Reduktionsverfahren in der Bildverarbeitung
|
|
- Valentin Burgstaller
- vor 6 Jahren
- Abrufe
Transkript
1 Reduktionsverfahren in der Bildverarbeitung Klaus BRAUN 1 Kompressionsverfahren 1.1 Grundlagen Fernerkundungsdaten sind aufgrund ihrer Flächendeckung, ihrer hohen räumlichen Auflösung und ihrer exakten zeitlichen Zuordnung wichtige Basisdaten für Kartierung und Modellierung im Rahmen von GIS-Anwendungen. Zukünftige Satellitensysteme mit größerer räumlicher, vor allem aber auch spektraler Auflösung (Stichwort: imaging spectroscopy) führen zu einem ständig wachsenden Datenvolumen und lassen sich damit nur noch eingeschränkt in Geo-Informationssystemen bearbeiten. Gerade im Hinblick auf die schnelle Übertragung von Fernerkundungsdaten oder von digitalen Karten, die mit Fernerkundungsdaten hinterlegt sind, wird der Einsatz von Kompressionsmethoden in naher Zukunft unumgänglich sein. Um dabei Kompressionsraten größer als 4:1 zu erhalten, müssen Kompressionsverfahren verwendet werden, die einen gewissen Informationsverlust mit sich bringen. Ein Problem hierbei besteht darin, dass verlustbehaftete Kompressionsmethoden in GIS bislang kaum zum Einsatz kommen, da unklar ist, wie der Informationsverlust aus geowissenschaftlicher Sicht zu bewerten ist (TRIEBFÜRST, SAUPE & SAURER 1997). Im vorliegenden Beitrag wird diesem Problem nachgegangen, indem eine Fernerkundungsaufnahme von Freiburg im Breisgau mit einem waveletbasierten Transformationskodierer unterschiedlich stark komprimiert wird und die daraus resultierenden Datensätze hinsichtlich der Bebauungsstrukturen klassifiziert werden. Eine Bewertung des Informationsverlusts erfolgt durch den Vergleich der Klassifikationsergebnisse mit Referenzdaten. Dabei zeigt sich, dass durch den mit der Kompression einhergehenden Verlust an Detailinformationen durchaus auch eine Verbesserung der Klassifikation erreicht werden kann, da die einzelnen Klassen in sich homogener werden. 1.2 Prinzip der waveletbasierten Kompression und Generalisierung von Rasterdaten Derzeit gängige Verfahren der Bildkompression basieren auf einer Frequenzzerlegung der Bildinformation. Dabei wird mittels einer diskreten Cosinus-Transformation (DCT) oder einer diskreten Fourier-Transformation (DFT) eine Transformation der Daten in den Frequenzraum durchgeführt, sodass eine Trennung zwischen nieder- und hochfrequenten Bildinhalten möglich wird. Die eigentliche Kompression erfolgt dadurch, dass beim Abspeichern der Transformationskoeffizienten auf die hochfrequenten Anteile teilweise verzichtet wird und die übrigen Koeffizienten quantifiziert und kodiert werden (Transformationskodierung). Eine Erweiterung und Verbesserung dieses Verfahrens lässt sich dadurch erreichen, dass die Frequenzzerlegung nicht auf der Basis von Sinus- und Cosinus- Funktionen mit unendlicher Ausdehnung erfolgt, sondern mit Hilfe von Waveletfunktionen durchgeführt wird, die auf einem kompakten Träger definiert sind. Aufgrund der unter-
2 2 K. Braun schiedlichen Ausprägung der zur Verfügung stehenden Waveletfunktionen von sehr glatten, lang ausgedehnten Gabor-Wavelets bis hin zu sehr kurzen Daubechies-Wavelets erlaubt es dieses Verfahren, sowohl relativ homogene Bilder als auch solche mit starken Diskontinuitäten mit Hilfe einer vergleichsweise geringen Anzahl von Waveletfunktionen zu repräsentieren. Eine weitere Anwendung der Wavelettransformation besteht in der Homogenisierung und Generalisierung von Bildern mit einem hohen Anteil an Detailstrukturen. So können in der Waveletdomain einzelne Details mit geringer räumlicher Ausdehnung von stark ausgeprägten Kantenstrukturen wie z. B. Grenzen zwischen verschiedenen Landnutzungsarealen anhand der unterschiedlich hohen Koeffizienten in den hochfrequenten Levels getrennt werden. Durch eine Elimination der von den Details verursachten kleineren Koeffizienten lassen sich somit einzelne Bildbereiche homogenisieren. Angewendet werden solche Verfahren z. B. auf Fernerkundungsaufnahmen, die klassifiziert werden sollen, da ansonsten häufig der Effekt auftritt, dass die einzelnen Klassen keine zusammenhängende Areale bilden, sondern eher einem Flickenteppich gleichen, dessen Farbe sich von Pixel zu Pixel ändert. Da in diesem Fall zusätzlich zur Homogenisierung und Generalisierung der Klassifikationsergebnisse auch eine deutliche Reduktion des Datenvolumens erreicht wird, ergibt sich aus der Kompression des Datenbestands letztlich sogar ein Informationsgewinn. 