Segmentierung des Aterienbaums
|
|
|
- Elvira Heidrich
- vor 7 Jahren
- Abrufe
Transkript
1 Segmentierung des Aterienbaums Christoph Schaefer Seminar: Bildverarbeitung für die Medizin Universität Koblenz-Landau
2 1 Anwendungsgebiete 2 Segmentierung Überblick Deformierbare Modelle Snake Modell 3 Level Set Methode 4 Segmentierung des Aterienbaums Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
3 Der Aterienbaum Abbildung: Schematische Darstellung der Blutgefäÿe im Oberkörper Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
4 Anwendungsgebiete Aunden von Aneurismen (Ausweitung) und Stenosen (Verengung) Ort und Gröÿe der Gefäÿe ermitteln (Operationsvorbereitung) Finden der Grenzen zwischen Blutgefäÿen und Lymphknoten (Metastasen) Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
5 Anwendungsgebiete Aunden von Aneurismen (Ausweitung) und Stenosen (Verengung) Ort und Gröÿe der Gefäÿe ermitteln (Operationsvorbereitung) Finden der Grenzen zwischen Blutgefäÿen und Lymphknoten (Metastasen) Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
6 Anwendungsgebiete Aunden von Aneurismen (Ausweitung) und Stenosen (Verengung) Ort und Gröÿe der Gefäÿe ermitteln (Operationsvorbereitung) Finden der Grenzen zwischen Blutgefäÿen und Lymphknoten (Metastasen) Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
7 Schwierigkeiten Verletzung an der Halsschlagader kann lebensgefährlich werden Der Unterschied zwischen Gefäÿ und anderem Gewebe ist nicht immer eindeutig Der Aterienbaum zieht sich durch sehr viele Schichten Der Aterienbaum verzweigt sich Der Aterienbaum ist nicht bei jedem Patienten gleich Das macht die manuelle Segmentation sehr zeitaufwändig! Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
8 Schwierigkeiten Verletzung an der Halsschlagader kann lebensgefährlich werden Der Unterschied zwischen Gefäÿ und anderem Gewebe ist nicht immer eindeutig Der Aterienbaum zieht sich durch sehr viele Schichten Der Aterienbaum verzweigt sich Der Aterienbaum ist nicht bei jedem Patienten gleich Das macht die manuelle Segmentation sehr zeitaufwändig! Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
9 Schwierigkeiten Verletzung an der Halsschlagader kann lebensgefährlich werden Der Unterschied zwischen Gefäÿ und anderem Gewebe ist nicht immer eindeutig Der Aterienbaum zieht sich durch sehr viele Schichten Der Aterienbaum verzweigt sich Der Aterienbaum ist nicht bei jedem Patienten gleich Das macht die manuelle Segmentation sehr zeitaufwändig! Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
10 Schwierigkeiten Verletzung an der Halsschlagader kann lebensgefährlich werden Der Unterschied zwischen Gefäÿ und anderem Gewebe ist nicht immer eindeutig Der Aterienbaum zieht sich durch sehr viele Schichten Der Aterienbaum verzweigt sich Der Aterienbaum ist nicht bei jedem Patienten gleich Das macht die manuelle Segmentation sehr zeitaufwändig! Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
11 Schwierigkeiten Verletzung an der Halsschlagader kann lebensgefährlich werden Der Unterschied zwischen Gefäÿ und anderem Gewebe ist nicht immer eindeutig Der Aterienbaum zieht sich durch sehr viele Schichten Der Aterienbaum verzweigt sich Der Aterienbaum ist nicht bei jedem Patienten gleich Das macht die manuelle Segmentation sehr zeitaufwändig! Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
12 Schwierigkeiten Verletzung an der Halsschlagader kann lebensgefährlich werden Der Unterschied zwischen Gefäÿ und anderem Gewebe ist nicht immer eindeutig Der Aterienbaum zieht sich durch sehr viele Schichten Der Aterienbaum verzweigt sich Der Aterienbaum ist nicht bei jedem Patienten gleich Das macht die manuelle Segmentation sehr zeitaufwändig! Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
13 Schwierigkeiten Abbildung: Schicht einer CT-Aufnahme (unterer Halsbereich) Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
14 Schwierigkeiten Abbildung: Verzweigung eines Blutgefäÿes Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
15 Schwierigkeiten Abbildung: Gestapelte Schichten Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
16 Segmentierung Denition Ziel der Segmentierung in der Bildverarbeitung ist die Extraktion von Objekten aus Bildern. Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
17 Welche Möglichkeiten gibt es? Reine Datengetriebene Methoden arbeiten z.b. mit Gradienten und Grauwerten. (centerline detection, region growing, watershed-transformation,...) Daten können auch mit einem Modell verbunden werden in dem immer gleiche Eigenschaften (Form, Darstellung in CT-Bildern) von den beobachteten Objekten vorrausgesetzt werden. Dazu gehören Methoden die Aktive Konturen nutzen. (snakes, level set, fast marching,...) Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
18 Welche Möglichkeiten gibt es? Reine Datengetriebene Methoden arbeiten z.b. mit Gradienten und Grauwerten. (centerline detection, region growing, watershed-transformation,...) Daten können auch mit einem Modell verbunden werden in dem immer gleiche Eigenschaften (Form, Darstellung in CT-Bildern) von den beobachteten Objekten vorrausgesetzt werden. Dazu gehören Methoden die Aktive Konturen nutzen. (snakes, level set, fast marching,...) Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
19 Vor- und Nachteile modellbasierten Ansätzen Pro: Robuster bei Bildstörungen und Verdeckungen Imitiert menschliches Abstraktionsvermögen Contra: Meistens komplexer in der Umsetzung Oft hoher Rechenaufwand Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
20 Vor- und Nachteile modellbasierten Ansätzen Pro: Robuster bei Bildstörungen und Verdeckungen Imitiert menschliches Abstraktionsvermögen Contra: Meistens komplexer in der Umsetzung Oft hoher Rechenaufwand Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
21 Vor- und Nachteile modellbasierten Ansätzen Pro: Robuster bei Bildstörungen und Verdeckungen Imitiert menschliches Abstraktionsvermögen Contra: Meistens komplexer in der Umsetzung Oft hoher Rechenaufwand Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
22 Vor- und Nachteile modellbasierten Ansätzen Pro: Robuster bei Bildstörungen und Verdeckungen Imitiert menschliches Abstraktionsvermögen Contra: Meistens komplexer in der Umsetzung Oft hoher Rechenaufwand Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
23 Vor- und Nachteile modellbasierten Ansätzen Pro: Robuster bei Bildstörungen und Verdeckungen Imitiert menschliches Abstraktionsvermögen Contra: Meistens komplexer in der Umsetzung Oft hoher Rechenaufwand Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
