Modulbeschreibung

Mustererkennung in der Bildverarbeitung

Kurzzeichen:
M_MBV
Unterrichtssprache:
Deutsch
ECTS-Credits:
2
Arbeitsaufwand (h):
60
Leitidee:

Die Studierenden erhalten einen Überblick über Verfahren zur Merkmalsextraktion aus Bildmaterial. Während im Modul "Industrielle Bildverarbeitung"  einfache Verfahren zur Auswertung von Bildern (Blobanalysen, Kantendetektion, etc.) besprochen werden, werden in diesem Modul weitergehende Klassifikationsverfahren besprochen, die zur Analyse komplexer Szenen benötigt werden.

Ebenfalls wird auf die Rückgewinnung der Auswertung von 3D-Informationen eingegangen.

 

Die Studierenden

  • kennen Verfahren zur Mustererkennung und Klassifikation.
  • kennen Verfahren der 3D-Bildverarbeitung.
Modulverantwortung:
Prof. Dr. Bach Carlo
Lehrpersonen:
Prof. Dr. Bach Carlo
Standort (angeboten):
Buchs, Waldau St.Gallen
Vorausgesetzte Module:
Zusätzliche Eingangskompetenzen:

Ebenfalls vorausgesetzt sind die drei Module Informatik, Elektrotechnik & Lineare Algebra I sowie Elektrotechnik & Lineare Algebra II.

Ein weiteres vorausgestztes Modul ist das Modul Systemtechnik A (aus einem der Profile).

Modultyp:
Wahlpflicht-Modul für Systemtechnik BB STD_05(Empfohlenes Semester: 6)Kategorie:Wahlmodule (WM)
Wahlpflicht-Modul für Systemtechnik VZ STD_05(Empfohlenes Semester: 6)Kategorie:Wahlmodule (WM)
Bemerkungen:

Das Modul findet im Frühlingssemester statt.

Dieses Modul kann mit dem Modul "Industrielle Bildverarbeitung" in freier Reihenfolge kombiniert werden.

Modulbewertung:
Note von 1 - 6

Leistungsnachweise und deren Gewichtung

Während der Unterrichtsphase:

Während der Unterrichtsphase wird eine Prüfung geschrieben.

Bewertungsart:
Note von 1 - 6
Gewichtung:
Während der Unterrichtsphase wird eine Prüfung geschrieben (Gewicht 100%).
Bemerkungen:

Es findet keine abgesetzte Modulschlussprüfung statt.

Inhalte

Angestrebte Lernergebnisse (Abschlusskompetenzen):

Die Studierenden

  • kennen Verfahren zur Mustererkennung und Klassifikation.
  • kennen Verfahren der 3D-Bildverarbeitung.
Modul- und Lerninhalt:

Klassifikation

  • Machine Learning Verfahren
  • Wahrscheinlichkeitsbasierte Klassifikation
  • Clustering
  • Bildfolgeanalyse

Verfahren der 3D-Bildverarbeitung

  • Direkte Verfahen (Time of Flight, Stereoaufnahmen, Lichtschnitt etc.)
  • Indirekte Verfahren durch Auswertung von 2D-Daten (Shape from Shading, Shape from Texture)
  • 3D-Matching, Ausgleichsrechnung 
Lehr- und Lernmethoden:

Unterrichtsgespräch im Klassenverband.

Übungen am PC (MATLAB, spezialisierte Werkzeuge)

Lehrmittel/-materialien:
Buch, Fachartikel