2 Bewertung der waveletbasierten Bildkompression durch Klassifikation städtischer Bebauungsstrukturen 2.1 Problemstellung Ein Problem beim Einsatz verlustbehafteter Kompressionsverfahren in GIS besteht darin, dass es in den Geowissenschaften kaum Untersuchungen darüber gibt, welche Chancen oder Nachteile sich aus der Verwendung der durch die Kompression modifizierten Daten ergeben. In der vorliegenden Studie wurde ein Fernerkundungsdatensatz für das Stadtgebiet von Freiburg/Breisgau hinsichtlich der Auswirkungen der Kompression auf die Klassifikation dieser Aufnahme analysiert. Bei dem Datensatz handelt es sich um eine LAND- SAT TM-Aufnahme vom , 10:30 MEZ mit den Kanälen 2, 5 und 4 (vgl. Abb.1). 2.2 Klassifizierung Bei der überwachten Klassifikation (Maximum Likelihood) wurde versucht, das Freiburger Stadtgebiet in Areale mit ähnlichen Siedlungsstrukturen einzuteilen. Hierzu wurden aus einem Stadtplan einzelne Trainingsgebiete ausgewiesen und folgende zehn Klassen gebildet: hohe Bebauungsdichte (HBD), mittlere Bebauungsdichte (MBD), geringe Bebauungsdichte (GBD), Gewerbe- und Industriegebiete (GI), Kleingärten (KG), Wald (WA), Grünflächen (GF), Wasserflächen (WF), Ackerflächen (AF) und Gleisanlagen (GA). Die Güte der Klassifikation wurde durch eine Kreuztabellierung zwischen den Trainingsgebieten und den entsprechenden Arealen in dem klassifizierten Bild bewertet. Bezogen auf die gesamten Trainingsgebiete wurde die Aufnahme zu % richtig klassifiziert (Overall Accuracy), bezogen auf die einzelnen Trainingsgebiete liegt der Anteil richtig klassifizierter Flächen zwischen % (WF) und % (HBD); im Mittel der Klassen ergibt sich hieraus ein Wert von % (vgl. Tab. 1, Kompressionsrate 1:1 und Tab. 2).
3 Reduktionsverfahren in der Bildverarbeitung 3 Tab. 1: Klassifikationsgüte in Abhängigkeit von der Kompressionsrate Kompressionsrate 1:1 1.4:1 2.0:1 2.9:1 5:1 10:1 20:1 40:1 Güte der Klassifikakation, absolut Güte der Klassifikation, Klassenmittel Anschließend wurde die LANDSAT TM-Aufnahme mittels einer Waveletkompression (biorthogonales Wavelet 17/3-tap ) mit Kompressionsraten zwischen 1.4:1 und 40:1 komprimiert und anhand derselben Trainingsgebiete überwacht klassifiziert. Tabelle 1 zeigt für die einzelnen Kompressionsraten die prozentualen Anteile der richtig klassifizierten Pixel. Auffällig hierbei ist, dass die Klassifikation bis zu einer Kompression von 20:1 zu besseren Ergebnissen führt als bei dem Originaldatensatz. Tab. 2: Prozentuale Anteile der auf der Basis der LANDSAT TM-Aufnahme (Abb. 1) richtig klassifizierten Flächen für 10 Nutzungsklassen HBD MBD GBD GI KG WA GF WF AF GA Abb. 1: LANDSAT TM-Aufnahme vom , 10:30 MEZ für das Stadtgebiet von Freiburg/Breisgau. Für die Klassifikation werden die Kanäle 2, 5 und 4 verwendet. Die Abbildung zeigt wegen der besseren Übersichtlichkeit lediglich Kanal 4.
4 4 K. Braun Abb. 2: LANDSAT TM-Aufnahme aus Abb. 1 nach einer Kompression von 10:1. Das Bild wirkt geglättet, einzelne Detailstrukturen werden zu Arealen größerer Homogenität zusammengefasst. In den Abbildungen 1 und 2 werden die Unterschiede dargestellt, die sich zwischen der Originalaufnahme und der auf 10:1 komprimierten Szene ergeben. Insgesamt fällt auf, dass mit der Kompression der Daten eine größere Homogenität der einzelnen Areale einhergeht und einzelne Detailstrukturen und Artefakte verschwinden. Eine detailliertere Bewertung der Auswirkungen der Waveletkompression kann anhand einer Differenzierung der richtig klassifizierten Anteile nach den zehn unterschiedenen Nutzungsklassen erfolgen. Tabelle 2 zeigt diese Werte für die Klassifikation der Originalszene. In Tabelle 3 werden die Ergebnisse für die Klassifikation der auf 10:1 komprimierten Szene dargestellt. Tab. 3: Prozentuale Anteile der auf der Basis der auf 10:1 komprimierten LANDSAT TM-Aufnahme (Abb. 2) richtig klassifizierten Flächen für 10 Nutzungsklassen HBD MBD GBD GI KG WA GF WF AF GA Die Klassifikation verschlechtert sich in erster Linie bei Klassen mit geringer räumlicher Ausdehnung wie Gleisanlagen und Ackerflächen. Alle anderen Klassen konnten besser klassifiziert werden. Ein Vergleich von Abbildung 1 und Abbildung 2 macht deutlich, dass dies daran liegt, dass bei der Kompression Areale mit größerer Ausdehnung auf Kosten von kleineren Areale oder von Arealen mit linearer Ausdehnung wachsen.
