Inhalt

[ INMAWKVDBVA ] KV Digitale Bildverarbeitung

Versionsauswahl
Es ist eine neuere Version 2022W dieser LV im Curriculum Masterstudium Computer Science 2023W vorhanden.
Workload Ausbildungslevel Studienfachbereich VerantwortlicheR Semesterstunden Anbietende Uni
3 ECTS M2 - Master 2. Jahr Informatik Josef Scharinger 2 SSt Johannes Kepler Universität Linz
Detailinformationen
Quellcurriculum Masterstudium Computer Science 2021S
Ziele Studierende beherrschen die Grundlagen der Verarbeitung, Analyse, Kompression und den Schutz von digitalen Bildern.
Lehrinhalte Konzept und Erzeugung digitaler Bilder, diskrete Transformationen für digitale Bilder, Restauration von Bildern, geometrische Operationen auf digitalen Bildern, digitale Bildverbesserung, Segmentierung von Bildern, Extraktion von Merkmalen, Klassifikation von Objekten in Bildern, Bilderkennung mit Convolutional Neural Networks (CNNs, Detektion und Segmentierung mit Regions-basierten CNNs (R-CNNs), Kompression von Bilddaten mit Wavelets, JPEG-Standards, digitale Wasserzeichen.

Projekt: Studenten wählen, analysieren und dokumentieren (in Gruppen) praktisches System der digitalen Bildverarbeitung.

Beurteilungskriterien Schriftliche Klausur am Ende des Semesters; Durchführung, Präsentation und Dokumentation eines (kleinen) Projektes.
Lehrmethoden Folienvortrag mit Beispielen an der Tafel; Projekt
Abhaltungssprache Deutsch
Literatur PDF-Versionen der in der LVA verwendeten Slides werden regelmäßig via KUSSS zur Verfügung gestellt.

Empfohlene Literatur:

  • Klaus D. Tönnies (2005). Grundlagender Bildverarbeitung. Person Studium.
Lehrinhalte wechselnd? Nein
Sonstige Informationen https://www.jku.at/institut-fuer-computational-perception/lehre/alle-lehrveranstaltungen/digitale-bildverarbeitung/
Präsenzlehrveranstaltung
Teilungsziffer -
Zuteilungsverfahren Direktzuteilung