Lehrveranstaltungshandbuch Digitale Bildtechnik

---

Verantwortlich: Prof. Dr. Gregor Fischer

Lehrveranstaltung

Befriedigt Modul (MID)

• aktuelle
  • Ma MT2012 DBT

Organisation

Version erstellt 2013-04-25 VID 2 gültig ab WS 2012/13 gültig bis

Bezeichnung Lang Digitale Bildtechnik LVID F07_DBT LVPID (Prüfungsnummer)

Semesterplan (SWS) Vorlesung 2 Übung (ganzer Kurs) Übung (geteilter Kurs) Praktikum 2 Projekt Seminar Tutorium (freiwillig)

Präsenzzeiten Vorlesung 30 Übung (ganzer Kurs) Übung (geteilter Kurs) Praktikum 30 Projekt Seminar Tutorium (freiwillig)

max. Teilnehmerzahl Übung (ganzer Kurs) Übung (geteilter Kurs) Praktikum 18 Projekt Seminar

Gesamtaufwand: 150

Unterrichtssprache

• Deutsch
• Englisch

Niveau

• Master

Notwendige Voraussetzungen

• keine

Literatur

• 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

Dozenten

• Prof.Dr. Gregor Fischer
• Prof.Dr. Dirk Poggemann

Wissenschaftliche Mitarbeiter

• tba

Zeugnistext

Digitale Bildtechnik

Kompetenznachweis

Form
sMP	mündliche Prüfung
sMB

Aufwand [h]
sMP	10

Intervall: 2-3/Jahr

---

Lehrveranstaltungselemente

Vorlesung / Übung

Lernziele

Lerninhalte (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
• HDR-Bildtechnik
  • HDR-Aufnahmetechnik
  • Kontrastmanagement
    • Photorezeptor-Modell
    • Unscharfe Maskierung
    • Retinex-Algorithmus
    • Bildautomatik
• 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
• Korrekturmodelle für die Bildverarbeitung aus den phänomenologischen optischen und elektronischen Eigenschaften ableiten und erklären
• Die Anwendung grundlegender mathematischer Werkzeuge zur Modellierung und Optimierung in bildtechnischen Verfahren darstellen und erklären

Begleitmaterial

• elektronische Vortragsfolien zur Vorlesung
• elektronische Übungsaufgabensammlung

Besondere Voraussetzungen

• Grundlagen der multivariaten Statistik, Principal Components Analysis (Grundlagen Mathematik)
• Lineare Optimierungsverfahren (Grundlagen Mathematik)

Besondere Literatur

• keine

Besonderer Kompetenznachweis

• kein
• Intervall
  • 1/Jahr

Praktikum

Lernziele

Fertigkeiten

• Bildtechnische optische und elektronische Eigenschaften analysieren und bewerten
• Bildtechnische Defekte erkennen und beurteilen
• Bildtechnische Verfahren gemäß gegebener Spezifikation/wiss. Literatur algorithmisch umsetzen und in Software realisieren

Handlungskompetenz demonstrieren

• Bildtechnische optische und elektronische Eigenschaften oder Defekte vermessen
• Neue Bildtechnische Verfahren gemäß gegebener Spezifikation/wiss. Literatur realisieren und anwenden
• Optimierung bildtechnischer Verfahren durch grundlegende mathematische Optimierungsmethoden
• Qualitätsvergleich verschiedener bildtechnischer Verfahren durchführen
• Ergebnisse darstellen und dokumentieren

Begleitmaterial

• elektronische Versuchsbeschreibungen
• elektronische Entwicklungswerkzeuge für …
  • Zugriff auf Rohdaten (Matlab)
  • Bildverarbeitung (Matlab)
  • Simulation digitale Kamera (Stanford's Imageval in Matlab)

Besondere Voraussetzungen

• keine

Besondere Literatur

• keine

Besonderer Kompetenznachweis

• Form Kompetenznachweis
• Beitrag zum LV-Ergebnis
• Intervall
  • 1/Jahr