Digitale Bildverarbeitung und Bildanalyse - PDEs und Variationsmethoden
|
|
- Silke Kohl
- vor 6 Jahren
- Abrufe
Transkript
1 Digitale Bildverarbeitung und Bildanalyse - PDEs und Variationsmethoden Michael Pippig Fakultät für Mathematik Technische Universität Chemnitz 6. Mai 2008 Michael Pippig Digitale Bildverarbeitung und Bildanalyse 1/29
2 Gliederung Einleitung 1 Einleitung 2 Ziele und Vorgehen Anisotrope Diffusion 3 Mathematischer Hintergrund Bilder 4 5 Michael Pippig Digitale Bildverarbeitung und Bildanalyse 2/29
3 RGB Bayer Matrix R G R G R G R G B G B G B G R G R G R G R G B G B G B G R G R G R G R G B G B G B G Michael Pippig Digitale Bildverarbeitung und Bildanalyse 3/29
4 Ziele der Bildverarbeitung Entrauschen (denoising) Kantenerkennung und Kantenschärfung (edge detection and sharpening) (image segmentation) Michael Pippig Digitale Bildverarbeitung und Bildanalyse 4/29
5 Ziele und Vorgehen Einleitung Ziele und Vorgehen Anisotrope Diffusion Ziele Struktur des Bildes erkennen Kanten sind Kurven mit maximalem Gradient u 0 (x) = 0 Entrauschen des Bildes Glätten der stückweise konstanten Funktion u 0 Vorgehen Erkennen der Bildstruktur durch Glättung der stückweise konstanten Intensitätsfunktion u 0. Michael Pippig Digitale Bildverarbeitung und Bildanalyse 5/29
6 Ziele und Vorgehen Anisotrope Diffusion Glättung durch Faltung Zweidimensionaler Gaußkern u(x, t) := (u 0 G t )(x), t > 0 G t (x) := 1 2πt exp ( x x 2 2 2t ) Wärmeleitgleichung u t = u u(t = 0) = u 0 Michael Pippig Digitale Bildverarbeitung und Bildanalyse 6/29
7 Beispiel Einleitung Ziele und Vorgehen Anisotrope Diffusion Michael Pippig Digitale Bildverarbeitung und Bildanalyse 7/29
8 Beispiel, t = 500 Einleitung Ziele und Vorgehen Anisotrope Diffusion Michael Pippig Digitale Bildverarbeitung und Bildanalyse 8/29
9 Faltung als Entrauschung? Ziele und Vorgehen Anisotrope Diffusion Forderungen schwächere Diffusion orthogonal zu Kanten Kommutativität von Kontraständerungen und Entrauschen Michael Pippig Digitale Bildverarbeitung und Bildanalyse 9/29
10 Anisotrope Diffusion I Ziele und Vorgehen Anisotrope Diffusion Nichtlineare Diffusion (P. Perona, J. Malik) Definition u t = div( g( grad u 2 ) grad u ) g = g(s) 0, lim s g(s) = 0, lim s 0+ g(s) = 1 p := grad u u ll := (u 2 x u yy 2u x u y u xy + u 2 y u xx )/p 2 u nn := (u 2 x u xx + 2u x u y u xy + u 2 y u yy )/p 2 Michael Pippig Digitale Bildverarbeitung und Bildanalyse 10/29
11 Anisotrope Diffusion I Ziele und Vorgehen Anisotrope Diffusion Äquivalente Formulierung u t = g(p 2 )u ll + ( ) g(p 2 ) + 2p 2 g (p 2 ) u nn Verhältnis tangentialer und orthogonaler Diffusion R := g(p 2 ) g(p 2 ) + 2p 2 g (p 2 ) Michael Pippig Digitale Bildverarbeitung und Bildanalyse 11/29
12 Anisotrope Diffusion II Ziele und Vorgehen Anisotrope Diffusion Tangentiale nichtlineare Diffusion u t = u ll Äquivalente Formulierung Definition u t = grad u div ( ) grad u grad u ( ) grad u(x, t) grad u(x, t) κ(x, t) := div, o(x, t) := grad u(x, t) grad u(x, t) Michael Pippig Digitale Bildverarbeitung und Bildanalyse 12/29
13 Anisotrope Diffusion II Ziele und Vorgehen Anisotrope Diffusion Äquivalente Formulierung Definition u t = grad u div ( ) grad u grad u ( ) grad u(x, t) grad u(x, t) κ(x, t) := div, o(x, t) := grad u(x, t) grad u(x, t) Transportgleichung u t + κ(x, t)o(x, t) grad u = 0 Michael Pippig Digitale Bildverarbeitung und Bildanalyse 13/29
14 Ziele und Vorgehen Anisotrope Diffusion Vergleich der Diffusionsalgorithmen Michael Pippig Digitale Bildverarbeitung und Bildanalyse 14/29
15 Ziele und Vorgehen Anisotrope Diffusion Minimiere (Fatemi, Rudin, Osher) T (u) = ( grad u + λ2 ) (u u 0) 2 dx, λ > 0 G Notwendiges Optimalitätskriterium (Euler, Lagrange) T 2 u d T = 0 dx i u xi i=1 Michael Pippig Digitale Bildverarbeitung und Bildanalyse 15/29