24 Deformierbare Modelle Das deformierbare Modell kann zum Beispiel eine Kontur sein, die das zu segmentierende Gebiet umgibt Die Modell Kontur (z.b. Kreis) soll sich der gesuchten Kontur (z.b. Nierenkontur) anpassen Dies wird durch in- und externe Kräfte erreicht die auf das Modell wirken Interne Kräfte ergeben sich aus der Form des Models Externe Kräfte ergeben sich aus dem zu segmentierenden Bild Es wird eine Balance zwischen in- und externen Kräften gesucht Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
25 Deformierbare Modelle Das deformierbare Modell kann zum Beispiel eine Kontur sein, die das zu segmentierende Gebiet umgibt Die Modell Kontur (z.b. Kreis) soll sich der gesuchten Kontur (z.b. Nierenkontur) anpassen Dies wird durch in- und externe Kräfte erreicht die auf das Modell wirken Interne Kräfte ergeben sich aus der Form des Models Externe Kräfte ergeben sich aus dem zu segmentierenden Bild Es wird eine Balance zwischen in- und externen Kräften gesucht Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
26 Deformierbare Modelle Das deformierbare Modell kann zum Beispiel eine Kontur sein, die das zu segmentierende Gebiet umgibt Die Modell Kontur (z.b. Kreis) soll sich der gesuchten Kontur (z.b. Nierenkontur) anpassen Dies wird durch in- und externe Kräfte erreicht die auf das Modell wirken Interne Kräfte ergeben sich aus der Form des Models Externe Kräfte ergeben sich aus dem zu segmentierenden Bild Es wird eine Balance zwischen in- und externen Kräften gesucht Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
27 Deformierbare Modelle Das deformierbare Modell kann zum Beispiel eine Kontur sein, die das zu segmentierende Gebiet umgibt Die Modell Kontur (z.b. Kreis) soll sich der gesuchten Kontur (z.b. Nierenkontur) anpassen Dies wird durch in- und externe Kräfte erreicht die auf das Modell wirken Interne Kräfte ergeben sich aus der Form des Models Externe Kräfte ergeben sich aus dem zu segmentierenden Bild Es wird eine Balance zwischen in- und externen Kräften gesucht Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
28 Deformierbare Modelle Das deformierbare Modell kann zum Beispiel eine Kontur sein, die das zu segmentierende Gebiet umgibt Die Modell Kontur (z.b. Kreis) soll sich der gesuchten Kontur (z.b. Nierenkontur) anpassen Dies wird durch in- und externe Kräfte erreicht die auf das Modell wirken Interne Kräfte ergeben sich aus der Form des Models Externe Kräfte ergeben sich aus dem zu segmentierenden Bild Es wird eine Balance zwischen in- und externen Kräften gesucht Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
29 Deformierbare Modelle Das deformierbare Modell kann zum Beispiel eine Kontur sein, die das zu segmentierende Gebiet umgibt Die Modell Kontur (z.b. Kreis) soll sich der gesuchten Kontur (z.b. Nierenkontur) anpassen Dies wird durch in- und externe Kräfte erreicht die auf das Modell wirken Interne Kräfte ergeben sich aus der Form des Models Externe Kräfte ergeben sich aus dem zu segmentierenden Bild Es wird eine Balance zwischen in- und externen Kräften gesucht Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
30 Snake Ein Beispiel für deformierbare Modelle sind Snakes. Bei Snakes werden die Konturen in einer expliziten Parameterdarstellung beschrieben. Ein Kreis um den Nullpunkt mit dem Radius 1 wird für s [0, 1] so deniert: C Kreis (s) = ( cos(2πs) sin(2πs) In diesem Fall wäre C(0) der Start- und C(1) der Endpunkt der Kuntur. ) Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
31 Snake Ein Beispiel für deformierbare Modelle sind Snakes. Bei Snakes werden die Konturen in einer expliziten Parameterdarstellung beschrieben. Ein Kreis um den Nullpunkt mit dem Radius 1 wird für s [0, 1] so deniert: C Kreis (s) = ( cos(2πs) sin(2πs) In diesem Fall wäre C(0) der Start- und C(1) der Endpunkt der Kuntur. ) Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
32 Snake Ein Beispiel für deformierbare Modelle sind Snakes. Bei Snakes werden die Konturen in einer expliziten Parameterdarstellung beschrieben. Ein Kreis um den Nullpunkt mit dem Radius 1 wird für s [0, 1] so deniert: C Kreis (s) = ( cos(2πs) sin(2πs) In diesem Fall wäre C(0) der Start- und C(1) der Endpunkt der Kuntur. ) Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
33 Snake Ein Beispiel für deformierbare Modelle sind Snakes. Bei Snakes werden die Konturen in einer expliziten Parameterdarstellung beschrieben. Ein Kreis um den Nullpunkt mit dem Radius 1 wird für s [0, 1] so deniert: C Kreis (s) = ( cos(2πs) sin(2πs) In diesem Fall wäre C(0) der Start- und C(1) der Endpunkt der Kuntur. ) Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
34 Snake C ist eine parametresierte Kurve (z.b. der Kreis von der vorherigen Folie), die über ein Bild gelegt wird. Im Snake-Model wird dann das Minimum der folgenden Gleichung gesucht: E(C) = α E elast (C) + β E glatt (C) γ E ext (C) }{{}}{{} interne Energie externe Energie C Maÿ für Elastizität, C für Glattheit und der Gradient des Bildes für die externe Energie. α, β, γ sind Gewichtungsfaktoren Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
35 Snake C ist eine parametresierte Kurve (z.b. der Kreis von der vorherigen Folie), die über ein Bild gelegt wird. Im Snake-Model wird dann das Minimum der folgenden Gleichung gesucht: E(C) = α E elast (C) + β E glatt (C) γ E ext (C) }{{}}{{} interne Energie externe Energie C Maÿ für Elastizität, C für Glattheit und der Gradient des Bildes für die externe Energie. α, β, γ sind Gewichtungsfaktoren Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
36 Snake C ist eine parametresierte Kurve (z.b. der Kreis von der vorherigen Folie), die über ein Bild gelegt wird. Im Snake-Model wird dann das Minimum der folgenden Gleichung gesucht: E(C) = α E elast (C) + β E glatt (C) γ E ext (C) }{{}}{{} interne Energie externe Energie C Maÿ für Elastizität, C für Glattheit und der Gradient des Bildes für die externe Energie. α, β, γ sind Gewichtungsfaktoren Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
37 Snake Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
38 Snake Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
39 Snake Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
40 Snake Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
41 Snake Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
42 Snake Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
43 Snake Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
44 Snake Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