5 Reduktionsverfahren in der Bildverarbeitung 5 3 Literatur Strang, G. & T. Nguyen (1996): Wavelets and Filterbanks. Wellesley-Cambridge Press, Wellesley, MA. Triebfürst, B, D. Saupe, & H. Saurer (1997): Kompression und Generalisierung von Fernerkundungsdaten in einem GIS mit einem optimierten Wavelet-Kodierer. In: AGIT IX, Juli 1*997, Salzburger Geographische Materialien, Heft 26, S
Entwicklung eines Tools zur kombinierten Datenkompression und Datenaufbereitung von Fernerkundungsdaten in einem GIS
Entwicklung eines Tools zur kombinierten Datenkompression und Datenaufbereitung von Fernerkundungsdaten in einem GIS Bernd Triebfürst 1 1 Einleitung Neue Datenerfassungssysteme und -technologien einerseits
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!
MehrLossy Bildkompression: Techniken und Bildqualität
Lossy Bildkompression: Techniken und Bildqualität Brigitte Forster Zentrum Mathematik, Technische Universität München, und Institut für Biomathematik und Biometrie, Helmholtz-Zentrum München Konsensuskonferenz:
MehrGrafikformate. Grafikformate. Digitale Bildverarbeitung Bildkompression
Digitale Bildverarbeitung Bildkompression Einleitung Datenmenge für ein unkomprimiertes Bild Verwendungszweck des Bildes Bild soll weiterverarbeitet werden Bild soll archiviert werden Bild soll per E-Mail
MehrDiskrete Cosinustransformation (DCT)
Fachbereich Medieninformatik Hochschule Harz Diskrete Cosinustransformation (DCT) Referat Björn Wöldecke 10954 Abgabe: 15.01.2007 Inhaltsverzeichnis Einleitung / Vorwort... 1. Methoden zur Datenreduktion...
Mehr$XWRPDWLVFKH)RUWI KUXQJYRQ$7.,6'/0
$XWRPDWLVFKH)RUWI KUXQJYRQ$7.,6'/0 Volker Walter In diesem Arbeitbericht wird in Kurzform der Stand der Arbeiten in dem Projekt Nutzung von MOMS-02-PRIRODA-Daten zur Fortführung von ATKIS vorgestellt.
MehrInhaltsverzeichnis. 1 Einführung 1
Inhaltsverzeichnis Inhaltsverzeichnis IX 1 Einführung 1 2 Grundlagen der Datenkompression 5 2.1 Informationsgehalt und Entropie....................... 5 2.2 Kriterien zur Kompressionsbewertung....................
MehrJPEG, MPEG & Co. Alex Titze Angewandte Informatik FHTW-Berlin
Referat KIM Alex Titze Angewandte Informatik FHTW-Berlin 76900504811 Einleitung JPEG Geschichte & Überblick Komprimierungsablauf Farbformat DCT (Diskrete Cosinus Transformation) Quantisierung Koeffizientenkodierung
MehrDatenkompression. 1 Allgemeines. 2 Verlustlose Kompression. Holger Rauhut
Datenkompression Holger Rauhut 1. September 2010 Skript für die Schülerwoche 2010, 8.-11.9.2010 Hausdorff Center for Mathematics, Bonn 1 Allgemeines Datenkompression hat zum Ziel, Daten in digitaler Form,
MehrComputergraphik II. Level-of-Detail. Oliver Deussen Level-of-Detail 1
Level-of-Detail Oliver Deussen Level-of-Detail 1 Motivation: Scanner und andere Meßgeräte liefern b-reps mit hohen Auflösungen Beispiel: 3D-Abtastung einer Karosserie ergibt 30 Mio Dreiecke Probleme: ineffizient
MehrEinführung Medienforscher Aufgabe 3 - MPEG. Tobias Reinsch 2011
Einführung Medienforscher Tobias Reinsch 2011 Allgemeines Ziel der Aufgabe Kennenlernen der Bildkodierungsverfahren des MPEG Standards Praktische Umsetzung dieser Techniken mit Java Bearbeitungszeitraum:
MehrJPEG - Kompression. Steffen Grunwald, Christiane Schmidt, Stephan Weck TIT01EGR BA-Mannheim 21. Mai 2002
JPEG - Kompression Steffen Grunwald, Christiane Schmidt, Stephan Weck TIT01EGR BA-Mannheim 21. Mai 2002 Inhaltsverzeichnis 1 Entwicklung von JPEG 2 1.1 Was heisst und was ist JPEG?................... 2
MehrKompression. Kompression. Beseitigung der unnötigen Daten... Redundanz. Folie 2
Kompression Kompression Encoder Decoder Beseitigung der unnötigen Daten... Redundanz Folie 2 1 Inhalte Redundanz Channel Encoding Loss-less Compression Hufmann Coding Runlength Coding Lossy Compression
Mehr9. Kombination von Vektor- und Rasterdaten
9. Kombination von Vektor- und Rasterdaten 1. Vergleich von Vektor- und Rasterdaten 2. Morphologische Operationen 3. Transformationen des Formats 4. Kombinierte Auswertungen Geo-Informationssysteme 224
MehrÜberwachte & Unüberwachte Klassifizierung
Lehrveranstaltung Fernerkundung Vorlesungs- und Übungsplan 07.04.10 Einführung, Strahlung, Sensoren 14.04.10 Digitale Bilder, Bildstatistik& Kontraststreckung 21.04.10 Bild Verbesserung & Indexe 28.05.10