16 Ziele und Vorgehen Anisotrope Diffusion Anwendung von Euler-Lagrange ( ) grad u div + λ(u u 0 ) = 0, x G grad u Gradientenverfahren u t = div ( ) grad u λ(u u 0 ) grad u Michael Pippig Digitale Bildverarbeitung und Bildanalyse 16/29
17 Vergleich für fallendes λ Ziele und Vorgehen Anisotrope Diffusion Michael Pippig Digitale Bildverarbeitung und Bildanalyse 17/29
18 salgorithmen Mathematischer Hintergrund Bilder Instabile intuitive Lösung u t = u, t > 0 u(t = 0) = u 0 Shock filter (L. I. Rudin, S. Osher) u t + sgn( u) grad u = 0 Edge detector PDE ( ) u t + sgn (grad u) T D 2 ugrad u grad u = 0 Michael Pippig Digitale Bildverarbeitung und Bildanalyse 18/29
19 Mathematischer Hintergrund Bilder im Raum BV (Fatemi, Rudin, Osher) u = argmin ( grad v + λ2 ) (k v u 0) 2 dx, λ > 0 G Michael Pippig Digitale Bildverarbeitung und Bildanalyse 19/29
20 Mathematischer Hintergrund Bilder Verbindung zwischen Glättung und mit Glättung w(x, t) := u 0 (x) u(x, t) u sharp (x, t) := u 0 + σw(x, t) Michael Pippig Digitale Bildverarbeitung und Bildanalyse 20/29
21 Künstlerisches Bild - Original Mathematischer Hintergrund Bilder Michael Pippig Digitale Bildverarbeitung und Bildanalyse 21/29
22 Panorama Einleitung Mathematischer Hintergrund Bilder Michael Pippig Digitale Bildverarbeitung und Bildanalyse 22/29
23 Mathematischer Hintergrund Bilder Künstlerisches Bild - Kantenmenge Michael Pippig Digitale Bildverarbeitung und Bildanalyse 23/29
24 Panorama - Kantenmenge Mathematischer Hintergrund Bilder Michael Pippig Digitale Bildverarbeitung und Bildanalyse 24/29
25 Beispiel Einleitung Mathematischer Hintergrund Bilder Michael Pippig Digitale Bildverarbeitung und Bildanalyse 25/29
26 Beispiel Einleitung Mathematischer Hintergrund Bilder Michael Pippig Digitale Bildverarbeitung und Bildanalyse 26/29
27 Mumford-Shah-Funktional M(u, S, u 0 ) := αh 1 (S) + β grad u 2 dx + γ (u 0 B(u)) 2 dx G S G Michael Pippig Digitale Bildverarbeitung und Bildanalyse 27/29
28 Einleitung Peter A. Markowich, Applied Partial Differential Equations, Springer, 2007 T. F. Chan und J. Shen, Image Processing and Analysis, SIAM, 2005 Michael Pippig Digitale Bildverarbeitung und Bildanalyse 28/29
29 Ende des Vortrags Fragen? Michael Pippig Digitale Bildverarbeitung und Bildanalyse 29/29
Elementare Bildverarbeitungsoperationen
1 Elementare Bildverarbeitungsoperationen - Kantenerkennung - 1 Einführung 2 Gradientenverfahren 3 Laplace-Verfahren 4 Canny-Verfahren 5 Literatur 1 Einführung 2 1 Einführung Kantenerkennung basiert auf
MehrHauptseminar im Sommersemester 2012 Mathematische Bildverarbeitung (Vorbesprechung)
Hauptseminar im Sommersemester 2012 Mathematische Bildverarbeitung (Vorbesprechung) Juniorprof. Dr. Thorsten Raasch Johannes Gutenberg-Universität Mainz 21.02.2012 Inhalt der Vorbesprechung: Terminplanung
MehrRegularitätsresultate für parabolische Gleichungen mit nichtlokalem Operator
Universität Bielefeld Regularitätsresultate für parabolische Gleichungen mit nichtlokalem Operator Matthieu Felsinger Universität Bielefeld Mathematisches Kolloquium, TU Clausthal 05. Februar 2014 1 Einleitung
Mehr3.1 Filtermethoden und Entrauschung
Grundaufgaben der Bildverarbeitung 3 In diesem Kapitel werden wir uns mit den mathematischen Grundaufgaben und Modellen der Bildverarbeitung beschäftigen, die insbesondere in der Biomedizinischen Bildgebung
Mehr4. Bildentrauschen: Filtertechniken 4. Bildentrauschen: Filtertechniken für additives Rauschen FILTER FILTER. B F = B + η
4. Bildentrauschen: Filtertechniken 4. Bildentrauschen: Filtertechniken für additives Rauschen FILTER FILTER Originalbild B Verrauschtes Bild B F = Filter(B) + η FILTER: Scanner, digitale Cameras, Internetübertragung...