45 Snake Die einzelnen Konturpunkte arbeiten zusammen. Hängt ein Punkt in einem lokalen Maximum fest, können die Nachbarpunkte ihn mit Hilfe der internen Energie befreien. Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
46 Vorteile von Level Set gegenüber Snake Die Kontur kann sich teilen bzw verschmelzen Anwendung in 3D und in höheren Dimensionen möglich Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
47 Implizite Kontur Darstellung In der Level Set Methode werden Konturen nicht explizit wie im Snake Modell, sondern implizit repräsentiert. Explizit für einen Kreis um den Ursprung mit Radius 1: ( ) cos(2πs) C Kreis (s) = sin(2πs) Implizite Darstellung mit einer vorzeichenbehafteten Distanzfunktion: Φ(p) = p 1 Φ(0, 0) = (0, 0) 1 = 1 Φ(p) < 0 Der Punkt p liegt innerhalb der Kontur Φ(0, 3) = (0, 3) 1 = 2 Φ(p) > 0 Der Punkt p liegt auÿerhalb der Kontur Φ(0, 1) = (0, 1) 1 = 0 Φ(p) = 0 Der Punkt p liegt auf der Kontur (Front) Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
48 Zero-Level-Set In einem Level Set (Niveaumenge) sind alle Punkte für die Φ den gleichen Wert liefert zusammengefasst. Die Menge (engl. set) aller Pixel mit dem Wert Null nennt man Zero-Level-Set. Sie trennt das Innere und Äuÿere der Kontur und ist immer geschlossen Tabelle: Diskrete Abstandsfunktion mit vierer Nachbarschaft Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
49 Zero-Level-Set Bei der Levelsetmethode wird eine n-dimensionale Kontur implizit als Einbettung in einer (n+1)-dimensionalen Hyperoberäche betrachtet. (aus 2D Bildern wird eine 3D Funktion konstruiert) Die zusätzliche Dimension wird aus der Abbildung der Distanz jedes Punktes zur n-dimensionalen Kontur konstruiert. Die Levelsetfunktion Φ liefert für jeden Punkt auf der Hyperoberäche diesen Distanzwert. Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
50 Zero-Level-Set Bei der Levelsetmethode wird eine n-dimensionale Kontur implizit als Einbettung in einer (n+1)-dimensionalen Hyperoberäche betrachtet. (aus 2D Bildern wird eine 3D Funktion konstruiert) Die zusätzliche Dimension wird aus der Abbildung der Distanz jedes Punktes zur n-dimensionalen Kontur konstruiert. Die Levelsetfunktion Φ liefert für jeden Punkt auf der Hyperoberäche diesen Distanzwert. Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
51 Zero-Level-Set Bei der Levelsetmethode wird eine n-dimensionale Kontur implizit als Einbettung in einer (n+1)-dimensionalen Hyperoberäche betrachtet. (aus 2D Bildern wird eine 3D Funktion konstruiert) Die zusätzliche Dimension wird aus der Abbildung der Distanz jedes Punktes zur n-dimensionalen Kontur konstruiert. Die Levelsetfunktion Φ liefert für jeden Punkt auf der Hyperoberäche diesen Distanzwert. Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
52 2D in 3D Abbildung: Einbettung einer kreisförmigen Kontur in einen Kegel Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
53 2D in 3D Abbildung: Zero-Level zu den Zeitpunkten t1, t2 und t3 Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
54 Die Levelsetgleichung Wir erweitern die n-dimensionale Abstandsfunktion Φ(p) = d (p ist ein Punk, d ist der kürzeste Abstand zur Kontur) um eine weitere Dimension: Φ(p, t0) = d (mit t0 = Zeitpunkt 0) Für jeden Punkt der genau auf der Kontur C liegt gilt: Φ(C(t), t) = 0 An diesem Zero-Level-Set sind wir interessiert und verfolgen es über die Zeit, in dem wir Φ nach t ableiten. Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
55 Die Levelsetgleichung Wir erweitern die n-dimensionale Abstandsfunktion Φ(p) = d (p ist ein Punk, d ist der kürzeste Abstand zur Kontur) um eine weitere Dimension: Φ(p, t0) = d (mit t0 = Zeitpunkt 0) Für jeden Punkt der genau auf der Kontur C liegt gilt: Φ(C(t), t) = 0 An diesem Zero-Level-Set sind wir interessiert und verfolgen es über die Zeit, in dem wir Φ nach t ableiten. Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
56 Die Levelsetgleichung Wir erweitern die n-dimensionale Abstandsfunktion Φ(p) = d (p ist ein Punk, d ist der kürzeste Abstand zur Kontur) um eine weitere Dimension: Φ(p, t0) = d (mit t0 = Zeitpunkt 0) Für jeden Punkt der genau auf der Kontur C liegt gilt: Φ(C(t), t) = 0 An diesem Zero-Level-Set sind wir interessiert und verfolgen es über die Zeit, in dem wir Φ nach t ableiten. Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
57 Die Levelsetgleichung Ähnlich wie in der Physik: s(t) = 1 2 a t2 ṡ(t) = v(t) = a t s(t) = v(t) = a Wird Φ(C(t), t) = 0 nach t abgeleitet ergibt sich nach der Kettenregel für die Punkte auf der Zero-Level-Set Kontur: Φ + Φ(C(t), t) C (t) = 0 Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
58 Die Levelsetgleichung Ähnlich wie in der Physik: s(t) = 1 2 a t2 ṡ(t) = v(t) = a t s(t) = v(t) = a Wird Φ(C(t), t) = 0 nach t abgeleitet ergibt sich nach der Kettenregel für die Punkte auf der Zero-Level-Set Kontur: Φ + Φ(C(t), t) C (t) = 0 Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
59 Die Levelsetgleichung Eine Normale auf der Kurve n = Φ Φ Ergibt die Frontgeschwindigkeit F = C (t) n Das eingesetzt ergibt die Level-Set-Gleichung: Φ t + F Φ = 0 Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
60 Die Levelsetgleichung Eine Normale auf der Kurve n = Φ Φ Ergibt die Frontgeschwindigkeit F = C (t) n Das eingesetzt ergibt die Level-Set-Gleichung: Φ t + F Φ = 0 Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
61 Die Levelsetgleichung Eine Normale auf der Kurve n = Φ Φ Ergibt die Frontgeschwindigkeit F = C (t) n Das eingesetzt ergibt die Level-Set-Gleichung: Φ t + F Φ = 0 Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
62 Die Levelsetgleichung Levelset Evolutionsgleichung Φ t + F Φ = 0 Φ t ist eine andere Schreibweise für Φ also die Ableitung nach der Zeit. Also wie hat sich Φ vom Zeitpunkt t1 zum Zeitpunkt t2 verändert. Φ t (x, y) = Φ(x, y, t2) Φ(x, y, t1) F ist eine Geschwindigkeitsfunktion ) Φ = ist der Gradient von Φ ( Φ x Φ y (Normale auf der Kurve im Punkt p xy ) Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
63 Die Levelsetgleichung Levelset Evolutionsgleichung Φ t + F Φ = 0 Φ t ist eine andere Schreibweise für Φ also die Ableitung nach der Zeit. Also wie hat sich Φ vom Zeitpunkt t1 zum Zeitpunkt t2 verändert. Φ t (x, y) = Φ(x, y, t2) Φ(x, y, t1) F ist eine Geschwindigkeitsfunktion ) Φ = ist der Gradient von Φ ( Φ x Φ y (Normale auf der Kurve im Punkt p xy ) Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
