015 Inhalt Motivation Definition Geste Historie / Anwendungsbereiche Arten der Funktionsweise anhand eines Papers Alternativen Fazit Seite 2 Motivation Human Computer Interaction Gesten sind in
Mehrf(x) = 1 5 ex c Roolfs
Krümmung Die lineare Näherung von Funktionen durch Geraden (Tangenten) bildet die Grundlage der Differentialrechnung. Quadratische Näherungen durch Parabeln werden bei Reihenentwicklungen betrachtet. Durch
MehrEvaluierung von 3D Segmentierungsapplikationen sowie Entwicklung und Implementierung einer Segmentierungsmethode für den Voxel-Man Chirurgie-Simulator
Masterarbeit Evaluierung von 3D Segmentierungsapplikationen sowie Entwicklung und Implementierung einer Segmentierungsmethode für den Voxel-Man Chirurgie-Simulator Teresa Schiffner (Fachrichtung Medizintechnik)
MehrKapitel 2: Mathematische Grundlagen
[ Computeranimation ] Kapitel 2: Mathematische Grundlagen Prof. Dr. Stefan M. Grünvogel stefan.gruenvogel@fh-koeln.de Institut für Medien- und Phototechnik Fachhochschule Köln 2. Mathematische Grundlagen
MehrRotation. Versuch: Inhaltsverzeichnis. Fachrichtung Physik. Erstellt: U. Escher A. Schwab Aktualisiert: am 29. 03. 2010. Physikalisches Grundpraktikum
Fachrichtung Physik Physikalisches Grundpraktikum Versuch: RO Erstellt: U. Escher A. Schwab Aktualisiert: am 29. 03. 2010 Rotation Inhaltsverzeichnis 1 Aufgabenstellung 2 2 Allgemeine Grundlagen 2 2.1
MehrRechnen mit Vektoren. 1. Vektoren im Koordinatensystem Freie Vektoren in der Ebene
Rechnen mit 1. im Koordinatensystem 1.1. Freie in der Ebene 1) Definition Ein Vektor... Zwei sind gleich, wenn... 2) Das ebene Koordinatensystem Wir legen den Koordinatenursprung fest, ferner zwei zueinander
MehrÜbung: Abhängigkeiten
Übung: Abhängigkeiten Befehle: Linie, Abhängigkeiten, Kreis, Drehung Vorgehen Erstellen Sie ein neues Bauteil. Projizieren Sie die X-Achse und die Y-Achse als Bezug zum Koordinatensystem. Klicken Sie auf
MehrOptische Systeme (5. Vorlesung)
5.1 Optische Systeme (5. Vorlesung) Yousef Nazirizadeh 20.11.2006 Universität Karlsruhe (TH) Inhalte der Vorlesung 5.2 1. Grundlagen der Wellenoptik 2. Abbildende optische Systeme 2.1 Lupe / Mikroskop
MehrTechnische Universität Wien Institut für Computergraphik und Algorithmen Arbeitsbereich für Algorithmen und Datenstrukturen
Technische Universität Wien Institut für Computergraphik und Algorithmen Arbeitsbereich für Algorithmen und Datenstrukturen 186.172 Algorithmen und Datenstrukturen 1 VL 4.0 Übungsblatt 4 für die Übung
MehrEinführung in die Integralrechnung. Mag. Mone Denninger 13. November 2005
Einführung in die Integralrechnung Mag. Mone Denninger. November 5 INHALTSVERZEICHNIS 8. Klasse Inhaltsverzeichnis Einleitung Berechnung einfacher Stammfunktionen. Integrationsregeln.........................
Mehr4. Kreis- und Wegeprobleme Abstände in Graphen
4. Kreis- und Wegeprobleme Abstände in Graphen Abstände in Graphen Definition 4.4. Es sei G = (V,E) ein Graph. Der Abstand d(v,w) zweier Knoten v,w V ist die minimale Länge eines Weges von v nach w. Falls
MehrMotivation. Themenblock: Klassifikation. Binäre Entscheidungsbäume. Ansätze. Praktikum: Data Warehousing und Data Mining.
Motivation Themenblock: Klassifikation Praktikum: Data Warehousing und Data Mining Ziel Item hat mehrere Attribute Anhand von n Attributen wird (n+)-tes vorhergesagt. Zusätzliches Attribut erst später
MehrMathematik - Arbeitsblatt Lineare Funktionen
Mathematik - Arbeitsblatt Lineare Funktionen 1.(a) Welche der drei roten Graphen gehört zur Funktion == +5? Wie lautet die Funktionsgleichung des blauen Graphen? Bestimme rechnerisch die Nullstelle des
MehrÜber die Bedeutung der zwei Zahlen m und x 1 für das Aussehen des Graphen wird an anderer Stelle informiert.
