Die Vorlesung betrachtet Bilder und die in ihnen enthaltenen
Strukturen aus statistischer Sicht. Nach der Grundlegung
dieser Sichtweise werden einfache Methoden der statistischen Bildvorverarbeitung behandelt. Daran anschließend werden Standardalgorithmen zur Analyse wie PCA und ICA behandelt.
Schließlich werden fortgeschrittene Methoden zur statistischen Bildanalyse mit Hilfe von Bayes-Techniken
und Markov-Modellierung vorgestellt.
Die Studenten sollen statistische Grundkonzepte zur Modellierung von Bildern und Bildstrukturen kennenlernen. Dies wird die Studenten befähigen, grundlegende statistische Methoden zur Bildanalyse wie (PCA, ICA, etc.) anzuwenden und darauf basierend komplexere Algorithmen
zu entwickeln.
Die Vorlesung gliedert sich in die Teile: Bilder und Bildstrukturen
aus statistischer Sicht, Standardverfahren zur Bildanalyse inklusive Methoden zur Vorverarbeitung und fortgeschrittene Methoden mit
Hilfe von Bayes-Techniken und Markov-Modellierung.
keine
Übungen, Endklausur
-
Aapo Hyvärinen, Juha Karhunen und Erkki Oja.
Independent Component Analysis, Wiley-Interscience, 2001.
-
Gerhard Winkler. Image Analysis, Random Fields and Markov Chain Monte Carlo Methods:
A Mathematical Introduction, Springer, 2. Aufl., 2006.