64 Die Levelsetgleichung Levelset Evolutionsgleichung Φ t + F Φ = 0 Φ t ist eine andere Schreibweise für Φ also die Ableitung nach der Zeit. Also wie hat sich Φ vom Zeitpunkt t1 zum Zeitpunkt t2 verändert. Φ t (x, y) = Φ(x, y, t2) Φ(x, y, t1) F ist eine Geschwindigkeitsfunktion ) Φ = ist der Gradient von Φ ( Φ x Φ y (Normale auf der Kurve im Punkt p xy ) Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
65 Die Levelsetgleichung Levelset Evolutionsgleichung Φ t + F Φ = 0 Φ t ist eine andere Schreibweise für Φ also die Ableitung nach der Zeit. Also wie hat sich Φ vom Zeitpunkt t1 zum Zeitpunkt t2 verändert. Φ t (x, y) = Φ(x, y, t2) Φ(x, y, t1) F ist eine Geschwindigkeitsfunktion ) Φ = ist der Gradient von Φ ( Φ x Φ y (Normale auf der Kurve im Punkt p xy ) Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
66 Die Levelsetgleichung Levelset Evolutionsgleichung Φ t + F Φ = 0 Φ t ist eine andere Schreibweise für Φ also die Ableitung nach der Zeit. Also wie hat sich Φ vom Zeitpunkt t1 zum Zeitpunkt t2 verändert. Φ t (x, y) = Φ(x, y, t2) Φ(x, y, t1) F ist eine Geschwindigkeitsfunktion ) Φ = ist der Gradient von Φ ( Φ x Φ y (Normale auf der Kurve im Punkt p xy ) Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
67 Speed function Ein Beispiel für eine Geschwindigkeitsfunktion F ist: F = F Bild (F konst + α F Krümmung ) F Bild ist die vom Bild I abhängige Geschwindigkeit: F Bild = β ( I (x, y, z)) 2 + γ (I (x, y, z) I Gefäÿ ) α, β und γ sind wieder Gewichtungsfaktoren I (x, y, z) ist der Gradient des Bildes I im Punkt (x,y,z) I Gef äÿ ist der Grauwert eines Blutgefäÿes Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
68 Speed function Ein Beispiel für eine Geschwindigkeitsfunktion F ist: F = F Bild (F konst + α F Krümmung ) F Bild ist die vom Bild I abhängige Geschwindigkeit: F Bild = β ( I (x, y, z)) 2 + γ (I (x, y, z) I Gefäÿ ) α, β und γ sind wieder Gewichtungsfaktoren I (x, y, z) ist der Gradient des Bildes I im Punkt (x,y,z) I Gef äÿ ist der Grauwert eines Blutgefäÿes Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
69 Speed function Ein Beispiel für eine Geschwindigkeitsfunktion F ist: F = F Bild (F konst + α F Krümmung ) F Bild ist die vom Bild I abhängige Geschwindigkeit: F Bild = β ( I (x, y, z)) 2 + γ (I (x, y, z) I Gefäÿ ) α, β und γ sind wieder Gewichtungsfaktoren I (x, y, z) ist der Gradient des Bildes I im Punkt (x,y,z) I Gef äÿ ist der Grauwert eines Blutgefäÿes Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
70 Speed function Ein Beispiel für eine Geschwindigkeitsfunktion F ist: F = F Bild (F konst + α F Krümmung ) F Bild ist die vom Bild I abhängige Geschwindigkeit: F Bild = β ( I (x, y, z)) 2 + γ (I (x, y, z) I Gefäÿ ) α, β und γ sind wieder Gewichtungsfaktoren I (x, y, z) ist der Gradient des Bildes I im Punkt (x,y,z) I Gef äÿ ist der Grauwert eines Blutgefäÿes Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
71 Speed function Ein Beispiel für eine Geschwindigkeitsfunktion F ist: F = F Bild (F konst + α F Krümmung ) F Bild ist die vom Bild I abhängige Geschwindigkeit: F Bild = β ( I (x, y, z)) 2 + γ (I (x, y, z) I Gefäÿ ) α, β und γ sind wieder Gewichtungsfaktoren I (x, y, z) ist der Gradient des Bildes I im Punkt (x,y,z) I Gef äÿ ist der Grauwert eines Blutgefäÿes Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
72 Speed function Ein Beispiel für eine Geschwindigkeitsfunktion F ist: F = F Bild (F konst + α F Krümmung ) F Bild ist die vom Bild I abhängige Geschwindigkeit: F Bild = β ( I (x, y, z)) 2 + γ (I (x, y, z) I Gefäÿ ) α, β und γ sind wieder Gewichtungsfaktoren I (x, y, z) ist der Gradient des Bildes I im Punkt (x,y,z) I Gef äÿ ist der Grauwert eines Blutgefäÿes Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
73 Ablauf der Segmentierung Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
74 Algorithmus Levelset Evolutionsgleichung Dense Field Levelset Algorithmus Φ t + F Φ = 0 1. Initialisiere geschlossene Startkontur, die den Problemraum eindeutig in konturinnere und -äuÿere Regionen teilt 2. Berechne eine vorzeichenbehaftete Distanztransformation auf dem Gitter in das Innere und das Äuÿere der Startkontur 3. Solange das Konvergenzkriterium nicht erreicht ist: 4. Berechne die Änderung des Wertes der Levelsetgleichung auf allen Gitterpunkten mit einer numerischen Näherung der Evolutionsgleichung 5. Aktualisiere das Gitter mit den neuen Werten Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
75 Algorithmus Levelset Evolutionsgleichung Dense Field Levelset Algorithmus Φ t + F Φ = 0 1. Initialisiere geschlossene Startkontur, die den Problemraum eindeutig in konturinnere und -äuÿere Regionen teilt 2. Berechne eine vorzeichenbehaftete Distanztransformation auf dem Gitter in das Innere und das Äuÿere der Startkontur 3. Solange das Konvergenzkriterium nicht erreicht ist: 4. Berechne die Änderung des Wertes der Levelsetgleichung auf allen Gitterpunkten mit einer numerischen Näherung der Evolutionsgleichung 5. Aktualisiere das Gitter mit den neuen Werten Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
76 Quellen Segmentation of the Vascular Tree in CT Data using Implicit Active Contours, Karsten Rink, Arne-Michael Törsel, Klaus Tönnies, Institute for Simulation and Graphics, University of Magdeburg Lecture on 2D- and 3D- Segmentation, IPCV 2006, Patrick Sturm, University Koblenz, August 2006 Segmentierung des Gefäÿbaumes in Computertomograe- Datensätzen des menschlichen Hals- und Kopfbereichs mittels impliziter aktiver Konturen, Arne-Michael Törsel, Diplomarbeit Level Set Methoden I, Seminar Bildsegmentierung und Computer Vision, Sarah Eve Wiedemann, 7.November 2005 Christoph Schaefer (Uni-Koblenz) Segmentierung des Aterienbaums / 37
Musterlösung zu den Übungen zur Vorlesung Mathematik für Physiker II. x 2
Musterlösung zu den Übungen zur Vorlesung Mathematik für Physiker II Wiederholungsblatt: Analysis Sommersemester 2011 W. Werner, F. Springer erstellt von: Max Brinkmann Aufgabe 1: Untersuchen Sie, ob die
Funktionen mehrerer Variabler
Funktionen mehrerer Variabler Fakultät Grundlagen Juli 2015 Fakultät Grundlagen Funktionen mehrerer Variabler Übersicht Funktionsbegriff 1 Funktionsbegriff Beispiele Darstellung Schnitte 2 Partielle Ableitungen
Shape 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
Mathematik 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
f(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
entspricht der Länge des Vektorpfeils. Im R 2 : x =
Norm (oder Betrag) eines Vektors im R n entspricht der Länge des Vektorpfeils. ( ) Im R : x = x = x + x nach Pythagoras. Allgemein im R n : x x = x + x +... + x n. Beispiele ( ) =, ( 4 ) = 5, =, 4 = 0.