MehrEinführung. Vita Rutka. Universität Konstanz Fachbereich Mathematik & Statistik AG Numerik SS 2009
Einführung Vita Rutka Universität Konstanz Fachbereich Mathematik & Statistik AG Numerik SS 2009 Was ist FEM? Die Finite-Elemente-Methode (FEM) ist ein numerisches Verfahren zur näherungsweisen Lösung,
MehrShape Gradient for Image and Video Segmentation
Shape Gradient for Image and Video Segmentation [1] S. Jehan-Besson, A. Herbulot, M. Barlaud und G. Aubert 23. Mai 2007 Martin Schröttner und Michael Schneeberger Mat Vis-Gra SS07 1 Überblick Aktive Konturen
MehrThema14 Der Satz über inverse Funktionen und der Satz über implizite Funktionen
Thema14 Der Satz über inverse Funktionen und der Satz über implizite Funktionen In diesem Kapitel betrachten wir die Invertierbarkeit von glatten Abbildungen bzw. die Auflösbarkeit von impliziten Gleichungen.
MehrVorlesung: Analysis II für Ingenieure. Wintersemester 07/08. Michael Karow. Themen: Niveaumengen und Gradient
Vorlesung: Analysis II für Ingenieure Wintersemester 07/08 Michael Karow Themen: Niveaumengen und Gradient Wir betrachten differenzierbare reellwertige Funktionen f : R n G R, G offen Zur Vereinfachung
MehrÜbungen zu Partielle Differentialgleichungen, WS 2016
Übungen zu Partielle Differentialgleichungen, WS 2016 Ulisse Stefanelli 16. Januar 2017 1 Beispiele 1. Betrachten Sie die Beispiele von nichtlinearen PDG und Systemen, die wir im Kurs diskutiert haben,
MehrFILTER UND FALTUNGEN
Ausarbeitung zum Vortrag von Daniel Schmitzek im Seminar Verarbeitung und Manipulation digitaler Bilder I n h a l t. Der Begriff des Filters 3 2. Faltungsfilter 4 2. Glättungsfilter 4 2.2 Filter zur Kantendetektion
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:
MehrKlassifikation von partiellen Differentialgleichungen
Kapitel 2 Klassifikation von partiellen Differentialgleichungen Die meisten partiellen Differentialgleichungen sind von 3 Grundtypen: elliptisch, hyperbolisch, parabolisch. Betrachte die allgemeine Dgl.
Mehr3.1 Filtermethoden und Entrauschung
Grundaufgaben der Bildverarbeitung 3 In diesem Kapitel werden wir uns mit den mathematischen Grundaufgaben und Modellen der Bildverarbeitung beschäftigen, die insbesondere in der Biomedizinischen Bildgebung
MehrÜbungen zu Einführung in die Numerische Mathematik (V2E2) Sommersemester 2016
Übungen zu Einführung in die Numerische Mathematik (VE) Sommersemester 6 Prof. Dr. Martin Rumpf Pascal Huber Sascha Tölkes Übungsblatt 8 Abgabe:.6.6 Aufgabe 5 (Elliptisches Randwertproblem auf einem Ring)
MehrDie Burgers Gleichung
Die Burgers Gleichung Vortrag im Rahmen der Vorlesung Spektralmethoden Elena Frenkel Samuel Voit Balthasar Meyer 29. Mai 2008 1 Einfürung Ein kurzer Überblick Physikalische Motivation 2 Cole-Hopf Transformation
MehrMusterlösung. TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Klausur Mathematik für Physiker 3 (Analysis 2) I... II...
................ Note I II Name Vorname 1 Matrikelnummer Studiengang (Hauptfach) Fachrichtung (Nebenfach) 2 3 Unterschrift der Kandidatin/des Kandidaten 4 TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik
MehrKristian Bredies Dirk Lorenz. Mathematische Bildverarbeitung
Kristian Bredies Dirk Lorenz Mathematische Bildverarbeitung Kristian Bredies Dirk Lorenz Mathematische Bildverarbeitung Einführung in Grundlagen und moderne Theorie STUDIUM Bibliografische Information
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
MehrCharakteristikenmethode im Beispiel
Charakteristikenmethode im Wir betrachten die PDE in drei Variablen xu x + yu y + (x + y )u z = 0. Das charakteristische System lautet dann ẋ = x ẏ = y ż = x + y und besitzt die allgemeine Lösung x(t)
MehrBestimmen Sie die Lösung des Anfangswertproblems. y (x) 4y (x) 5y(x) = 6e x. y(0) = y (0) = 0.
