Informatik, Graphische Datenverarbeitung

Lehrveranstaltungen im Wintersemester

Graphische Daten- und Bildverarbeitung

Die Lehrveranstaltung umfasst 3 SWS Vorlesung, 2 SWS Übung und 1 SWS Praktikum.

Die Veranstaltungszeiten für das WS 2017/2018 sind:

Vorlesung:

  • Donnerstag, 8.15 Uhr - 9.45 Uhr in F303
  • Freitag, 10.15 Uhr - 11.00 Uhr in F303

Übung:

  • Dienstag, 12.15 Uhr - 13.45 Uhr in B315
  • Mittwoch, 8.15 Uhr - 9.45 Uhr in B322
  • Freitag, 13.00 Uhr - 14.30 Uhr in B308

Praktikum:

  • Dienstag, 8.15 Uhr - 11.15 Uhr in B315
  • Freitag,  13.15 Uhr - 16.15 Uhr in B 315 bzw. 14.45 Uhr - 17.45 Uhr

Ziele der Veranstaltung:

Die Lehrveranstaltung "Graphische Datenverarbeitung und Bildverarbeitung" vermittelt die Basiskonzepte und Grundalgorithmen. Die Vorgehensweise zur Gewinnung von Bildinformationen aus Bilddaten wird ausführlich behandelt.Außerdem werden die notwendigen Schritte zur Generierung von Bildern mit dem Computer an praktischen Beispielen verdeutlicht.

Vorlesungsinhalte:

  • Einführung in das Gebiet
  • Computergraphik
  • Einführung in WebGL
  • Modellierung
  • Transformation
  • Kamera
  • Farbe und Beleuchtung
  • Rastergraphikalgorithmen
  • Shading
  • Verdeckung
  • Transparenz
  • Antialiasing
  • Textur
  • Bildverarbeitung
  • Grauwertmodifikation
  • Filterung im Ortsbereich
  • Segmentierung
  • Morphologische Operationen
  • Fourier Transformation
  • Anwendung der FFT

Literatur:

 

Übung:

  • In der Übung werden Aufgaben zur Festigung des Vorlesungsstoffs und zur Vorbereitung der Praktika sowohl auf dem Papier als auch am Computer bearbeitet. Die Aufgabenzettel werden im Download-Bereich der Veranstaltung hinterlegt. Dort finden sich auch nach der letzten Übung die entsprechenden Beispiellösungen für den praktischen Teil.

Praktikum:

  • Das Praktikum dient der aktiven Vertiefung des Vorlesungsstoffes, wobei eine komplexe Aufgabe in drei Teilschritten bearbeitet wird.
  • Die Bearbeitung erfolgt in Gruppen von maximal 2 Studierenden.
  • Das Abtestat erfolgt spätestens zu Beginn des nächsten regulären Praktikumstermins. Ohne erfolgreiches Abtestat ist die Weiterbearbeitung des Praktikums nicht möglich. Das Praktikum muss dann im nächsten Jahr vollständig wiederholt werden.
  • Zur Vorbereitung des Praktikums ist ein Moodle-Test durchzuführen. Nur bei Bestehen des Tests kann an dem Praktikum teilgenommen werden.
  • Die vorgegebenen Praktikumstermine sind für jeden Studierenden verbindlich. Eine Verschiebung ist nur mit vorheriger Beantragung bei trifftigen Gründen möglich.

Thema: Erzeugung eines 3D-Modells aus einem medizinischen CT-Datensatz:

Im ersten Praktikum werden die Daten aus den Dateien eingelesen und die Konturpunkte extrahiert. Im zweiten Praktikum wird aus den ermittelten Koordinaten ein Dreiecksgitter abgeleitet, welches anschließend mittels Three.js im Browser dargestellt wird. Im dritten Praktikum erfolgt die Verbesserung der Darstellung durch Integration der Beleuchtungsberechnung und durch Animation.

Die Programmierung der Praktikumsaufgaben erfolgt in C++ unter Verwendung der OpenCV-Bibliothek für den Bildverarbeitungsteil und in JavaScript unter Verwendung von Three.js für den Computergraphikteil.

Falls bei der Bearbeitung der Aufgabe große Defizite bei einem oder beiden Studierenden sichtbar werden, wird eine einfachere Sonderaufgabe vergeben, die dann jedoch einzeln gelöst werden muss.