MehrKap. 7: Wavelets. 2. Diskrete Wavelet-Transformation (DWT) 4. JPEG2000. H. Burkhardt, Institut für Informatik, Universität Freiburg DBV-I 1
Kap. 7: Wavelets. Die kontinuierliche Wavelet-Transformation (WT). Diskrete Wavelet-Transformation (DWT) 3. Sh Schnelle Wavelet-Transformation ltt ti (FWT) 4. JPEG000 H. Burkhardt, Institut für Informatik,
MehrImage Compression. Kompression. Beseitigung der unnötigen Daten... Redundanz. Vorlesung FH-Hagenberg SEM. Backfrieder-Hagenberg. Backfrieder-Hagenberg
Image Compression Vorlesung FH-Hagenberg SEM Kompression Encoder Decoder Beseitigung der unnötigen Daten... Redundanz 1 Inhalte Redundanz Error-Free Compression Hufmann Coding Runlength Coding Lossy Compression
MehrImage Compression. Kompression. Beseitigung der unnötigen Daten... Redundanz. Vorlesung FH-Hagenberg SEM. Backfrieder-Hagenberg. Backfrieder-Hagenberg
Image Compression Vorlesung FH-Hagenberg SEM Kompression Encoder Decoder Beseitigung der unnötigen Daten... Redundanz 1 Inhalte Redundanz Channel Encoding Error-Free Compression Hufmann Coding Runlength
MehrVerlustbehaftete Kompression von Kamera Rohdaten
Verlustbehaftete Kompression von Kamera Rohdaten Prof. Dr., Prof. Dr. D. Kunz, Katja Köhler Fachhochschule Köln Institut für Medien- und Phototechnik 1 Übersicht Aktuelle Situation Konzept Modellierung
MehrDatenkompressionsverfahren für mobile Endgeräte
Datenkompressionsverfahren für mobile Endgeräte Dr.-Ing. Michael Thierschmann IfKom-Forum 2002 15. März 2002 Übersicht Firmenprofil Grundlagen der Datenkompression Kompressionsverfahren Kodierungstechniken
Mehr6. Licht, Farbe und Bilder
6. Licht, Farbe und Bilder 6.1! Licht und Farbe: Physikalische und physiologische Aspekte 6.2! Farbmodelle 6.3! Raster-Bilddatenformate 6.4! Verlustbehaftete Kompression bei Bildern 6.5! Weiterentwicklungen
MehrProseminar Datenkomprimierung Dr. U. Tamm. JPEG - Kompression WS 2002/03. Torsten Zichner
Proseminar Datenkomprimierung Dr. U. Tamm JPEG - Kompression WS 2002/03 Torsten Zichner Inhaltsangabe: 1. Einleitung 2. JPEG Kompression 2.1. Konvertierung des Bildes in ein geeignetes Farbmodell 2.2.
Mehr6. Licht, Farbe und Bilder
6. Licht, Farbe und Bilder 6.1 Licht und Farbe: Physikalische und physiologische Aspekte 6.2 Farbmodelle 6.3 Raster-Bilddatenformate 6.4 Verlustbehaftete Kompression bei Bildern 6.5 Weiterentwicklungen
MehrSchnelle Fouriertransformation (FFT)
Schnelle Fouriertransformation (FFT) Inhaltsverzeichnis 1 Schnelle Fouriertransformation (FFT)... 3 1.1 Das Realtime-Konzept der Goldammer-Messkarten... 3 1.2 Das Abtasttheorem oder Regeln für die Abtastung
MehrFernerkundung Sommersemester 2010 Prof. Dr. Christoph Kleinn Institut für Waldinventur und Waldwachstum Arbeitsbereich Fernerkundung und Waldinventur
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
MehrIndependent JPEG Group. JPEG Software Tools
Independent JPEG Group JPEG Software Tools cjpeg Pixelmap Bildfileformat JPEG Bildfileformat jpegtran djpeg Beiträge zu: jpegtran: Verlustfreie Transformationsfunktionen (Rotation in 90 Grad Schritten,
MehrMultimediatechnik / Video
Multimediatechnik / Video Video-Kompression Zusammenfassung http://www.nanocosmos.de/lietz/mtv 2009 1 Motivation: Video-Kompression Unkomprimierte Datenmengen sind zu groß! TV: 20 MB/s = 72 GB/h (720x576x2x25)
MehrKompression und Datenformate. Grundlagen der Bildspeicherung, Kompressionsverfahren, Datenformate
Kompression und Datenformate Grundlagen der Bildspeicherung, Kompressionsverfahren, Datenformate Digitale Speicherung von Bildern Digitalisierung Informationsgehalt Speicherbedarf Kompression von Multimediadaten
Mehr4. Licht, Farbe und Bilder
4. Licht, Farbe und Bilder 4.1 Licht und Farbe: Physikalische und physiologische Aspekte 4.2 Farbmodelle 4.3 Raster-Bilddatenformate 4.4 Verlustbehaftete Kompression bei Bildern JPEG Progressives und hierarchisches
MehrAbbildtreue und Kompression gescannter Dokumente bei PDF/A
Abbildtreue und Kompression gescannter Dokumente bei PDF/A Empfehlungen geeigneter Einstellungen Datum: 29.11.2013 Autor: Axel Rehse Thomas Zellmann LuraTech Imaging GmbH LuraTech Europe GmbH Inhalt Einleitung...