Mathematischer Vorkurs für Physiker WS 2012/13
TU München Prof. P. Vogl Mathematischer Vorkurs für Physiker WS 2012/13 Übungsblatt 2 Wichtige Formeln aus der Vorlesung: Basisaufgaben Beispiel 1: 1 () grad () = 2 (). () () = ( 0 ) + grad ( 0 ) ( 0 )+
Thema: Klassifikation von 1-Mannigfaltigkeiten (mit Beweis) und von abgeschlossenen 2-Mannigfaltigkeiten (ohne Beweis)
Westfälische Wilhelms-Universität Münster Thema: Klassifikation von 1-Mannigfaltigkeiten (mit Beweis) und von abgeschlossenen 2-Mannigfaltigkeiten (ohne Beweis) Ausarbeitung im Rahmen des Seminars Einführung
f(x, y) = 0 Anschaulich bedeutet das, dass der im Rechteck I J = {(x, y) x I, y J}
9 Der Satz über implizite Funktionen 41 9 Der Satz über implizite Funktionen Wir haben bisher Funktionen g( von einer reellen Variablen immer durch Formelausdrücke g( dargestellt Der Zusammenhang zwischen
B 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,
1 Das Prinzip von Cavalieri
KARLSRUHER INSTITUT FÜR TECHNOLOGIE INSTITUT FÜR ANALYSIS Dr. Christoph Schmoeger Heiko Hoffmann SS 14 11.6.14 Höhere Mathematik II für die Fachrichtung Informatik 5. Saalübung 11.6.14 1 Das Prinzip von
Skalarprodukte (Teschl/Teschl Kap. 13)
Skalarprodukte (Teschl/Teschl Kap. ) Sei V Vektorraum über R. Ein Skalarprodukt auf V ist eine Abbildung V V R, (x, y) x, y mit den Eigenschaften () x, y = y, x (symmetrisch), () ax, y = a x, y und x +
Outline. 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
f f(x ɛξ) f(x) 0, d.h. f (x)ξ = 0 für alle ξ B 1 (0). Also f (x) = 0. In Koordinaten bedeutet dies gerade, dass in Extremstellen gilt: f(x) = 0.
Mehrdimensionale Dierenzialrechnung 9 Optimierung 9 Optimierung Definition Seien U R n oen, f : U R, x U x heiÿt lokales Maximum, falls eine Umgebung V U von x existiert mit y V : fx fy x heiÿt lokales
Analysis of Crash Simulation Data using Spectral Embedding with Histogram Distances
Analysis of Crash Simulation Data using Spectral Embedding with Histogram Distances Luisa Schwartz Universität Bonn Institut für Numerische Simulation Fraunhofer SCAI 25. September 2014 Luisa Schwartz
Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 5. Juni 2016 Definition 5.21 Ist a R, a > 0 und a 1, so bezeichnet man die Umkehrfunktion der Exponentialfunktion x a x als
Serie 4. Analysis D-BAUG Dr. Cornelia Busch FS 2015
Analysis D-BAUG Dr. Cornelia Busch FS 05 Serie 4. Finden Sie die lokalen Extrema der Funktionen f : R R auf dem Einheitskreis S = {x, y R : x + y = } und geben Sie an, ob es sich um ein lokales Minimum
Mathematik für das Ingenieurstudium
Mathematik für das Ingenieurstudium von Martin Stämpfle, Jürgen Koch 2., aktual. Aufl. Hanser München 2012 Verlag C.H. Beck im Internet: www.beck.de ISBN 978 3 446 43232 1 Zu Inhaltsverzeichnis schnell
Vorlesung: 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
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
![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](/thumbs/49/25862272.jpg "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")
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
Klausurenkurs zum Staatsexamen (WS 2013/14): Lineare Algebra und analytische Geometrie 7
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 3/4): Lineare Algebra und analytische Geometrie 7 7. (Frühjahr, Thema 3, Aufgabe 4) Im R 3 seien die beiden Ebenen E : 6x+4y z = und E : +s +t 4 gegeben.