Aufgabe Bestimmen Sie die Lösung des Anfangswertproblems y (x) 4y (x) 5y(x) = 6e x y(0) = y (0) = 0. Zunächst bestimmen wir die Lösung der homogenen DGL. Das charakteristische Polynom der DGL ist λ 2 4λ
MehrBildverarbeitung Herbstsemester 2012. Kanten und Ecken
Bildverarbeitung Herbstsemester 01 Kanten und Ecken 1 Inhalt Einführung Kantendetektierung Gradientenbasierende Verfahren Verfahren basierend auf der zweiten Ableitung Eckpunkterkennung Harris Corner Detector
MehrKapitel 7. Funktionentheorie. 7.1 Holomorphe und harmonische Funktionen. 1. Definitionen
Kapitel 7 Funktionentheorie In diesem Kapitel geht es meistens um Funktionen, die auf einem Gebiet G C definiert sind und komplexe Werte annehmen. Nach Lust, Laune und Bedarf wird C mit R identifiziert,
MehrIst Mathematik ansteckend? Mathematik und Epidemiologie
Ist Mathematik ansteckend? Mathematik und Epidemiologie Thomas Götz goetz@uni-koblenz.de Kolloquium Mathematik und ihre Didaktik 29.10.2013 Campus Landau Kollegen Karunia Putra Doktorand UKO-LD M.Sc. ITB
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 7
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Für n N ist die Matrix-Exponentialfunktion
MehrVorlesungsfolien Mathematik 3 WS 2010/11 UMIT. Einleitung
Vorlesungsfolien Mathematik 3 WS 2010/11 Dr. Leonhard Wieser UMIT Einleitung Begriff Vektoranalysis: Kombination aus Linearer Algebra/Vektorrechnung mit Differential- und Integralrechnung Inhaltsangabe:
MehrOptimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen
Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen Dr. Nico Düvelmeyer Freitag, 1. Juli 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 Einführung und Wiederholung Beispiel
MehrMitschrift Mathematik, Vorlesung bei Dan Fulea, 2. Semester
Mitschrift Mathematik, Vorlesung bei Dan Fulea, 2. Semester Christian Nawroth, Erstellt mit L A TEX 23. Mai 2002 Inhaltsverzeichnis 1 Vollständige Induktion 2 1.1 Das Prinzip der Vollstandigen Induktion................
MehrTheoretische Physik 1, Mechanik
Theoretische Physik 1, Mechanik Harald Friedrich, Technische Universität München Sommersemester 2009 Mathematische Ergänzungen Vektoren und Tensoren Partielle Ableitungen, Nabla-Operator Physikalische
Mehr2. Mathematische Grundlagen
2. Mathematische Grundlagen Erforderliche mathematische Hilfsmittel: Summen und Produkte Exponential- und Logarithmusfunktionen 21 2.1 Endliche Summen und Produkte Betrachte n reelle Zahlen a 1, a 2,...,
MehrMultivariate Analysis
Kapitel Multivariate Analysis Josef Leydold c 6 Mathematische Methoden I Multivariate Analysis / 38 Lernziele Funktionen in mehreren Variablen Graph und Niveaulinien einer Funktion in zwei Variablen Partielle
Mehr31 Die Potentialgleichung
3 Die Potentialgleichung Die Potentialgleichung oder auch Poisson-Gleichung ist die lineare Gleichung zweiter Ordnung u = f in einem Gebiet R n. Im homogenen Fall f = 0 spricht man auch von der Laplace-
MehrMathematik 3 für Informatik
Gunter Ochs Wintersemester 5/6 Mathematik 3 für Informatik Lösungen zum Hausaufgabenblatt Lösungshinweise ohne Garnatie auf Fehlerfreiheit c 5. Berechnen Sie die folgenden unbestimmten Integrale: a x 4
MehrWellen und wandernde Wellen Ähnlichkeitslösungen. Crashkurs PDG anhand von Beispielen. Wellen
Wellen Crashkurs PDG anhand von Beispielen Eine Welle ist ein erkennbares Signal, welches innerhalb eines Mediums von einer Seite zur anderen übertragen wird, mit einer erkennbaren Ausbreitungsgeschwindigkeit.
MehrHTWD, FB Informatik/Mathematik Prof. Dr. M. Voigt. Mathematik II für Bauingenieure. (f) 4 sin x cos 5 x dx. 3 x e x2 dx (i) e 2x 1 dx.
HTWD, FB Informatik/Mathematik Prof. Dr. M. Voigt Mathematik II Mathematik II für Bauingenieure Wiederholungsaufgaben zur Prüfungsklausur im Juli 2007 1 Integralrechnung Aufgabe 1 : Berechnen Sie die folgenden
MehrTutorium Mathematik II, M Lösungen
Tutorium Mathematik II, M Lösungen 7. Juni 201 *Aufgabe 1. Gegeben seien fx, y = xy 2 8e x+y und P = 1, 2. Der Gradient von f ist genau an der Stelle P Null. a Untersuchen Sie mit Hilfe der Hesse-Matrix,
MehrStabilität von geschalteten DAEs
Elgersburg Workshop 2011, 16.02.2011, 17:30-18:00 Einleitung Klassische DAEs Distributionelle Lösungen für geschaltetet DAEs Inhalt 1 Einleitung Systemklasse: Definition und Motivation Beispiele 2 Klassische
MehrNumerik partieller Differentialgleichungen I
Numerik partieller Differentialgleichungen I Bernd Simeon Skriptum zur Vorlesung im Sommersemester 2015 TU Kaiserslautern, Fachbereich Mathematik 1. Beispiele und Typeinteilung 2. Finite Differenzen für
MehrÜbungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009
Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Aufgabe 35: Thema: Singulärwertzerlegung und assoziierte Unterräume Sei A eine m n Matrix mit Rang r und A = UDV T ihre Singulärwertzerlegung.