MehrAnalyse eines zweistufigen, regionalen Clusteralgorithmus am Beispiel der Verbundenen Wohngebäudeversicherung
Analyse eines zweistufigen, regionalen Clusteralgorithmus am Beispiel der Verbundenen Wohngebäudeversicherung Zusammenfassung der Diplomarbeit an der Hochschule Zittau/Görlitz Maria Kiseleva Motivation
MehrEin flächendeckendes Landnutzungsmodell von Österreich aus Fernerkundungsdaten
Paper-ID: VGI 199611 Ein flächendeckendes Landnutzungsmodell von Österreich aus Fernerkundungsdaten Klaus Steinnocher 1 1 Abteilung Umweltplanung, Forschungszentrum Seibersdorf, 2444 Seibersdorf VGI Österreichische
MehrKapitel 9 Kombination von Vektor- und Rasterdaten
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE Kapitel 9 Kombination von Vektor- und Rasterdaten Skript zur Vorlesung Geo-Informationssysteme Wintersemester 2014/15
MehrIhre Punkt + Sonderp. = Summe Ihre Note:
Hochschule Darmstadt Nachname: Fachbereich Informatik Vorname: Björn Frömmer, Prof. Dr. E. Hergenröther Matr. Nr.: Ihre Punkt + Sonderp. = Summe Ihre Note: Aufgabe : RGB-Farbmodell Punkte: / 6 % Unten
MehrLogistische Regression
Logistische Regression Markus Kalisch 30.09.2014 1 Big Picture: Statistisches Lernen Supervised Learning (X,Y) Unsupervised Learning X VL 7, 11, 12 Regression Y kontinuierlich VL 1, 2, 4, 5, 6 Klassifikation
MehrErgebnis einer globalen Op. im Punkt (x, y): abhängig vom gesamten Eingabebild hoher Rechenaufwand (bis zu O(n 4 )!)
4.3. Globale Operationen Ergebnis einer globalen Op. im Punkt (x, y): abhängig vom gesamten Eingabebild hoher Rechenaufwand (bis zu O(n 4 )!) globale Op. spielen wichtige Rolle in techn. Signalverarbeitung
MehrPerlen der Informatik I Wintersemester 2012 Aufgabenblatt 6
Technische Universität München WS 2012 Institut für Informatik Prof. Dr. H.-J. Bungartz Prof. Dr. T. Huckle Prof. Dr. M. Bader Kristof Unterweger Perlen der Informatik I Wintersemester 2012 Aufgabenblatt
MehrWas sehen Sie auf diesem Bild? Nennen Sie bitte möglichst viele Details.
Was sehen Sie auf diesem Bild? Nennen Sie bitte möglichst viele Details. Man sieht nur, was man weiß Was würden unterschiedliche Menschen auf dem vorigen Bild wohl erkennen? Düsseldorfer Australier Neandertaler
MehrSeminararbeit. Wavelet-basierte Bilddatenkompression. Fachbereich Elektrotechnik und Informatik. Christian Hahn Fachhochschule Coburg, 2007
Fachbereich Elektrotechnik und Informatik Seminararbeit Wavelet-basierte Bilddatenkompression Verfasser: Fach: Betreuer: Christian Hahn Informatik-Seminar Professor Engel Wavelet-basierte Bilddatenkompression
MehrSichtbarmachung von Geo-Daten für eine Suchmaschine
Sichtbarmachung von Geo-Daten für eine Suchmaschine Frauke Heinzle Monika Sester Institut für Kartographie und Geoinformatik (ikg) Universität Hannover Roter Faden EU-Projekt SPIRIT kurze Einleitung Pro
MehrU6: Webgerechte Bilder
Konzeption Gestaltung U6: Webgerechte Bilder BILDAUFLÖSUNG UND GRÖSSE Auflösung bestimmt die Anzahl an Punkten (dots), die pro Längeneinheit (cm oder inch) zur Verfügung steht und wird demzufolge n der
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
MehrImage Compression. Vorlesung FH-Hagenberg DSB
Image Compression Vorlesung FH-Hagenberg DSB Kompression Encoder Decoder Beseitigung der unnötigen Daten... Redundanz Inhalte Redundanz Loss-less Compression Hufmann Coding Runlength Coding Lossy Compression
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
MehrBildkompression InTh, 2005, JPEG, Hak, Rur, 1
Bildkompression InTh, 25, JPEG, Hak, Rur, 1 Referenzen [1] D Salomon, Data Compression, Springer, 24 [2] Prof Dr A Steffen, Kurs SU, ZHW, 1999-24 [3] G Wallace, The JPEG Still Picture Compression Standard,
MehrVerlustbehaftete Bilddatenkompression
Deutscher Röntgenkongress Berlin 2008, Thomas Kalinski, Harald Hofmann, Albert Roessner, Johannes Bernarding 1 Inhalt 1. Definition verlustbehaftete Kompression 2. Anforderungen an Bildkompression 3. Vergleich
MehrLunge J1 J2 W1 W2 45 PSNR. 25 1 2 3 4 5 6 7 8 9 10 Ratio. Angiogramm J1 J2 W1 W2 PSNR 45. 25 2 4 6 8 10 Ratio
Ein Vergleich von Wavelet und JPEG basierten selektiven Methoden im Bereich der medizinischen Bildkompression Alfred Bruckmann und Andreas Uhl Forschungsinstitut fur Softwaretechnologie (RIST++) Hellbrunnerstr.34,
MehrKompressionsverfahren- JPEG 2000
Kompressionsverfahren- JPEG 2000 eingereicht durch Jan-Hendrik Sondermann 20.03.2013 Inhaltsverzeichnis Inhaltsverzeichnis INHALTSVERZEICHNIS... 2 VORWORT... 3 1. EINLEITUNG... 4 1.1. DATENKOMPRESSION...
