| Beschreibung |
Bildanalyse und Objekterkennung
Die Vorlesung gibt eine Einführung in die Grundlagen der Mustererkennung und Bildanalyse. Behandelt werden unter anderem die Bildverbesserung, lokale und morphologische Operatoren, Kantenerkennung, Bilddarstellung im Frequenzraum, Fourier-Transformation, Hough-Transformation, Segmentierung, Skelettierung, Objektklassifizierung und maschinelles Lernen zur visuellen Objekterkennung.
|
| engl. Beschreibung/ Kurzkommentar |
Image analysis and object recognition
The lecture gives an introduction to the basic concepts of pattern recognition and image analysis. It covers topics as image enhancement, local and morphological operators, edge detection, image representation in frequency domain, Fourier transform, Hough transform, segmentation, thinning, object categorization and machine learning for visual object recognition.
|
| Literatur |
R.C. Gonzalez and R.E. Woods, 2017: Digital image processing, Pearson, 1-1024.
B. Jähne, 2005: Digital image processing, Springer, 1-608.
R. Szeliski, 2022: Computer vision: algorithms and applications 2Ed, Springer, 1-925.
D. Forsyth and J. Ponce, 2012: Computer vision: a modern approach, Pearson, 1-793.
S.J.D. Prince, 2023: Understanding Deep Learning. MIT Press, 1-527.
R.O. Duda, P.E. Hart and D.G. Stork, 2000: Pattern classification, Wiley, 1-680 |
| Zielgruppe |
M.Sc. Computer Science for Digital Media,
M.Sc. Human-Computer Interaction,
M.Sc. Digital Engineering,
offen für interessierte Studierende aus den Masterstudiengängen der Fakultät B sowie MediaArchitecture.
|