Der CG-Algorithmus (Zusammenfassung)
Der CG-Algorithmus (Zusammenfassung) Michael Karow Juli 2008 1 Zweck, Herkunft, Terminologie des CG-Algorithmus Zweck: Numerische Berechnung der Lösung x des linearen Gleichungssystems Ax = b für eine
Geometrie. 1 Vektorielle analytische Geometrie der Ebene, Kegelschnitte
Geometrie Geometrie W. Kuhlisch Brückenkurs 206. Vektorrechnung und analytische Geometrie der Ebene, Kegelschnitte 2. Vektorrechnung und analytische Geometrie des Raumes, Anwendungen in der Geometrie,
Lösung 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
8 Die Riemannsche Zahlenkugel
8 Die Riemannsche Zahlenkugel Wir untersuchen zunächst Geraden- und Kreisgleichungen in der komplexen Ebene C = R 2. Geradengleichungen Die Parameterdarstellung einer Geraden durch zwei Punkte z 1 z 2
Extrema von Funktionen mit zwei Variablen
Extrema von Funktionen mit zwei Variablen Es gilt der Satz: Ist an einer Stelle x,y ) f x x,y ) = und f y x,y ) = und besteht außerdem die Ungleichung f xx x,y )f yy x,y ) f xy x,y ) >, so liegt an dieser
Morphologische Bildverarbeitung II
FAKULTÄT FÜR MATHEMATIK UNIVERSITÄT ULM ABT. STOCHASTIK ABT. ANGEWANDTE INFORMATIONSVERARBEITUNG Seminar Simulation und Bildanalyse mit Java Morphologische Bildverarbeitung II BETREUER: JOHANNES MAYER
ÜBUNGSBLATT 11 LÖSUNGEN MAT121/MAT131 ANALYSIS II FRÜHJAHRSSEMESTER 2011 PROF. DR. CAMILLO DE LELLIS
ÜBUNGSBLATT 11 LÖSUNGEN MAT121/MAT131 ANALYSIS II FRÜHJAHRSSEMESTER 2011 PROF. DR. CAMILLO DE LELLIS Aufgabe 1. a) Gegeben sei die Gleichung 2x 2 4xy +y 2 3x+4y = 0. Verifizieren Sie, dass diese Gleichung
Grundlagen: 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
10 Extremwerte mit Nebenbedingungen
10 Extremwerte mit Nebenbedingungen 49 10 Extremwerte mit Nebenbedingungen Wir betrachten nun Extremwertaufgaben, bei denen nach dem Extremwert einer fx 1,, x n gesucht wird, aber die Menge der zulässigen
Mathematischer Vorkurs Lösungen zum Übungsblatt 5
Mathematischer Vorkurs Lösungen zum Übungsblatt 5 Prof. Dr. Norbert Pietralla/Sommersemester 2012 [email protected] Aufgabe 1: Berechnen Sie den Abstand d der Punkte P 1 und
Folgerungen aus dem Auflösungsatz
Folgerungen aus dem Auflösungsatz Wir haben in der Vorlesung den Satz über implizite Funktionen (Auflösungssatz) kennen gelernt. In unserer Formulierung lauten die Resultate: Seien x 0 R m, y 0 R n und
Morphologie 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
Vorkurs Mathematik Übungen zu Komplexen Zahlen
Vorkurs Mathematik Übungen zu Komplexen Zahlen Komplexe Zahlen Koordinatenwechsel Aufgabe. Zeichnen Sie die folgende Zahlen zunächst in ein (kartesisches) Koordinatensystem. Bestimmen Sie dann die Polarkoordinaten
Flüsse, Fixpunkte, Stabilität
1 Flüsse, Fixpunkte, Stabilität Proseminar: Theoretische Physik Yannic Borchard 7. Mai 2014 2 Motivation Die hier entwickelten Formalismen erlauben es, Aussagen über das Verhalten von Lösungen gewöhnlicher
2. Räumliche Bewegung
2. Räumliche Bewegung Prof. Dr. Wandinger 1. Kinematik des Punktes TM 3 1.2-1 2. Räumliche Bewegung Wenn die Bahn des Punkts nicht bekannt ist, reicht die Angabe einer Koordinate nicht aus, um seinen Ort
6.2 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
In der Schule lernen wir den Satz des Pythagoras: Die Flächensumme der beiden blauen Quadrate ist gleich der Fläche des schwarzen Quadrates:
Hans Walser, [06045] Pythagoras-Schmetterling Das Phänomen Wir beginnen mit einem beliebigen rechtwinkligen Dreieck und zeichnen die übliche Pythagoras-Figur. Dann fügen wir zwei weitere Quadrate an (rot
Optimieren unter Nebenbedingungen
Optimieren unter Nebenbedingungen Hier sucht man die lokalen Extrema einer Funktion f(x 1,, x n ) unter der Nebenbedingung dass g(x 1,, x n ) = 0 gilt Die Funktion f heißt Zielfunktion Beispiel: Gesucht
Allgemeine Mechanik Musterlösung 1.
Allgemeine Mechanik Musterlösung. HS 24 Prof. Thomas Gehrmann Übung. Kraftfelder und Linienintegrale. a) Gegeben sei das Kraftfeld F, 2 ). Berechnen Sie das Linienintegral von r, ) nach r 2 2, ) entlang
Computer Vision: Optische Flüsse
Computer Vision: Optische Flüsse D. Schlesinger TUD/INF/KI/IS Bewegungsanalyse Optischer Fluss Lokale Verfahren (Lukas-Kanade) Globale Verfahren (Horn-Schunck) (+ kontinuierliche Ansätze: mathematische
3. Übungsblatt Aufgaben mit Lösungen
. Übungsblatt Aufgaben mit Lösungen Aufgabe : Gegeben sind zwei Teilmengen von R : E := {x R : x x = }, und F ist eine Ebene durch die Punkte A = ( ), B = ( ) und C = ( ). (a) Stellen Sie diese Mengen
Praktikum MI Mikroskop
Praktikum MI Mikroskop Florian Jessen (Theorie) Hanno Rein (Auswertung) betreut durch Christoph von Cube 16. Januar 2004 1 Vorwort Da der Mensch mit seinen Augen nur Objekte bestimmter Größe wahrnehmen
Die Ecken werden immer gegen den Uhrzeigersinn beschriftet, sonst falscher Umlaufsinn!
Berechnungen in Dreiecken Allgemeines zu Dreiecken Innenwinkelsatz α + β + γ = 180 Besondere Dreiecke Gleichschenkliges Dreieck Die Ecken werden immer gegen den Uhrzeigersinn beschriftet, sonst falscher
Erste Schularbeit Mathematik Klasse 7A G am
Erste Schularbeit Mathematik Klasse 7A G am 12.11.2015 SCHÜLERNAME: Punkte im ersten Teil: Punkte im zweiten Teil: Davon Kompensationspunkte: Note: Notenschlüssel: Falls die Summe der erzielten Kompensationspunkte
3 Anwendungen der Differentialrechnung. (x 1, x 2,..., x n 1, x n ) f xn (x 1, x 2,..., x n 1, x n ), 1 i n 1. y + cos z
R Es sei f : R n D R eine einmal stetig differenzierbare Funktion, für die in einer Umgebung eines Punkte a = a 1, a,, a n D gilt: fa 1, a,, a n = 0, f xn a 1, a,, a n 0 Dann gibt es eines Umgebung U des
Technische 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
Extrema mit Nebenbedingungen
Extrema mit Nebenbedingungen Gesucht ist das Extremum der Funktion f(x,y) = 5 x y unter der Nebenbedingung g(x,y) = x+y =. 5 y x In diesem einfachen Fall kann die Nebenbedingung nach einer Variablen aufgelöst
Industrielle Bildverarbeitung mit OpenCV
Industrielle Bildverarbeitung mit OpenCV Zhang,Duoyi 6.7.2 Gliederung. Einführung für OpenCV 2. Die Struktur von OpenCV Überblick Funktionsumfang in Ausschnitten mit Beispielen 3. Industrielles Anwendungsbeispiel
Grundsätzliches Produkte Anwendungen in der Geometrie. Vektorrechnung. Fakultät Grundlagen. Juli 2015
Vektorrechnung Fakultät Grundlagen Juli 205 Fakultät Grundlagen Vektorrechnung Übersicht Grundsätzliches Grundsätzliches Vektorbegriff Algebraisierung der Vektorrechnung Betrag 2 Skalarprodukt Vektorprodukt
GEOMETRIE (4a) Kurzskript
GEOMETRIE (4a) Kurzskript Dieses Kurzskript ist vor allem eine Sammlung von Sätzen und Definitionen und sollte ausdrücklich nur zusammen mit weiteren Erläuterungen in der Veranstaltung genutzt werden.