MehrGEO-INFORMATIONSSYSTEME
GEO-INFORMATIONSSYSTEME Dozent: Prof. Dr. Christian Böhm Übungsleiter: Annahita Oswald Bianca Wackersreuther Ablauf des ersten Vorlesungstages: 1. Organisation 2. Gliederung der Vorlesung 3. Einführung
MehrMathematische Methoden der graphischen Datenverarbeitung
Teil I: Aufgaben der Bildverarbeitung: Komprimierung (compression); Mathematische Methoden der graphischen Datenverarbeitung PD Dr.(USA) Maria Charina Originalbild, 30Kbt Komprimiertes Bild, 7Kbt Teil
MehrGrundlagen der Bildverarbeitung Klaus D. Tönnies
Grundlagen der Bildverarbeitung Klaus D. Tönnies ein Imprint von Pearson Education München Boston San Francisco Harlow, England Don Mills, Ontario Sydney Mexico City Madrid Amsterdam Inhaltsverzeichnis
MehrHauptdiplomklausur Informatik Februar 2006: Multimedia Systems
Universität Mannheim Fakultät für Mathematik und Informatik Lehrstuhl für Praktische Informatik IV Prof. Dr.-Ing. W. Effelsberg Hauptdiplomklausur Informatik Februar 2006: Multimedia Systems Name: Matrikel-Nr.:
MehrGrundlagen der Bildverarbeitung
Grundlagen der Bildverarbeitung Inhaltsverzeichnis Vorwort 9 Kapitel 1 Einführung 13 1.1 Anwendungen der digitalen Bildverarbeitung 16 1.2 Algorithmische Verarbeitung von Bildinformation 17 1.3 Zu diesem
MehrUntersuchungen zur Segmentierung von Satellitenbilddaten für die Extraktion von GIS-Objekten
Untersuchungen zur Segmentierung von Satellitenbilddaten für die Extraktion von GIS-Objekten KRISTIN LEUKERT 1 Zusammenfassung: Objektbasierte Verfahren bieten besonders für hochaufgelöste Bilddaten neue
MehrAnalysen zur Globalisierung in der Eier- und Fleischerzeugung
WING Beiträge zur Geflügelwirtschaft Heft 1 August 2013 Hans-Wilhelm Windhorst und Anna Wilke Analysen zur Globalisierung in der Eier- und Fleischerzeugung Vorwort Vorwort Der Begriff Globalisierung ist
MehrJPEG Kompression technische Realisierung
Experimentalphysik V 20. Januar 2005 Schema der JPEG Kompression Farbraumkonvertierung RGB YCbCr Subsampling der Farbkomponenten Cb, Cr Zerlegung in Blöcke 8 8 2D Kosinustransformation (DCT) Quantisierung
Mehr6. Licht, Farbe und Bilder
6. Licht, Farbe und Bilder 6.1 Licht und Farbe: Physikalische und physiologische Aspekte 6.2 Farbmodelle 6.3 Raster-Bilddatenformate Grundbegriffe für Bildspeicherung und -Bearbeitung Bitmap-Formate Verlustfrei
Mehr6. Licht, Farbe und Bilder
6. Licht, Farbe und Bilder 6.1 Licht und Farbe: Physikalische und physiologische Aspekte 6.2 Farbmodelle 6.3 Raster-Bilddatenformate 6.4 Verlustbehaftete Kompression bei Bildern 6.5 Weiterentwicklungen
Mehr43 Fourierreihen Motivation Fourierbasis
43 Fourierreihen 43. Motivation Ähnlich wie eine Taylorreihe (vgl. MfI, Kap. 2) eine Funktion durch ein Polynom approximiert, wollen wir eine Funktion durch ein trigonometrisches Polynom annähern. Hierzu
MehrSignaltheorie. Alfred Mertins
Alfred Mertins Signaltheorie Grundlagen der Signalbeschreibung, Filterbänke, Wavelets, Zeit-Frequenz-Analyse, Parameter- und Signalschätzung 2., überarbeitete und erweiterte Auflage Mit 158 Abbildungen
Mehrpro-k Fachgruppe PVC-Platten Technisches Merkblatt Qualitätskriterien für die Oberflächen von PVC-U hart Platten
pro-k Fachgruppe PVC-Platten Technisches Merkblatt Qualitätskriterien für die Oberflächen von PVC-U hart Platten Vorwort Platten aus PVC werden industriell unter hohen Anforderungen an die Qualität gefertigt.
