Ringvorlesung Bildverarbeitung

Transkript

1 Ringvorlesung Bildverarbeitung D. Schlesinger Institut für Künstliche Intelligenz, Professur Intelligente Systeme 6. Juli 2012 D. Schlesinger (Institut Ringvorlesung für Künstliche Bildverarbeitung Intelligenz, Professur Intelligente Systeme) 1 / 13

2 Was sind Bilder? Bilder bestehen aus Pixel, Pixel sind gefärbt. D. Schlesinger (Institut Ringvorlesung für Künstliche Bildverarbeitung Intelligenz, Professur Intelligente Systeme) 2 / 13

3 Bilder sind Vektoren Ähnliche Vektoren entsprechen nicht unbedingt ähnlichen Bildern. D. Schlesinger (Institut Ringvorlesung für Künstliche Bildverarbeitung Intelligenz, Professur Intelligente Systeme) 3 / 13

4 Bilder sind Vektoren Ähnliche Bilder entsprechen nicht unbedingt ähnlichen Vektoren. (geometrische Transformationen, Farbtransformationen...) Bei Bildern ist die räumliche Anordnung der Elemente extrem wichtig geht aber meist verloren. D. Schlesinger (Institut Ringvorlesung für Künstliche Bildverarbeitung Intelligenz, Professur Intelligente Systeme) 4 / 13

5 Bilder sind Matrizen Kann man Bilder wie Matrizen multiplizieren? =? Was bedeuten z.b. die Eigenwerte, die Determinante? typische Operationen und Eigenschaften sind nutzlos. D. Schlesinger (Institut Ringvorlesung für Künstliche Bildverarbeitung Intelligenz, Professur Intelligente Systeme) 5 / 13

6 Bilder sind Graphen Pixel sind Knoten, Kanten verbinden benachbarte Knoten (4- oder 8- oder kompliziertere Nachbarschaftstruktur) Ohne Weiteres zu eingeschränkt (nur Gitter) attributierte, gelabelte Graphen etc. D. Schlesinger (Institut Ringvorlesung für Künstliche Bildverarbeitung Intelligenz, Professur Intelligente Systeme) 6 / 13

7 Szenen sind Graphen (Fischler, Elschlager 1973) Graphen werden eher für höhere Stufen der Verarbeitung verwendet Problem: Zusammenhang Bild Graph D. Schlesinger (Institut Ringvorlesung für Künstliche Bildverarbeitung Intelligenz, Professur Intelligente Systeme) 7 / 13

8 Bilder sind Funktionen f : R 2 R, Definitionsbereich Bildebene, Wertebereich Farbwerte Zum Beispiel: Kanten sind Stellen, wo Betrag des Gradienten der Bildfunktion groß ist. Fragen: Sind Bildfunktionen z.b. konvex, stetig, differenzierbar? Wie kann man sie konstruktiv spezifizieren? Bildmengen (Bildklassen) Funktionsräume unendlichdimensional!!! manches wird deutlich schwieriger. D. Schlesinger (Institut Ringvorlesung für Künstliche Bildverarbeitung Intelligenz, Professur Intelligente Systeme) 8 / 13

9 Was sind Bilder? Bilder sind weder... noch... Bilder sind sowohl... als auch... Bilder sind Bilder Bildverarbeitung wie geht man damit um. D. Schlesinger (Institut Ringvorlesung für Künstliche Bildverarbeitung Intelligenz, Professur Intelligente Systeme) 9 / 13

10 Lehrangebot Überblick Bildverarbeitung Low-Level Vision: Filterung, Entrauschen, Energieminimierung, Bildmerkmale... Mustererkennung Mathematische Grundlagen Computer Vision Sammlung typischer Aufgaben: Segmentierung, Bewegungsanalyse, 3D-Rekonstruktion, Verfolgung... Strukturelle Modelle in der Bildverarbeitung Ausgewählte komplexere Modelle vertieft und gründlich Aufgabenstellungen der Bildanalyse und Mustererkennung (Proseminar) Bildanalyse (Hauptseminar) Bildverarbeitung (Praktikum) Computervision (Komplexpraktikum) Diverse Beleg-/Diplomthemen Künstliche Intelligenz Intelligente Systeme D. Schlesinger (Institut Ringvorlesung für Künstliche Bildverarbeitung Intelligenz, Professur Intelligente Systeme) 10 / 13

11 Computer Vision Zusammenspiel: Methoden Aufgaben Anwendungen Besondere Punkte, Bildmerkmale, Bag of Visual Words, Neuronale Netze, Hauptkomponentenanalyse, Wahrscheinlichkeitstheorie, Optimierung, Visuelle Kategorien, Shape-Modelle, Optische Flüsse, Level-Set Methoden, Diffusion, Energieminimierung, Support Vector Mashines, Kernels, Generalisierbarkeit, AdaBoost, RANSAC, Pictorial Structures, Kamera Kalibrierung, Panoramas, Stereo, 3D, Multiview-Rekonstruktion, Segmentierung, Inhaltbasierte Bildsuche, Erkennung, Verfolgung, Kalman Filter, Clusterung, Medizinische Bildverarbeitung, Registrierung, Bewegungsanalyse, Robotik, Überwachung, Fehlerdetektion, Videoverarbeitung, Visuelle Effekte... Relevante Disziplinen: Physik, Elektrotechnik, (Neuro)Biologie 2, Mathe... D. Schlesinger (Institut Ringvorlesung für Künstliche Bildverarbeitung Intelligenz, Professur Intelligente Systeme) 11 / 13

12 Strukturelle Modelle in der Bildverarbeitung Farbe Form Räumliche Relationen Relation besteht aus Vollständige Interpretation der Szene Strukturelle Modelle: eine Vorgehensweise zur Modellierung komplexer visueller Szenen, bei der die Beschreibung eines komplexen Objektes durch die Beschreibungen seiner Einzelteile und deren gegenseitigen Beziehungen angegeben wird. D. Schlesinger (Institut Ringvorlesung für Künstliche Bildverarbeitung Intelligenz, Professur Intelligente Systeme) 12 / 13

13 State-of-the-art D. Schlesinger (Institut Ringvorlesung für Künstliche Bildverarbeitung Intelligenz, Professur Intelligente Systeme) 13 / 13