MehrVorlesung Mathematik 1 für Ingenieure (Wintersemester 2015/16)
1 Vorlesung Mathematik 1 für Ingenieure (Wintersemester 2015/16) Kapitel 7: Konvergenz und Reihen Prof. Miles Simon Nach Folienvorlage von Prof. Dr. Volker Kaibel Otto-von-Guericke Universität Magdeburg.
MehrKleine Formelsammlung zu Mathematik für Ingenieure IIA
Kleine Formelsammlung zu Mathematik für Ingenieure IIA Florian Franzmann 5. Oktober 004 Inhaltsverzeichnis Additionstheoreme Reihen und Folgen 3. Reihen...................................... 3. Potenzreihen..................................
Mehr2. VEKTORANALYSIS 2.1 Kurven Definition: Ein Weg ist eine stetige Abbildung aus einem Intervall I = [a; b] R in den R n : f : I R n
2. VEKTORANALYSIS 2.1 Kurven Definition: Ein Weg ist eine stetige Abbildung aus einem Intervall I = [a; b] R in den R n : f : I R n f ist in dem Fall ein Weg in R n. Das Bild f(t) des Weges wird als Kurve
MehrTestvorbereitung: Integrierender Faktor
Testvorbereitung: Integrierender Faktor Markus Nemetz, markus.nemetz@tuwien.ac.at, TU Wien,.02.2007 Voraussetzung: Kenntnis der exakten Differentialgleichungen! Theoretische Grundlagen Eine nicht exakte
MehrSeminar Einführung in die Kunst mathematischer Ungleichungen
Seminar Einführung in die Kunst mathematischer Ungleichungen Geometrie und die Summe von Quadraten Clara Brünn 25. April 2016 Inhaltsverzeichnis 1 Einleitung 2 1.1 Geometrie allgemein.................................
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
MehrWirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2014/15 Hochschule Augsburg : Gliederung 1 Grundlegende 2 Grundlegende 3 Aussagenlogik 4 Lineare Algebra
MehrMathematik II Frühlingsemester 2015 Kap. 9: Funktionen von mehreren Variablen 9.2 Partielle Differentiation
Mathematik II Frühlingsemester 2015 Kap. 9: Funktionen von mehreren Variablen 9.2 Partielle Differentiation www.math.ethz.ch/education/bachelor/lectures/fs2015/other/mathematik2 biol Prof. Dr. Erich Walter
MehrÜbungen zur Vorlesung Differential und Integralrechnung I Lösungsvorschlag
MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr. E. Schörner WS 203/4 Blatt 20.0.204 Übungen zur Vorlesung Differential und Integralrechnung I Lösungsvorschlag 4. a) Für a R betrachten wir die Funktion
MehrR.Wagner, Mathematik in der Astronomie
Mathematik in der Astronomie Roland Wagner Johann Radon Institute for Computational and Applied Mathematics (RICAM) Österreichische Akademie der Wissenschaften (ÖAW) Linz, Austria Linz, 20.Mai 2016 Übersicht
MehrKÖRPERBILDER EINE MATHEMATISCHE HERAUSFORDERUNG
KÖRPERBILDER EINE MATHEMATISCHE HERAUSFORDERUNG Stefan Volkwein Fachbereich Mathematik und Statistik, Universität Konstanz Dank an K. Bredies, S. Keeling, F. Kappel, K. Kunisch, M. Mutsaers, M. Weiser
MehrMusterlösungen Serie 9
D-MAVT D-MATL Analysis II FS 2013 Prof. Dr. P. Biran Musterlösungen Serie 9 1. Frage 1 Gegeben ist eine lineare und homogene Differenzialgleichung, welche y : x sin x als Lösung besitzt. Welche der folgenden
MehrÜbungen zur Vorlesung Funktionentheorie Sommersemester Lösungshinweise zum Klausurvorbereitungsblatt. (z) i f. 2xe (x2 +y 2) i2ye (x2 +y 2 ) 2
UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6. MATHEMATIK Prof. Dr. Roland Speicher M.Sc. Tobias Mai Übungen zur Vorlesung Funktionentheorie Sommersemester 0 Lösungshinweise zum Klausurvorbereitungsblatt (3
MehrDynamische Systeme eine Einführung
Dynamische Systeme eine Einführung Seminar für Lehramtstudierende: Mathematische Modelle Wintersemester 2010/11 Dynamische Systeme eine Einführung 1. Existenz und Eindeutigkeit von Lösungen 2. Flüsse,
MehrKlausurberatung Differentialgleichungen I für Studierende der Ingenieurwissenschaften
Fachbereich Mathematik der Universität Hamburg WiSe 14/15 Dr. Hanna Peywand Kiani 06.07.2015 Klausurberatung Differentialgleichungen I für Studierende der Ingenieurwissenschaften Die ins Netz gestellten
Mehr2. Stetigkeit und Differenzierbarkeit
2. Stetigkeit Differenzierbarkeit 9 2. Stetigkeit Differenzierbarkeit Wir wollen uns nun komplexen Funktionen zuwenden dabei zunächst die ersten in der Analysis betrachteten Eigenschaften untersuchen,