Kurzzusammenstellung der in der Vorlesung behandelten impliziten Gleichungen und deren Ableitungen
Kurzzusammenstellung der in der Vorlesung behandelten impliziten Gleichungen und deren Ableitungen Einleitung: Funktion mit einer Veränderlichen Als Einleitung haben wir folgende Funktion besprochen: y
Eine zweidimensionale Stichprobe
Eine zweidimensionale Stichprobe liegt vor, wenn zwei qualitative Merkmale gleichzeitig betrachtet werden. Eine Urliste besteht dann aus Wertepaaren (x i, y i ) R 2 und hat die Form (x 1, y 1 ), (x 2,
Neoklassische Produktions- und Kostenfunktion Mathematische Beschreibung zu einer Modellabbildung mit Excel
Neoklassische Produktions- und Kostenfunktion Mathematische Beschreibung zu einer Modellabbildung mit Excel Dieses Skript ist die allgemeine Basis eines Modells zur Simulation der ökonomischen Folgen technischer
Definition 1.1 (Wirkung) Wir wollen die Kurvenverläufe x(t) finden, die das Funktional
Christina Schindler Karolina Stoiber Ferienkurs Analysis für Physiker SS 13 A 1 Variationsrechnung 1.1 Lagrange. Art Wir führen die Überlegungen von gestern fort und wollen nun die Lagrangegleichungen.
Dierentialgleichungen 2. Ordnung
Dierentialgleichungen 2. Ordnung haben die allgemeine Form x = F (x, x, t. Wir beschränken uns hier auf zwei Spezialfälle, in denen sich eine Lösung analytisch bestimmen lässt: 1. reduzible Dierentialgleichungen:
Terrain-Rendering mit Geometry Clipmaps
Vorarbeiten & Grundlagen Basiskomponenten Der Clipmap-Algorithmus Terrain-Rendering mit Seminar Computergrak 2010 Vorarbeiten & Grundlagen Basiskomponenten Der Clipmap-Algorithmus Worum geht's? Algorithmus
Fehlerfortpflanzung & Extremwertbestimmung. Folie 1
Fehlerfortpflanzung & Etremwertbestimmung Folie 1 Fehlerfortpflanzung Einführung In vielen technischen Zusammenhängen sind die Werte bestimmter Größen nicht genau bekannt sondern mit einer Unsicherheit
8 Extremwerte reellwertiger Funktionen
8 Extremwerte reellwertiger Funktionen 34 8 Extremwerte reellwertiger Funktionen Wir wollen nun auch Extremwerte reellwertiger Funktionen untersuchen. Definition Es sei U R n eine offene Menge, f : U R
Universität 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
Mathematische Methoden in den Ingenieurwissenschaften 1. Übungsblatt
Prof Dr M Gerdts Dr A Dreves J Michael Wintertrimester 216 Mathematische Methoden in den Ingenieurwissenschaften 1 Übungsblatt Aufgabe 1 : (Schwimmer Ein Schwimmer möchte einen Fluss der Breite b > überqueren,
Name: Gruppe: Matrikel-Nummer:
Theoretische Physik 1 (Theoretische Mechanik) SS08, Studienziel Bachelor (170 12/13/14) Dozent: J. von Delft Übungen: B. Kubala Nachklausur zur Vorlesung T1: Theoretische Mechanik, SoSe 2008 (1. Oktober
Thema14 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.
Polynome 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
PP Physikalisches Pendel
PP Physikalisches Pendel Blockpraktikum Frühjahr 2007 (Gruppe 2) 25. April 2007 Inhaltsverzeichnis 1 Einführung 2 2 Theoretische Grundlagen 2 2.1 Ungedämpftes physikalisches Pendel.......... 2 2.2 Dämpfung
4. Übungsblatt zur Mathematik I für Maschinenbau
Fachbereich Mathematik Prof. Dr. M. Joswig Dr. habil. Sören Kraußhar Dipl.-Math. Katja Kulas 4. Übungsblatt zur Mathematik I für Maschinenbau Gruppenübung WS /..-7.. Aufgabe G (Geraden im R ) Bestimmen
Phishingerkennung mittels visuellem Ähnlichkeitsvergleich. Felix Hill Ruhr-Universität Bochum [email protected]
Phishingerkennung mittels visuellem Ähnlichkeitsvergleich Felix Hill Ruhr-Universität Bochum [email protected] 1 ÜBERSICHT Entwicklung im Bereich Phishing Ansatz Bilderkennung Evaluation G DATA EINFACH
Einführung in die Numerik strukturerhaltender Zeitintegratoren. Leonard Schlag 6. Dezember 2010
Einführung in die Numerik strukturerhaltender Zeitintegratoren Leonard Schlag 6. Dezember 2010 1 Inhaltsverzeichnis 1 Einführung in die Numerik strukturerhaltender Zeitintegratoren 3 1.1 Häuge Problemstellung:
Mathematik-Tutorium für Maschinenbauer II: Differentialgleichungen und Vektorfelder
DGL Schwingung Physikalische Felder Mathematik-Tutorium für Maschinenbauer II: Differentialgleichungen und Vektorfelder Johannes Wiedersich 23. April 2008 http://www.e13.physik.tu-muenchen.de/wiedersich/
DPF Dynamic Partial distance Function
DPF Dynamic Partial distance Function Vorgelegt von Sebastian Loose (MatrikelNR.: 169172), Computervisualistikstudent im 4. Semester. Hausarbeit zum Papier DPF A Perceptual Distance Function for Image
Lineare Näherung. Anwendungen
Lineare Näherung. Anwendungen Jörn Loviscach Versionsstand: 1. Januar 2010, 17:15 1 Lineare Näherung Ist eine Funktion f an der Stelle x 0 differenzierbar, existiert dort ihre Ableitung f und es gilt:
Vektorrechnung Raumgeometrie
Vektorrechnung Raumgeometrie Sofja Kowalewskaja (*1850, 1891) Hypatia of Alexandria (ca. *360, 415) Maria Gaetana Agnesi (*1718, 1799) Emmy Noether (*1882 1935) Émilie du Châtelet (*1706, 1749) Cathleen
1.Weiterentwicklung der Zahlvorstellung 1.1Die natürlichen Zahlen Mengenschreibweise: N = {1,2,3,...} N 0 = {0,1,2,3,...}
1 Grundwissen Mathematik 5.Klasse Gymnasium SOB 1.Weiterentwicklung der Zahlvorstellung 1.1Die natürlichen Zahlen Mengenschreibweise: N = {1,2,3,...} N 0 = {0,1,2,3,...} Darstellung am Zahlenstrahl: Darstellung
- 1 - zum Extremum macht, wenn y(x) eine bestimmte, genau charakterisierte Funktionenklasse ( n
- 1 - Variationsrechnung Die Variationsrechnung spielt in der Physik eine entscheidende Rolle. So kann man die Grundgleichungen der Newtonschen Mechanik aus einem Lagrangeschen Variationsprinzip herleiten.
