Digitale Bildtechnik
PDF Lehrveranstaltungsverzeichnis English Version: DBT
Version: 1 | Letzte Änderung: 08.10.2019 23:17 | Entwurf: 0 | Status: vom verantwortlichen Dozent freigegeben
Langname | Digitale Bildtechnik |
---|---|
Anerkennende LModule | DBT_MaMT |
Verantwortlich |
Prof. Dr. Gregor Fischer
Professor Fakultät IME |
Gültig ab | Wintersemester 2020/21 |
Niveau | Master |
Semester im Jahr | Wintersemester |
Dauer | Semester |
Stunden im Selbststudium | 78 |
ECTS | 5 |
Dozenten |
Prof. Dr. Gregor Fischer
Professor Fakultät IME |
Voraussetzungen | keine |
Unterrichtssprache | deutsch |
separate Abschlussprüfung | Ja |
R.W.G. Hunt, The Reproduction of Color |
M. Fairchild, Color Appearance Models, Wiley, 2nd ed. |
G. C. Holst, T. S. Lomheim, CMOS/CCD Sensors and Camera Systems, SPIE |
J. Nakamura, Image Sensors and Signal Processing for Digital Still Cameras, Taylor & Francis |
Reinhard/Ward/Pattanaik/Debevec, High Dynamic Range Imaging, Elsevier 2010 |
R. Gonzales/R. Woods/Eddins, Digital Image Processing Using Matlab, Prentice Hall, 2004 |
W. Pratt, Digital Image Processing, Wiley, 4th ed., 2007 |
A. Jain, Fundamentals of Digital Image Processing, Prentice Hall, 1988 |
Details | Kurzes Projekt mit abschließender mündlicher Prüfung |
---|---|
Mindeststandard | Funktionsfähiges Matlab-Programm Mdl. Präsentation der Projektziele und der Projektergebnisse |
Prüfungstyp | mündliche Prüfung, strukturierte Befragung |
Zieltyp | Beschreibung |
---|---|
Kenntnisse | Farbbildtechnik Farbaufzeichnung mit digitalen Bildsensoren Farbsensoren Demosaicking-Verfahren Antialiasing-Filter Farbmanagement für digitale Kameras Berechnung von ICC-Profilen nach Least Squares Fit Prüfung Farbgenauigkeit Farberscheinungsanpassung über Farberscheinungsmodell Multispektraltechnik Schätzung der spektralen Kameraempfindlichkeiten mit Hilfe einer Methode zur Stabilisierung instabiler Gleichungssysteme Statistik natürlicher Spektren (Principal Components Analysis) Farbreizschätzung |
Kenntnisse | HDR-Bildtechnik HDR-Aufnahmetechnik Kontrastmanagement Photorezeptor-Modell Unscharfe Maskierung Retinex-Algorithmus Bildautomatik |
Kenntnisse | Bildtechnische Verfahren Automatische Weißabgleichsverfahren Grauwelt-Ansatz Color-by-Correlation Dichromatic Reflection Model MTF-Management MTF-Messtechnik Filterdesign zur MTF-Optimierung und Verschärfung Adaptive Verschärfung Denoising Modellierung von Sensorrauschen Lokal Adaptiver Glättungsfilter Wiener-Filterung (Frequenz- und Ortsraum) Bilaterale Filterung Non-Local-Means Filterung Defektpixel-/Defektcluster-Korrektur |
Fertigkeiten | Die Funktionsweise und Wirkung verschiedener bildtechnischer Verfahren verstehen und erläutern |
Fertigkeiten | Korrekturmodelle für die Bildverarbeitung aus den phänomenologischen optischen und elektronischen Eigenschaften ableiten und erklären |
Fertigkeiten | Die Anwendung grundlegender mathematischer Werkzeuge zur Modellierung und Optimierung in bildtechnischen Verfahren darstellen und erklären |
Typ | Präsenzzeit (h/Wo.) |
---|---|
Vorlesung | 2 |
Übungen (ganzer Kurs) | 0 |
Übungen (geteilter Kurs) | 0 |
Tutorium (freiwillig) | 0 |
Grundlagen der multivariaten Statistik, Principal Components Analysis (Grundlagen Mathematik) Lineare Optimierungsverfahren (Grundlagen Mathematik) |
Begleitmaterial |
elektronische Vortragsfolien zur Vorlesung , elektronische Übungsaufgabensammlung |
---|---|
Separate Prüfung | Nein |
Zieltyp | Beschreibung |
---|---|
Fertigkeiten | Bildtechnische optische und elektronische Eigenschaften analysieren und bewerten |
Fertigkeiten | Bildtechnische Defekte erkennen und beurteilen |
Fertigkeiten | Bildtechnische Verfahren gemäß gegebener Spezifikation/wiss. Literatur algorithmisch umsetzen und in Software realisieren |
Fertigkeiten | Bildtechnische optische und elektronische Eigenschaften oder Defekte vermessen |
Fertigkeiten | Neue Bildtechnische Verfahren gemäß gegebener Spezifikation/wiss. Literatur realisieren und anwenden |
Fertigkeiten | Optimierung bildtechnischer Verfahren durch grundlegende mathematische Optimierungsmethoden |
Fertigkeiten | Qualitätsvergleich verschiedener bildtechnischer Verfahren durchführen |
Fertigkeiten | Ergebnisse darstellen und dokumentieren |
Typ | Präsenzzeit (h/Wo.) |
---|---|
Praktikum | 2 |
Tutorium (freiwillig) | 0 |
keine |
Begleitmaterial |
elektronische Versuchsbeschreibungen , elektronische Entwicklungswerkzeuge für … Zugriff auf Rohdaten (Matlab) Bildverarbeitung (Matlab) Simulation digitale Kamera (Stanford's Imageval in Matlab) |
---|---|
Separate Prüfung | Ja |
Prüfungstyp | praxisnahes Szenario bearbeiten (z.B. im Praktikum) |
---|---|
Details | Protokoll-Berichte zu den Aufgaben |
Mindeststandard | Berichte zu allen Versuchen müssen in korrekter Form mit korrekten Ergebnissen abgegeben worden sein |
© 2022 Technische Hochschule Köln