Projektfach (Master)

Wichtige Termine:

18. 10. 2017: Vorstellung der Themen für das Projektfach um 10 Uhr in B308

Lehrveranstaltungen im Sommersemester

Bildanalyse (Master)

Bei der Bildanalyse wird das Ziel verfolgt, einem Computer das "Sehen" beizubringen. Wir gehen in der Lehrveranstaltung darum der Frage nach, welche visuelle Information im Rechner automatisch verarbeitet und analysiert werden muss, um ein bestimmtes Objekt im Bild zu erkennen.

Die Vermittlung der wesentlichen Grundlagen der Bildanalyse erfolgt in seminaristischen Lehrveranstaltungen, in denen genügend Zeit zum Ausprobieren der erlernten Algorithmen bleibt. Im Verlauf der Veranstaltung werden Bildanalyseverfahren betrachtet, die unterschiedliche Bildinformationen benutzen und auch unterschiedliche Modelle verwenden.

Seminaristische Lehrveranstaltung: Donnerstag, 8-12 Uhr in B308

Praktikum: Donnerstag, 14-18 Uhr in B308

Themengebiete der Lehrveranstaltung:

  • Einführung in die Thematik
  • Wiederholung: Filterverfahren
  • Multiresolution Bildverarbeitung (Diffusionsverfahren)
  • Schwellenwertverfahren
  • Deformierbare Modelle
  • Wasserscheidentransformation
  • Hough-Transformation und Matching-Verfahren
  • Kantenbasierte Verfahren und Region Growing
  • Merkmale von Objekten und Klassifikation- und Clusteranalyse
  • Evaluation von Segmentierungsverfahren

Praktikum

Im Rahmen des Praktikums wollen wir ein Verfahren zur Erkennung von Bäumen in LIDAR-Punktwolken entwickeln. Zur Programmierung wird die OpenCV-Bibliothek und die Point Cloud Library (PCL) verwendet. Außerdem kann die Software Cloud Compare für erste Tests genutzt werden. Die Bearbeitung der Aufgabe erfolgt in der gesamten Gruppe, wobei jedoch eine Aufteilung in einzelne Arbeitspakete erfolgt. Die Zuweisung der Arbeitspakete und die Verteilung des Datenmaterials erfolgt in der Veranstaltung.

Betriebssysteme

Die Lehrveranstaltung umfasst 2 SWS Vorlesung, 1 SWS Übung und 1 SWS Praktikum.

Vorlesung

Montag 12.15-13.45 Uhr in CE85

Übung

Es werden 4 Übungsgruppen zu folgenden Terminen angeboten: Dienstag 14.00-16.00 Uhr und 16.00-18.00 Uhr in B320.

Praktikum

Montag 8.15-11.15 Uhr in B312 oder Dienstag 8.30-11.30 Uhr in B312 oder Freitag 14.15-17.15 Uhr in B312

Am Ende der Veranstaltung sollten Sie wissen...

  • wie ein modernes Betriebssystem aufgebaut ist.
  • welche Algorithmen und Strategien zur effizienten Verwaltung und fairen Vergabe der verschiedenen Betriebsmittel existieren.

Inhalte:

  • Einführung
  • Benutzer- und Bibliotheksschnittstelle unter Linux / Unix
  • Beschreibung und Steuerung von Prozessen
  • Threads als spezielle Art von Prozessen
  • Synchronisation und Kommunikation
  • Verklemmung und Verhungern
  • Speicherverwaltungsmechanismen
  • Scheduling-Strategien
  • Verwaltung von E/A-Geräten
  • Dateisysteme

Praktikum

Das Praktikum dient der aktiven Vertiefung des Vorlesungsstoffes, wobei von jedem Studierenden drei Aufgaben zu bearbeiten sind. Die Bearbeitung der Aufgaben erfolgt auf dem Raspberry Pi. Die Ausgabe der konkreten Aufgabenstellung erfolgt immer zu Beginn des Praktikums.

Die Themen sind:

  • Arbeiten mit der Shell
  • Prozesserzeugung
  • Interprozesskommunikation

Achtung: Vor dem zweiten und dritten Praktikumstermin ist die Bearbeitung der entsprechenden Fragebögen in der Lehr- und Lernumgebung moodle erforderlich! (90% der Punkte nötig)

Hauptseminar: Computer Vision

Voraussetzung für die Vergabe des Leistungsnachweises ist die Vorstellung eines Beitrags in Form eines Vortrages von 45 Minuten sowie die Verteidigung des Vortrags in der Diskussion. Außerdem wird die regelmässige aktive Teilnahme (maximal 2x fehlen) am Seminar erwartet.