2 Funktionen mehrerer Veränderlicher
2 Funktionen mehrerer Veränderlicher 4 2 Funktionen mehrerer Veränderlicher Wir betrachten nun Funktionen, die auf einer Teilmenge des R n definiert sind. Wir betrachten eine Funktion f, deren Definitionsbereich
Klassifikation von partiellen Differentialgleichungen
Kapitel 2 Klassifikation von partiellen Differentialgleichungen Die meisten partiellen Differentialgleichungen sind von 3 Grundtypen: elliptisch, hyperbolisch, parabolisch. Betrachte die allgemeine Dgl.
Übungen zu Theoretische Physik I - Mechanik im Sommersemester 2013 Blatt 7 vom Abgabe:
Übungen zu Theoretische Physik I - Mechanik im Sommersemester 03 Blatt 7 vom 0.06.3 Abgabe: 7.06.3 Aufgabe 9 3 Punkte Keplers 3. Gesetz Das 3. Keplersche Gesetz für die Planetenbewegung besagt, dass das
Gewöhnliche Dierentialgleichungen
Gewöhnliche Dierentialgleichungen sind Gleichungen, die eine Funktion mit ihren Ableitungen verknüpfen. Denition Eine explizite Dierentialgleichung (DGL) nter Ordnung für die reelle Funktion t x(t) hat
Differenzial- und Integralrechnung II
Differenzial- und Integralrechnung II Rainer Hauser Dezember 011 1 Einleitung 1.1 Ableitung Die Ableitung einer Funktion f: R R, x f(x) ist definiert als f (x) = df(x) dx = d f(x + h) f(x) f(x) = lim dx
Kapitel 3. Minkowski-Raum. 3.1 Raumzeitlicher Abstand
Kapitel 3 Minkowski-Raum Die Galilei-Transformation lässt zeitliche Abstände und Längen unverändert. Als Länge wird dabei der räumliche Abstand zwischen zwei gleichzeitigen Ereignissen verstanden. Solche
13. Der diskrete Logarithmus
13. Der diskrete Logarithmus 13.1. Definition. Sei p eine Primzahl. Wie wir in 9 bewiesen haben, ist die multiplikative Gruppe F p des Körpers F p = Z/p zyklisch. Sei g ein erzeugendes Element von F p
Lineare Ausgleichsprobleme. Jetzt: Lösung überbestimmter linearer GS, d.h. mehr Gleichungen als Unbekannte
Lineare Ausgleichsprobleme Bisher: Lösung linearer GS Ax = b, A R n,n, A regulär, b R n Jetzt: Lösung überbestimmter linearer GS, d.h. mehr Gleichungen als Unbekannte Ax = b mit A R m,n, b R m, m n, rg(a)
Programmierpraktikum 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-
Analytische Geometrie I
Analytische Geometrie I Rainer Hauser Januar 202 Einleitung. Geometrie und Algebra Geometrie und Algebra sind historisch zwei unabhängige Teilgebiete der Mathematik und werden bis heute von Laien weitgehend
Inhaltsverzeichnis INHALTSVERZEICHNIS 1
INHALTSVERZEICHNIS 1 Inhaltsverzeichnis 1 Die Parabel 2 1.1 Definition................................ 2 1.2 Bemerkung............................... 3 1.3 Tangenten................................ 3 1.4
2. Räumliche Bewegung
2. Räumliche Bewegung Wenn die Bahn des Massenpunkts nicht bekannt ist, reicht die Angabe einer Koordinate nicht aus, um seinen Ort im Raum zu bestimmen. Es muss ein Ortsvektor angegeben werden. Prof.
Grundlagen der Monte Carlo Simulation
Grundlagen der Monte Carlo Simulation 10. Dezember 2003 Peter Hofmann Inhaltsverzeichnis 1 Monte Carlo Simulation.................... 2 1.1 Problemstellung.................... 2 1.2 Lösung durch Monte
Natürliche und ganze Zahlen
Die ganze Welt ist Harmonie und Zahl. Pythagoras Natürliche und ganze Zahlen 1-E1 Richard Dedekind (1831-1916) war ein deutscher Mathematiker. Die Zahlen sind freie Schöpfungen des menschlichen Geistes,
Navigation anhand natürlicher Landmarken mit Hilfe der Scale Invariant Feature Transform. Thorsten Jost INF-M2 AW1 Sommersemester
Navigation anhand natürlicher Landmarken mit Hilfe der Scale Invariant Feature Transform Thorsten Jost INF-M2 AW1 Sommersemester 2008 Agenda Motivation Feature Detection Beispiele Posenbestimmung in Räumen
Physik Protokoll - Akustische Wellen in der Messleitung. André Grüneberg Janko Lötzsch Versuch: 11. Juni 2001 Protokoll: 24.
Physik Protokoll - Akustische Wellen in der Messleitung André Grüneberg Janko Lötzsch Versuch: 11. Juni 001 Protokoll: 4. Juni 001 1 Versuchsaufbau Mit Hilfe eines Metallrohres von etwa 1m Länge und einem
16 Vektorfelder und 1-Formen
45 16 Vektorfelder und 1-Formen 16.1 Vektorfelder Ein Vektorfeld v auf D R n ist eine Abbildung v : D R n, x v(x). Beispiele. Elektrisches und Magnetisches Feld E(x), B(x), Geschwindigkeitsfeld einer Strömung
Theoretischen Physik II SS 2007 Klausur II - Aufgaben und Lösungen
Theoretischen Physik II SS 007 Klausur II - Aufgaben und Lösungen Aufgabe Hohlleiter Gegeben sei ein in z-richtung unendlich langer, gerader Hohlleiter (Innenradius R/3, Außenradius R), der einen Stromfaden
3 Optimierung mehrdimensionaler Funktionen f : R n R
3 Optimierung mehrdimensionaler Funktionen f : R n R 31 Optimierung ohne Nebenbedingungen Optimierung heißt eigentlich: Wir suchen ein x R n so, dass f(x ) f(x) für alle x R n (dann heißt x globales Minimum)
Algebraische Kurven. Holger Grzeschik
Algebraische Kurven Holger Grzeschik 29.04.2004 Inhaltsübersicht 1.Einführung in die Theorie algebraischer Kurven 2.Mathematische Wiederholung Gruppen, Ringe, Körper 3.Allgemeine affine Kurven 4.Singuläre