htw saar
Zurück zur Hauptseite

Version des Moduls auswählen:
XML-Code

Methoden und Anwendungen des maschinellen Sehens

Modulbezeichnung: Methoden und Anwendungen des maschinellen Sehens
Studiengang: Elektrotechnik - Erneuerbare Energien und Systemtechnik, Master, ASPO 01.10.2019
Code: DFMEES-109
SWS/Lehrform: -
ECTS-Punkte: 5
Studiensemester: 1
Pflichtfach: ja
Arbeitssprache:
Deutsch
Prüfungsart:


[noch nicht erfasst]
Verwendbarkeit / Zuordnung zum Curriculum:
DFMEES-109 Elektrotechnik - Erneuerbare Energien und Systemtechnik, Master, ASPO 01.10.2019, 1. Semester, Pflichtfach
Arbeitsaufwand:
Der Gesamtaufwand des Moduls beträgt 150 Arbeitsstunden.
Empfohlene Voraussetzungen (Module):
Keine.
Als Vorkenntnis empfohlen für Module:
Modulverantwortung:
Marc Quirin, M.Sc.
Dozent: Marc Quirin, M.Sc.

[letzte Änderung 16.10.2020]
Lernziele:
Die Studierenden haben nach erfolgreichem Modulabschluss ein fundiertes Wissen über praktische Methoden und Anwendungen in der industriellen Bildverarbeitung. Insbesondere werden grundlegende Verfahren und Algorithmen in der BV vermittelt. Der Student ist danach in der Lage eine Bildverarbeitungsaufgabe systematisch zu planen und umzusetzen. Sowohl bei der Auslegung der Hardware als auch Software. Die Programmierübungen konzentrieren sich auf die vermittelten theoretischen Grundlagen im „front-end“ und „back-end“ der Bildverarbeitungskette.

[letzte Änderung 27.10.2020]
Inhalt:
Inhalte:
1.        Einführung in die Schritte des Maschinellen Sehens
1.1.        Auswahlkriterien eines BV-Systems
1.2.        Mögliche Berechnungen
1.3.        Bildverarbeitungskette
2.        Technische Grundlagen zum „front-end“ der BV-Kette
2.1.        Beleuchtung
2.2.        Filter
2.3.        Objektive
2.4.        Grundlagen der Kameratechnik
2.5.        Übertragung der Bildinformationen zum Rechner
2.6.        Artefakte bei der Bildaufnahme
2.6.1.        Aliasing
2.6.2.        Bildrauschen
3.        Das „back-end“ der BV-Kette
3.1.        Mathematische Tools
3.2.        Kameramodell und Kamerakalibrierung
3.3.        Farbmodelle
3.4.        Bildrepräsentation
3.5.        Bildvorverarbeitung im Orts- und Frequenzraum
3.6.        Morphologische Operatoren
3.7.        Segmentierung
3.8.        Labeling
3.9.        Merkmalsextraktion
3.10.        Klassifikation
4.      Zusammenfassung


[letzte Änderung 27.10.2020]
Lehrmethoden/Medien:
Tafel, Skript, Matlab, LabVIEW, Python

[letzte Änderung 27.10.2020]
Literatur:
Tönnies Klaus D.: Grundlagen der Bildverarbeitung, Addison-Wesley Verlag, 2005
Jähne B.: Digitale Bildverarbeitung. Springer, 5. Edition, 2002
Haberäcker Peter: Digitale Bildverarbeitung, Carl Hanser Verlag München Wien, 1987

[letzte Änderung 27.10.2020]
[Mon Nov 29 18:04:46 CET 2021, CKEY=dmuadms, BKEY=dfmees, CID=DFMEES-109, LANGUAGE=de, DATE=29.11.2021]