Ringvorlesung „Bildverarbeitung“
D. Schlesinger
Institut für Künstliche Intelligenz, Professur Intelligente Systeme
6. Juli 2012
Was sind Bilder?
Bilder bestehen aus Pixel, Pixel sind gefärbt.
Bilder sind Vektoren
„Ähnliche“ Vektoren entsprechen nicht unbedingt „ähnlichen“ Bildern.
Bilder sind Vektoren
„Ähnliche“ Bilder entsprechen nicht unbedingt „ähnlichen“ Vektoren.
(geometrische Transformationen, Farbtransformationen ...)
⇒Bei Bildern ist die räumliche Anordnung der Elemente extrem wichtig – geht aber meist verloren.
Bilder sind Matrizen
Kann man Bilder wie Matrizen multiplizieren?
× = ?
Was bedeuten z.B. die Eigenwerte, die Determinante?
⇒typische Operationen und Eigenschaften sind nutzlos.
Bilder sind Graphen
Pixel sind Knoten,
Kanten verbinden benachbarte Knoten
(4- oder 8- oder kompliziertere Nachbarschaftstruktur)
→
Ohne Weiteres zu eingeschränkt (nur Gitter)
→attributierte, gelabelte Graphen etc.
Szenen sind Graphen
(Fischler, Elschlager 1973)
Graphen werden eher für höhere Stufen der Verarbeitung verwendet Problem: Zusammenhang „Bild ⇔Graph“
Bilder sind Funktionen
f :R2→R, Definitionsbereich – Bildebene, Wertebereich – Farbwerte Zum Beispiel:
Kanten sind Stellen, wo Betrag des Gradienten der Bildfunktion groß ist.
Fragen:
Sind Bildfunktionen z.B. konvex, stetig, differenzierbar?
Wie kann man sie konstruktiv spezifizieren?
Bildmengen (Bildklassen)→Funktionsräume – unendlichdimensional!!!
→manches wird deutlich schwieriger.
Was sind Bilder?
Bilder sind „weder ... noch ...“
Bilder sind „sowohl ... als auch ...“
Bilder sindBilder
Bildverarbeitung – wie geht man damit um.
Lehrangebot – Überblick
– Bildverarbeitung– Low-Level Vision:
Filterung, Entrauschen, Energieminimierung, Bildmerkmale ...
– Mustererkennung– Mathematische Grundlagen – Computer Vision– Sammlung typischer Aufgaben:
Segmentierung, Bewegungsanalyse, 3D-Rekonstruktion, Verfolgung ...
– Strukturelle Modelle in der Bildverarbeitung Ausgewählte komplexere Modelle – vertieft und gründlich – Aufgabenstellungen der Bildanalyse und Mustererkennung
(Proseminar)
– Bildanalyse (Hauptseminar) – Bildverarbeitung (Praktikum) – Computervision (Komplexpraktikum) – Diverse Beleg-/Diplomthemen
www.inf.tu-dresden.de→Künstliche Intelligenz→Intelligente Systeme
Computer Vision
Zusammenspiel:
Methoden ↔Aufgaben ↔Anwendungen
Besondere Punkte, Bildmerkmale, Bag of Visual Words, Neuronale Netze, Hauptkomponentenanalyse, Wahrscheinlichkeitstheorie, Optimierung, Visuelle Kategorien, Shape-Modelle, Optische Flüsse, Level-Set Metho- den, Diffusion, Energieminimierung, Support Vector Mashines, Kernels, Generalisierbarkeit, AdaBoost, RANSAC, Pictorial Structures, Kamera Kalibrierung, Panoramas, Stereo, 3D, Multiview-Rekonstruktion, Segmen- tierung, Inhaltbasierte Bildsuche, Erkennung, Verfolgung, Kalman Filter, Clusterung, Medizinische Bildverarbeitung, Registrierung, Bewegungsana- lyse, Robotik, Überwachung, Fehlerdetektion, Videoverarbeitung, Visuelle Effekte ...
Relevante Disziplinen:
Physik, Elektrotechnik, (Neuro)Biologie2,Mathe...
Strukturelle Modelle in der Bildverarbeitung
Farbe Form Räumliche Relationen Relation „besteht aus“
Vollständige Interpretation der Szene
Strukturelle Modelle:
eine Vorgehensweise zur Modellierung komplexer visueller Szenen, bei der die Beschreibung eineskomplexenObjektes durch die Beschreibungen sei- nerEinzelteileund deren gegenseitigenBeziehungenangegeben wird.