MehrIII-333 der Beilagen XXIV. GP - Bericht - 03 ERP-Jahresbericht 2011 (gescanntes Original) 1 von 55
III-333 der Beilagen XXIV. GP - Bericht - 03 ERP-Jahresbericht 2011 (gescanntes Original) 1 von 55 2 von 55 III-333 der Beilagen XXIV. GP - Bericht - 03 ERP-Jahresbericht 2011 (gescanntes Original) III-333
Mehr1. Vorlesung Partielle Differentialgleichungen
1. Vorlesung Partielle ifferentialgleichungen Wolfgang Reichel Übersee-Vorlesung aus Oaxaca, Mexiko, 19. Oktober 2010 Institut für Analysis KIT University of the State of Baden-Wuerttemberg and National
MehrExtrapolationsverfahren für nichtlineare zweidimensionale Diffusionsprobleme
Universität des Saarlandes Fachbereich Mathematik Extrapolationsverfahren für nichtlineare zweidimensionale Diffusionsprobleme Diplomarbeit zur Erlangung des akademischen Grades eines Diplom-Mathematikers
MehrOptimale Steuerung, Prof.Dr. L. Blank 1. II Linear-quadratische elliptische Steuerungsprobleme
Optimale Steuerung, Prof.Dr. L. Blank 1 II Linear-quadratische elliptische Steuerungsprobleme Zuerst: Zusammenstellung einiger Begriffe und Aussagen aus der Funktionalanalysis (FA), um dann etwas über
Mehr2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also
Universität Konstanz Fachbereich Mathematik und Statistik Repetitorium Analysis 0 Dr DK Huynh Blatt 8 Aufgabe 6 Bestimmen Sie (a) (x + x 7x+)dx (c) (f) x n exp(x)dx (n N fest) sin (x)dx (g) (b) (d) ln(x)dx
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
MehrNumerische Integration und Differentiation
Einführung Grundlagen Bemerkung (Numerische Mathematik) a) Im engeren Sinn: zahlenmäßige Auswertung mathematischer Zusammenhänge z B Lösung von linearen und nichtlinearen Gleichungssystemen Numerische
MehrEinführung in die Volkswirtschaftslehre
Einführung in die Volkswirtschaftslehre Übung 1: Mathematische Analyseinstrumente Dipl.-Volksw. J.-E.Wesselhöft/ Dipl.-Volksw. J.Freese Bachelor Modul Volkswirtschaftliche Analyse (WS-14-V-03) HT 2009
MehrVokabelliste FB Mathematik Vokabeln 7./8. Klasse // Vokabeln 9./10. Klasse // Vokabeln Sek II. Mengenbegriffe:
Vokabeln 7./8. Klasse // Vokabeln 9./10. Klasse // Vokabeln Sek II Mathematik Symbol, Definition N N 0 Z Q Z + + Q 0 A = {a 1,, a n } Deutsch Erklärung Mengenbegriffe: natürlichen Zahlen natürlichen Zahlen
MehrLösung zu den Testaufgaben zur Mathematik für Chemiker II (Analysis)
Universität D U I S B U R G E S S E N Campus Essen, Mathematik PD Dr. L. Strüngmann Informationen zur Veranstaltung unter: http://www.uni-due.de/algebra-logic/struengmann.shtml SS 7 Lösung zu den Testaufgaben
Mehr2 1.4 Sind folgende Funktionen injektiv? Wenn ja, bestimmen Sie die Umkehrfunktion!
. Übung: Grundlagen. Es gibt ein seltsames Buch, da steht auf jeder Seite genau ein Satz; auf Seite : In diesem Buch steht mindestens ein falscher Satz., auf Seite : In diesem Buch stehen mindestens zwei
Mehr2 Stetigkeit und Differenzierbarkeit
2.1) Sei D R. a) x 0 R heißt Häufungspunkt von D, wenn eine Folge x n ) n N existiert mit x n D,x n x 0 und lim n x n = x 0. D sei die Menge der Häufungspunkte von D. b) x 0 D heißt innerer Punkt von D,
MehrBeispiel. Gegeben sei die Folge (a n ) n N mit. a n := n 2 + 5n + 1 n. Es gilt. (n 2 + 5n + 1) n 2 = n2 + 5n + 1 n) n2 + 5n n, woraus folgt
Beispiel. Gegeben sei die Folge (a n ) n N mit a n := n 2 + 5n + 1 n Es gilt ( ( ) (n 2 + 5n + 1) n 2 = n2 + 5n + 1 n) n2 + 5n + 1 + n, woraus folgt a n = (n2 + 5n + 1) n 2 n2 + 5n + 1 + n = 5n + 1 n2
MehrLösungsvorschläge zum 14. Übungsblatt.
Übung zur Analysis III WS / Lösungsvorschläge zum 4. Übungsblatt. Aufgabe 54 Sei a R\{}. Ziel ist die Berechnung des Reihenwertes k a + k. Definiere dazu f : [ π, π] R, x coshax. Wir entwickeln f in eine
MehrBildverarbeitung: Fourier-Transformation. D. Schlesinger () BV: Fourier-Transformation 1 / 16
Bildverarbeitung: Fourier-Transformation D. Schlesinger () BV: Fourier-Transformation 1 / 16 Allgemeines Bilder sind keine Vektoren. Bilder sind Funktionen x : D C (Menge der Pixel in die Menge der Farbwerte).