Mehrpro-k Fachgruppe Thermoplastische Platten
pro-k Fachgruppe Thermoplastische Platten Technisches Merkblatt Qualitäts-Klassifizierung für rezyclatfreie und extrudierte Oberflächen aus Vorwort Die in der Fachgruppe Thermoplastische Platten von pro-k
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
MehrInstitut für Softwaretechnik und Interaktive Systeme Interaktive und Multimediale Systeme Technische Universität Wien
Institut für Softwaretechnik und Interaktive Systeme Interaktive und Multimediale Systeme Technische Universität Wien Projektpraktikum (mit Bakkalaureatsarbeit) SS 2004 JPEG vs. JPEG2000 Thema Nr. 26 Wien,
MehrMethoden der Fernerkundung
Vorlesung für geographischen Studiengänge Modul MNF-Geogr. 14 Berechnungen am Bild Prof. Dr. Natascha Oppelt Arbeitsgruppe Fernerkundung & Umweltmodellierung Geographisches Institut Christian-Albrechts-Universität
MehrEinführung Aufgabe 3 - MPEG. Tobias Reinsch 2011
Einführung Aufgabe 3 - MPEG Tobias Reinsch 2011 Allgemeines Aufgabe 3 - MPEG Ziel der Aufgabe Kennenlernen der Bildkodierungsverfahren des MPEG Standards Praktische Umsetzung dieser Techniken mit Java
MehrJ.P.E.G. Standard. J.P.E.G. Eigenschaften. J.P.E.G. System. JPEG Verschlüsselungsschritte. Farbmodell
Inhaltsbasierte Bildsuche J.P.E.G = Joint Photographic Expert Group Informatica Feminale Universität Bremen, Aug. 2005 Maja Temerinac Albert-Ludwigs-Universität Freiburg J.P.E.G. Standard Standard zur
MehrDigitalisierung und Kodierung
Digitalisierung und Kodierung Digitale Medien liegen in digitaler Form vor Deshalb werden analoge Medien digitalisiert und geeignet kodiert Ziel der Digitalisierung: effiziente Berechnung wenig Verluste
MehrLandesweite Fortbildungsreihe für Geographielehrerinnen und -lehrer
Landesweite Fortbildungsreihe für Geographielehrerinnen und -lehrer Warum GIS an Schulen? Beispiele aus der unterrichtlichen Umsetzung Projekt GIS an Schulen - Fortbildungskonzeption Ausblick Warum GIS
MehrRendering-Intents gibt es Unterschiede?
Rendering-Intents gibt es Unterschiede? Für Farbumrechnungen mit ICC-Colormanagement stehen vier verschiedene Rendering-Intents zur Auswahl. Wie sich welcher Rendering Intent bei der Anwendung auswirkt
MehrSPRACHCODIERUNG. Mirko Johlke WS 2017/18 ASQ Literaturarbeit- und Präsentation
SPRACHCODIERUNG Mirko Johlke WS 2017/18 ASQ Literaturarbeit- und Präsentation INHALTSVERZEICHNIS 1. Physikalische- und digitale Größen 2. Signal Rausch Abstand 3. Modulationsmethoden 1. PCM: Pulse Code
MehrUntersuchungen zur Segmentierung von Satellitenbilddaten für die Extraktion von GIS-Objekten
Untersuchungen zur Segmentierung von Satellitenbilddaten für die Extraktion von GIS-Objekten KRISTIN LEUKERT 1 Zusammenfassung: Objektbasierte Verfahren bieten besonders für hochaufgelöste Bilddaten neue
MehrV3D2-Projekt: ATLAS2000
V3D2-Projekt: ATLAS2000 Entwicklung neuer Datenzugriffs-, Visualisierungs-, und Aufbereitungstechniken zum Einsatz in digitalen Atlanten der Zukunft Projektleitung: Prof. Dr. D. Saupe Prof. Dr. H. Goßmann
MehrTheorie digitaler Systeme
Theorie digitaler Systeme Vorlesung 8: Leakage und Zero-Padding Fakultät für Elektro- und Informationstechnik, Manfred Strohrmann Betrag / db Einführung Ein über die DFT berechnetes Spektrum T A X n ist
MehrCop4Stat_2015plus. Verwendung von Copernicus-Daten für Zwecke der Flächenstatistik
Cop4Stat_2015plus Verwendung von Copernicus-Daten für Zwecke der Flächenstatistik Stephan Arnold Flächenstatistik und landwirtschaftliche Bodennutzung Statistisches Bundesamt Sylvia Seissiger Entwicklung
MehrWS 2014/15 FINITE-ELEMENT-METHODE JUN.-PROF. D. JUHRE
4.2 FINITE-ELEMENTE-DISKRETISIERUNG Elementierung und Diskretisierung Im Gegensatz zum räumlichen Fachwerk, bei dem bereits vor der mathematischen Diskretisierung ein konstruktiv diskretes Tragwerk vorlag,
Mehr5. Licht, Farbe und Bilder
5. Licht, Farbe und Bilder 5.1 Licht und Farbe: Physikalische und physiologische Aspekte 5.2 Farbmodelle 5.3 Raster-Bilddatenformate 5.4 Verlustbehaftete Kompression bei Bildern JPEG Weiterführende Literatur:
Mehr6. Licht, Farbe und Bilder
6. Licht, Farbe und Bilder 6.1 Licht und Farbe: Physikalische und physiologische Aspekte 6.2 Farbmodelle 6.3 Raster-Bilddatenformate Grundbegriffe für Bildspeicherung und -Bearbeitung Bitmap-Formate Verlustfrei
MehrDigitale Bildverarbeitung Einheit 4 Bildkompression und Bildformate
Digitale Bildverarbeitung Einheit 4 Bildkompression und Bildformate Lehrauftrag WS 05/06 Fachbereich M+I der FH-Offenburg Dipl.-Math. Bernard Haasdonk Albert-Ludwigs-Universität Freiburg Ziele der Einheit
Mehr10.5 Maximum-Likelihood Klassifikation (I)
Klassifikation (I) Idee Für die Klassifikation sind wir interessiert an den bedingten Wahrscheinlichkeiten p(c i (x,y) D(x,y)). y Wenn man diese bedingten Wahrscheinlichkeiten kennt, dann ordnet man einem
MehrAnalysis für Ingenieurstudenten Band 2
* Horst Stöcker (Hrsg.) Siegfried Fuchs Jens Konopka Manfred Schneider Analysis für Ingenieurstudenten Band 2 Mit 177 Aufgaben und Lösungen sowie 138 Abbildungen Verlag Harri Deutsch Thun und Frankfurt
MehrBGS UMWELT Brandt Gerdes Sitzmann Umweltplanung GmbH Anhang I Bodennutzungsklassifikation für die Südpfalz, Fernerkundung Anhang I-Fernerkundung.