Lineare Funktionen - Term - Grundwissen Woran erkennt man, ob ein Funktionsterm zu einer Linearen Funktion gehört? oder Wie kann der Funktionsterm einer Linearen Funktion aussehen? Der Funktionsterm einer
MehrAutomatische Segmentierung der zerebralen Gefäße aus 3D-TOF-MRA-Bildsequenzen mittels Fuzzy-Methoden
Automatische Segmentierung der zerebralen Gefäße aus 3D-TOF-MRA-Bildsequenzen mittels Fuzzy-Methoden Nils Daniel Forkert 1, Dennis Säring 1, Karolin Wenzel 2, Jens Fiehler 2, Till Illies 2, Dietmar Möller
MehrVerbesserungsheuristiken
Verbesserungsheuristiken Bestandteile der Lokalen Suche Für schwierige Optimierungsaufgaben haben Verbesserungsheuristiken eine große praktische Bedeutung. Sie starten mit Ausgangslösungen, die von z.b.
MehrJ. Reinier van Kampenhout Robert Hilbrich Hans-Joachim Goltz. Workshop Echtzeit Fraunhofer FIRST
Modellbasierte Generierung von statischen Schedules für sicherheitskritische, eingebettete Systeme mit Multicore Prozessoren und harten Echtzeitanforderungen J. Reinier van Kampenhout Robert Hilbrich Hans-Joachim
Mehrcomputer graphics & visualization
Entwicklung und Implementierung echtzeitfähiger Verfahren zur Darstellung von reflektierenden Objekten auf GPUs echtzeitfähiger Verfahren zur Darstellung von reflektierenden Objekten auf GPUs Motivation
MehrAlgorithmen II Vorlesung am
Algorithmen II Vorlesung am 0..0 Minimale Schnitte in Graphen INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmen nationales Forschungszentrum
MehrBildgestützte Quantifizierung von Aneurysmareperfusion zur Beurteilung des Behandlungserfolges von Coil-Therapien
Bildgestützte Quantifizierung von Aneurysmareperfusion zur Beurteilung des Behandlungserfolges von Coil-Therapien Nils Daniel Forkert 1, Thorsten Ries 2, Jens Fiehler 2, Karl Wegscheider 3, Heinz Handels
Mehr6.2 Scan-Konvertierung (Scan Conversion)
6.2 Scan-Konvertierung (Scan Conversion) Scan-Konvertierung ist die Rasterung von einfachen Objekten (Geraden, Kreisen, Kurven). Als Ausgabemedium dient meist der Bildschirm, der aus einem Pixelraster
MehrReconstruction and simplification of surfaces from contoures
CG Seminar Reconstruction and simplification of surfaces from contoures Nach Klein, Schilling und Straßer Referent Thomas Kowalski Anfangssituation - Punktdaten Das zu rekonstruierende Objekt besteht aus
MehrVoraussetzung wieder: Datenraum mit Instanzen, mehrere Attribute - kein ausgezeichnetes Zielattribut, keine vorgegebenen Klassen
7. Clusteranalyse (= Häufungsanalyse; Clustering-Verfahren) wird der multivariaten Statistik zugeordnet Voraussetzung wieder: Datenraum mit Instanzen, mehrere Attribute - kein ausgezeichnetes Zielattribut,
MehrEin Structure and Motion Ansatz zur Umfeldrekonstruktion in komplexen Fahrzeugumgebungen
Sicherheit durch Fahrerassistenz 2010 Ein Structure and Motion Ansatz zur Umfeldrekonstruktion in komplexen Fahrzeugumgebungen Wojciech Derendarz, Thorsten Graf Volkswagen AG Friedrich M. Wahl TU Braunschweig,
Mehr63. Folgende Aussagen zu den Herzklappen sind richtig:
63. Folgende Aussagen zu den Herzklappen sind richtig: 1. Die Herzklappen hindern das Blut am Zurückströmen (Ventilfunktion). 2. Die Mitralklappe liegt zwischen linkem Vorhof und rechter Kammer. 3. Die
MehrInhaltsbasierte Bildsuche. Matthias Spiller. 17. Dezember 2004
Kantenbasierte Merkmale für die Bildsuche Inhaltsbasierte Bildsuche Matthias Spiller 17. Dezember 2004 Übersicht Übersicht Einleitung Was sind Kanten? Kantenrichtungs Histogramm Der Canny-Algorithmus Feature-Erzeugung
MehrImplizite Modellierung zur Objekterkennung in der Fernerkundung
Implizite Modellierung zur Objekterkennung in der Fernerkundung Mitarbeiterseminar 20.01.2011 (IPF) Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften KIT Universität des Landes Baden-Württemberg
MehrRegionen in Binärbildern
Regionen in Binärbildern Industrielle Bildverarbeitung, Vorlesung No. 9 1 M. O. Franz 05.12.2007 1 falls nicht anders vermerkt, sind die Abbildungen entnommen aus Burger & Burge, 2005. Übersicht 1 Auffinden
MehrFakultät für Informatik Übung zu Kognitive Systeme Sommersemester 2016
Fakultät für Informatik Übung zu Kognitive Systeme Sommersemester 1 M. Sperber (matthias.sperber@kit.edu) S. Nguyen (thai.nguyen@kit.edu) Übungsblatt 3 Maschinelles Lernen und Klassifikation Abgabe online