MehrOutline. 1 Funktionen von mehreren Veränderlichen. 2 Grenzwert und Stetigkeit. 3 Partielle Ableitungen. 4 Die verallgemeinerte Kettenregel
Outline 1 Funktionen von mehreren Veränderlichen 2 Grenzwert und Stetigkeit 3 Partielle Ableitungen 4 Die verallgemeinerte Kettenregel 5 Das totale Differential 6 Extremstellen Roman Wienands (Universität
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
MehrElemente der Analysis II
Elemente der Analysis II Kapitel 5: Differentialrechnung im R n Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 17. Juni 2009 1 / 31 5.1 Erinnerung Kapitel
MehrMathematik - Antwortblatt Klausur
Mathematik - Antwortblatt Klausur 30..09 Aufgabe: 0 Punkte a) Allgemein heißt eine Funktion f (x) stetig an der Stelle x 0, wenn die folgenden Bedingungen erfüllt sind (2 Punkte): f (x 0 )=lim h 0 f (x
MehrSegmentierung mithilfe von Graph- Cut-Methoden
Segmentierung mithilfe von Graph- Cut-Methoden 1 Motivation 2 Motivation Wir erkennen leicht Äpfel auf dem Bild Wir kennen die typischen Formen, Strukturen und Farben Ziel: Computer soll genauso diverse
Mehr2 Zufallsvariable, Verteilungen, Erwartungswert
2 Zufallsvariable, Verteilungen, Erwartungswert Bisher: Zufallsexperimente beschrieben durch W-Räume (Ω, A, P) Häufig interessiert nur eine zufällige Größe X = X(ω), die vom Ergebnis ω des Zufallsexperiments
MehrEinführung in Bildverarbeitung und Computervision
Einführung in Bildverarbeitung und Computervision Vorlesung 1: Grundlagen Dipl.-Math. Dimitri Ovrutskiy SS 2010 HTWdS Auf Basis der Vorlesungen von und mit Danksagung an Hr. Prof. Dr. J. Weikert Bildverarbeitung
MehrDiffusionsprozesse und lineare stochastische DGL
Diffusionsprozesse und lineare stochastische DGL Michele Bieber TU Dortmund - Fakultät Statistik 15. Mai 2012 Inhaltsverzeichnis 1 Einleitung 2 Diffusionsprozesse Stochastische DGL eines Diffusionsprozesses
MehrThema für eine Diplomarbeit Gemischte Finite-Elemente-Methoden für konvektionsdominante elliptische Randwertprobleme
Gemischte Finite-Elemente-Methoden für konvektionsdominante elliptische Randwertprobleme Ziel: Numerische Diskretisierung und Lösung des elliptischen Randwertproblems div(a(x) u) + b(x)u = f in Ω, u =
MehrÜbungsaufgaben zu Analysis 2 Lösungen von Blatt V vom 07.05.15. f(x, y) = 2(x + y) + xy + 3x 2, g(x, y) = xy + e xy.
Prof. Dr. Moritz Kaßmann Fakultät für Matematik Sommersemester 015 Universität Bielefeld Übungsaufgaben zu Analysis Lösungen von Blatt V vom 07.05.15 Aufgabe V.1 + Punkte) Gegeben seien die Funktionen
Mehrε δ Definition der Stetigkeit.
ε δ Definition der Stetigkeit. Beweis a) b): Annahme: ε > 0 : δ > 0 : x δ D : x δ x 0 < δ f (x δ f (x 0 ) ε Die Wahl δ = 1 n (n N) generiert eine Folge (x n) n N, x n D mit x n x 0 < 1 n f (x n ) f (x
MehrFaltung und Approximation von Funktionen
Faltung und Approximation von Funktionen Lisa Bauer und Anja Moldenhauer 9. Juni 2008 1 Die Faltung von Funktionen 1.1 Die Faltung Eine kleine Widerholung mit einem Zusatz: Vergleiche den Vortrag von Benjamin
MehrMonotone Approximationen durch die Stirlingsche Formel. Wir beginnen mit einem einfachen Beweis einer schwachen Form von Stirlings
Monotone Approximationen durch die Stirlingsche Formel Wir beginnen mit einem einfachen Beweis einer schwachen Form von Stirlings Formel für n!: e n n e n n! e n n+/2 e n Genauer zeigen wir, dass die Folge
Mehr1 Lagrange sche Gleichung 1. Art
1 Lagrange sche Gleichung 1. Art 1.1 Einführung und Beispiel Bewege sich ein Massepunkt auf einer Geraden (G) im Raum, so hat dieser einen Freiheitsgrad, d.h. es müssen 2 Zwangsbedingungen für ihn gelten.