Brandt Gerdes Sitzmann Umweltplanung GmbH Anhang I Bodennutzungsklassifikation für die Südpfalz, Fernerkundung Anhang I-Fernerkundung.doc Inhalt 1 Datengrundlage 3 1.1 Vorbemerkung 3 1.2 Eingangsdaten
MehrJPEG, MPEG & Co. - Alex Titze. JPEG, MPEG & Co. Alex Titze Referat WS 2004 Konzepte Interaktiver Medien FHTW Berlin.
JPEG, MPEG & Co. Alex Titze 76900504811 Referat WS 2004 Konzepte Interaktiver Medien FHTW Berlin Seite 1 von 12 Inhaltsverzeichnis 1 Einleitung (Abstract) 3 1.1 Deutsch 3 1.2 English 3 2 JPEG 4 2.1 Geschichte
MehrFür wichtige Sätze und Wörter empfiehlt sich mindestens Schriftgröße 16. Die Folie zeigt: Nicht nur die Größe an sich ist ein Problem für die Lesbarkeit, auch hat der Bildschirm oftmals erhebliche Schwierigkeiten
MehrBildverarbeitung Herbstsemester. Wavelet-Transformation
Bildverarbeitung Herbstsemester Herbstsemester Wavelet-Transformation Inhalt Probleme der Fourier-Analysis Übergang zur Wavelet-Transformation Kontinuierliche Wavelet-Transformation (CWT) Diskrete Wavelet-Transformation
MehrUrbane Geo-informationsprodukte aus Rapid Eye Daten. W. Heldens, M. Wurm,H. Taubenböck & T. Esch
Urbane Geo-informationsprodukte aus Rapid Eye Daten W. Heldens, M. Wurm,H. Taubenböck & T. Esch Deutsches Fernerkundungsdatenzentrum, Abt. Landoberfläche www.dlr.de Folie 2 Urban and rural population past
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)
MehrQualitäts-Klassifizierung für rezyclatfreie und extrudierte Oberflächen aus definierter Typware. pro-k Fachgruppe Thermoplastische Platten
pro-k Fachgruppe Thermoplastische Platten MITRAS Materials GmbH Technisches Merkblatt Qualitäts-Klassifizierung für rezyclatfreie und extrudierte Oberflächen aus Vorwort Die in der Fachgruppe Thermoplastische
MehrGraphische Datenverarbeitung
Graphische Datenverarbeitung Bildkompression & Dateiformate Prof. Dr. Elke Hergenröther Gründe für eine Kompression Unkomprimierte Rasterbilder benötigen: viel Speicherplatz hohe Bandbreite zur Übertragung
MehrVektordaten. Digitales Geländemodell 1 : DGM250. Bundesrepublik Deutschland. Bundesamt für Kartographie und Geodäsie
Vektordaten Bundesrepublik Deutschland Digitales Geländemodell 1 : 250 000 Stand der Dokumentation: 01.04.2004 Bundesamt für Kartographie und Geodäsie Seite 1 Inhalt Seite 1 Übersicht über den Datenbestand
Mehr3.6 Globale Operationen
3.6 Globale Operationen Ergebnis einer globalen Op. im Punkt (x, y): abhängig vom gesamten Eingabebild hoher Rechenaufwand (bis zu O(n 4 )!) globale Op. spielen wichtige Rolle in technischer Signalverarbeitung
MehrQuantifizierung von Bodenabtragsflächen auf Alpinen Grashängen (Projekt QUA-BA)
Quantifizierung von Bodenabtragsflächen auf Alpinen Grashängen (Projekt QUA-BA) Clemens Geitner, Andreas Mayr & Martin Rutzinger Institut für Geographie, Universität Innsbruck Clemens Geitner Jahrestreffen
MehrInformation Pixel-GIS-Z
Information Pixel-GIS-Z Wenn man die Entwicklung oder Veränderung einer Landschaft über längere Zeiträume verfolgen möchte, ist die Auswertung von Satellitenbildern eine der technischen Möglichkeiten,
MehrPraktikum 1. Bildverarbeitungs - Software ImageJ LUT Manipulationen Bild - Quantisierung
Prof. W. Hillen, Medizinische Informatik FH - AC (Jülich)...\image\img_pk_01 ImageJ.doc Praktikum 1 Digitale Bildverarbeitung Bildverarbeitungs - Software ImageJ LUT Manipulationen Bild - Quantisierung
MehrÜbungen (HS-2010): Urteilsfehler. Autor: Siegfried Macho
Übungen (HS-2010): Urteilsfehler Autor: Siegfried Macho Inhaltsverzeichnis i Inhaltsverzeichnis 1. Übungen zu Kapitel 2 1 Übungen zu Kontingenz- und Kausalurteile 1 Übung 1-1: 1. Übungen zu Kapitel 2 Gegeben:
Mehr