MehrWM01 - DEMO - ECDL Image Editing
Demotest Image Editing Bestanden JA NEIN Vorname Punkte [erforderlich 75%, d.h. 7 von 36] Name WM0 - DEMO - ECDL Image Editing Testlaufwerk: Testordner: WM0-demo-arbeitsdateien. Welches der folgenden ist
MehrEinfluss der Bildverarbeitung - Artefakte und Korrekturmöglichkeiten
Einfluss der Bildverarbeitung - Artefakte und Korrekturmöglichkeiten Karl-Friedrich Kamm Norderstedt Karl-Friedrich Kamm 29/07/2013 1 Mögliche Fehler bei digitalen Röntgenaufnahmen flaue Bilder fehlender
Mehrkommt zur Kreisinversion eine Spiegelung des Punktes an der reellen Achse dazu. Die folgenden vier Eigenschaften gelten auch für diese Abbildung
1 3. Die Kreisinversion 3.1. Definition Die Abbildung 1 ordnet der Zahl das folgende Bild zu 1 1 1 1 1 Die Konstruktion des Bildpunkts besteht also aus zwei Schritten: Der Punkt wird in den Bildpunkt abgebildet,
MehrMeiji. eine DICOM lesende, Java basierte Software zur Auswertung von MR-Mammographien. Harald Fischer, Stefan Egenter*, Dietmar Saupe*, Jürgen Hennig
Meiji eine DICOM lesende, Java basierte Software zur Auswertung von MR-Mammographien Harald Fischer, Stefan Egenter*, Dietmar Saupe*, Jürgen Hennig Universitätsklink Freiburg, Abt. Röntgendiagnostik, Sektion
MehrVisualisierung von Gefäßsystemen mit MPU Implicits
Visualisierung von Gefäßsystemen mit MPU Implicits Christian Schumann 1,2, Steffen Oeltze 1, Ragnar Bade 1, Bernhard Preim 1 1 Institut für Simulation und Graphik, Uni Magdeburg, 39106 Magdeburg 2 MeVis
MehrModellierung von Temperaturdaten bei Lichtbogenschweißversuchen
Modellierung von Temperaturdaten bei Lichtbogenschweißversuchen Von Robin Cedric Schwenke 1 Einleitung Motivation Um Algorithmen der institutseigenen Schweißsimulationssoftware SimWeld auf deren Realitätsnähe
MehrMaschinelles Lernen: Symbolische Ansätze
Maschinelles Lernen: Symbolische Ansätze Wintersemester 2008/2009 Musterlösung für das 3. Übungsblatt Aufgabe 1: Version Space, Generalisierung und Spezialisierung Gegeben sei folgende Hierarchie von Begriffen:
MehrDieses Handbuch baut auf den Kenntnissen des Handbuches Querprofile auf. Es werden daher nur für den Straßenbau wichtige Einstellungen behandelt.
Handbuch Straßenbau Dieses Handbuch baut auf den Kenntnissen des Handbuches Querprofile auf. Es werden daher nur für den Straßenbau wichtige Einstellungen behandelt. Inhaltsverzeichnis Handbuch Straßenbau...
Mehr3 Nichtlineare Gleichungssysteme
3 Nichtlineare Gleichungsssteme 3.1 Eine Gleichung in einer Unbekannten Problemstellung: Gegeben sei die stetige Funktion f(). Gesucht ist die Lösung der Gleichung f() = 0. f() f() a) f ( ) 0 b) f ( )
MehrGeometrische Objekte im 3-dimensionalen affinen Raum oder,... wie nützlich ist ein zugehöriger Vektorraum der Verschiebungen
Geometrische Objekte im -dimensionalen affinen Raum Bekanntlich versteht man unter geometrischen Objekten Punktmengen, auf die man die üblichen Mengenoperationen wie z.b.: Schnittmenge bilden: - aussagenlogisch:
MehrJan Putzer, Michael Teistler, Jochen Dormeier, Lars Mieth*, Tim Pohlemann*
Computergestützte Segmentierung des frakturierten Acetabulums in CT-Aufnahmen mit Hilfe aktiver Konturen zur Klassifikation und Operationsplanung in der Unfallchirurgie Jan Putzer, Michael Teistler, Jochen
MehrStudiengang Informatik der FH Gießen-Friedberg. Sequenz-Alignment. Jan Schäfer. WS 2006/07 Betreuer: Prof. Dr. Klaus Quibeldey-Cirkel
Studiengang Informatik der FH Gießen-Friedberg Sequenz-Alignment Jan Schäfer WS 2006/07 Betreuer: Prof. Dr. Klaus Quibeldey-Cirkel Überblick Einführung Grundlagen Wann ist das Merkmal der Ähnlichkeit erfüllt?
MehrEffiziente Algorithmen I
H 10. Präsenzaufgabenblatt, Wintersemester 2015/16 Übungstunde am 18.01.2015 Aufgabe Q Ein Reiseveranstalter besitzt ein Flugzeug, das maximal p Personen aufnehmen kann. Der Veranstalter bietet einen Flug
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
MehrClusteranalyse: Gauß sche Mischmodelle
Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen Clusteranalyse: Gauß sche Mischmodelle iels Landwehr Überblick Problemstellung/Motivation Deterministischer Ansatz: K-Means Probabilistischer
Mehr