MehrUniversität des Saarlandes Seminar der Fachrichtung Mathematik Rudolf Umla
Universität des Saarlandes Seminar der Fachrichtung Mathematik Rudolf Umla Sätze über Konvexität von Kapitel 4.7 bis 4.10 Theorem 4.7-1. Sei U ein konvexer Unterraum eines normierten Vektorraums. Dann
MehrDie Modellierung einer Lithium-Batterie Zwischenpräsentation zum Praktikum Nichtlineare Modellierung in den Naturwissenschaften
MÜNSTER Die Modellierung einer Lithium-Batterie Zwischenpräsentation zum Praktikum Nichtlineare Modellierung in den Naturwissenschaften Christoph Fricke, Natascha von Aspern, Carla Tameling 12.06.2012
MehrDie Euler-Mascheroni-Konstante
Die Euler-Mascheroni-Konstante Niloufar Rahi Ausarbeitung zum Vortrag in Überraschungen und Gegenbeispiele in der Analysis (Sommersemester 009, Leitung PD Dr. Gudrun Thäter) Zusammenfassung: Wenn von der
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
MehrStudientag zur Algorithmischen Mathematik
Studientag zur Algorithmischen Mathematik Aufgaben zur nicht-linearen Optimierung Teil II Winfried Hochstättler Diskrete Mathematik und Optimierung FernUniversität in Hagen 1. Juli 2012 Aufgabe 5 Bestimmen
MehrAnalysis II für Ingenieure Übersicht: Integration. 1 Kurvenintegral über ein Skalarfeld
Analysis II für Ingenieure Übersicht: Integration 1 Kurvenintegral über ein Skalarfeld 1.1 erechnung c f ds = b a f ( c(t) ) c(t) dt 1. Kurve c parametrisieren: c : [a, b] R n, t c(t). 2. c(t) und dann
MehrLösungen. 1. Klausur zur MIA: Analysis I für Mathematiker
MATHEMATISCHES INSTITUT WS 006/07 DER UNIVERSITÄT MÜNCHEN Prof. Dr. M. Schottenloher Dr. S. Tappe Version 5.. Lösungen zur. Klausur zur MIA: Analysis I für Mathematiker vom 6..06 Aufgabe. ( + Punkte) a)
Mehr5 Potenzreihenansatz und spezielle Funktionen
5 Potenzreihenansatz und spezielle Funktionen In diesem Kapitel betrachten wir eine Methode zur Lösung linearer Differentialgleichungen höherer Ordnung, die sich anwenden läßt, wenn sich alle Koeffizienten
MehrHydrosystemanalyse: Finite-Elemente-Methode (FEM)
Hydrosystemanalyse: Finite-Elemente-Methode (FEM) Prof. Dr.-Ing. habil. Olaf Kolditz 1 Helmholtz Centre for Environmental Research UFZ, Leipzig 2 Technische Universität Dresden TUD, Dresden Dresden, 17.
MehrB Lösungen. Aufgabe 1 (Begriffe zur Differenziation) Sei (x, y) R 2 Berechnen Sie zur Abbildung. f(x, y) := x sin(xy) f : R 2 R,
B en Aufgabe 1 (Begriffe zur Differenziation) Sei (x, y) R Berechnen Sie zur Abbildung f : R R, f(x, y) : x sin(xy) das totale Differenzial f df, die Jacobi-Matrix J f (x, y) und den Gradienten ( f)(x,
MehrMathematik Abitur 2014 Lösungen
Mathematik Abitur Lösungen Richard Reindl Analysis Aufgabengruppe Teil A. f (x) = lnx (lnx), f (x) = = lnx = = x = e, f(e) = e < x < e : lnx < = f (x) < = f fallend x > e : lnx > = f (x) > = f steigend.
MehrMusterlösung Höhere Mathematik I/II Di. Aufgabe 1 (11 Punkte) Geben Sie die Matrixbeschreibung der Quadrik
Aufgabe Punkte Geben Sie die Matrixbeschreibung der Quadrik {x R 3x 3x 8x x +x +4x +7 = 0} an Berechnen Sie die euklidische Normalform der Quadrik und ermitteln Sie die zugehörige Koordinatentransformation
MehrFunktionen mehrerer Variabler
Funktionen mehrerer Variabler Fakultät Grundlagen Juli 2015 Fakultät Grundlagen Funktionen mehrerer Variabler Übersicht Funktionsbegriff 1 Funktionsbegriff Beispiele Darstellung Schnitte 2 Partielle Ableitungen
MehrPraktikum-Meßtechnik Verfasser: Dr. H. Bergelt
TU Bergakademie Freiberg Praktikum-Meßtechnik Verfasser: Dr. H. Bergelt Filter in der Bildverarbeitung. Einleitung Digitale Filter gehören zu den wirkungsvollsten Methoden der Bildverarbeitung. Wir können
MehrMathematik 1 für Wirtschaftsinformatik
Mathematik 1 für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg : Gliederung 7 Folgen und Reihen 8 Finanzmathematik 9 Reelle Funktionen 10 Differenzieren 1 11 Differenzieren 2 12 Integration
MehrVortrag 11: Der Satz von Mordell-Weil
Vortrag 11: Der Satz von Mordell-Weil Max Daniel 30. Januar 2013 Inhaltsverzeichnis 1 Höhenfunktionen auf elliptischen Kurven 2 2 Ausblick 7 Einleitung Sei E/K eine über einem Zahlkörper K definierte elliptische
Mehr