Durch die Teilnahme an diesem Modul soll sich die Fähigkeit der Studierenden zur Benutzung von wissenschaftlicher Fachliteratur und anderen Informationsquellen erhöhen. Dabei werden die fachlichen Kompetenzen im Bereich der Computer Vision gestärkt. Die Beherrschung der Präsentationstechnik soll weiter verbessert und die Kommunikationsfähigkeit und Selbstmotivation sollen gestärkt werden.

In den Vorträgen soll jeder Seminarteilnehmer ausgesuchte Algorithmen auf dem Gebiet der Computer Vision näher vorstellen.

Zulassungsvorraussetzungen

  • Leistungsnachweis im "WPM Proseminar"

Meine Forschungsinteressen liegen im Bereich der Bildverarbeitung und Mustererkennung. Ich arbeite deshalb aktiv im iPattern Institut für Mustererkennung an der Hochschule Niederrhein mit.

 

Folgende anwendungsorientierte Forschungsprojekte wurden unter meiner Beteiligung eingeworben und durchgeführt:

  • Auswertung von Videosequenzen zur Personenidentifikation, hochschulinterne Forschungsförderung
  • Untersuchungen zur Dekonvolution von Ultraschallbildern, Projekt für GE Sensing & Inspection Technologies GmbH, ( 3 Teilprojekte: 2010, 2011, 2012), gemeinsam mit Prof. Dalitz
  • Automatische Klassifizierung von Fahrzeugbildern der Restwertbörse, Projekt für die AutoOnline GmbH, (2 Teilprojekte: 2011 und 2012) ), gemeinsam mit Prof. Dalitz
  • Auswertung von Daten der T2-Relaxometrie und von dGemric-Daten, Klinik für Orthopädie und Unfallchirurgie der Universität zu Köln, 2011 (2 Teilprojekte), gemeinsam mit Prof. Dalitz
  • Entwicklung einer Segmentierungssoftware für Muskelquerschnitte in MRT-Aufnahmen (ROI-Segmenter), Projekt für das Deutsche Zentrum für Luft- und Raumfahrt e.V., Institut für Luft- und Raumfahrtmedizin, Köln, (3 Teilprojekte: 2013 und 2014), gemeinsam mit Prof. Dalitz
  • Ungänzenbewertung in Ultraschallaufnahmen, Projekt für GE Sensing & Inspection Technologies GmbH, 2013, gemeinsam mit Prof. Dalitz
  • Technologierrecherche für die Gamma Knife Behandlung, Projekt für das Gamma Knife Zentrum Krefeld, 2013, gemeinsam mit Prof. Dalitz
  • Auswertung einer Studie von MRT-Aufnahmen der Bandscheibe, Projekt für das Zentrum für Muskel- und Knochenforschung, Charite Berlin, 2013, gemeinsam mit Prof. Dalitz
  • Recherche zur Automated Defect Recognition,  Projekt für GE Sensing & Inspection Technologies GmbH, 2014, gemeinsam mit Prof. Dalitz
  • Visualisierungstechniken für Ultraschallbilder, Projekt für GE Sensing & Inspection Technologies GmbH, 2015, gemeinsam mit Prof. Dalitz
  • Entwicklung eines DICOM-Viewers, Projekt für itz medicom GmbH, 2016, gemeinsam mit Prof. Dalitz
  • Prüfverfahren für THT-Lötstellen, Projekt für modus high-tech electronics, Willich, 2016, gemeinsam mit Prof. Dalitz
  • LoD2-Modell der Stadt Leverkusen, Projekt für Stadt Leverkusen, Fachbereich Kataster und Vermessung, 2016, gemeinsam mit Prof. Goebbels

 

Neben diesen Projekten habe ich mich in den letzten Jahren mit Fragestellungen im Bereich der Personenverfolgung in Videodaten, mit der Auswertung von ToF-Daten, mit der Erkennung von Symmetrien, der Ableitung von 3D-Information aus 2D-Bilddaten und mit der Ableitung von 3D-Modellen aus 3D-Punktwolken interessiert. In diesen Themengebieten habe ich auch mehrere Bachelor- und Masterarbeiten betreut:

  • Knut Verhoeven: Contour based human tracking for video surveillance applications (Masterarbeit, Dezember 2009)
  • Markus Gresens: tracking von Objekten in Videosequenzen - eine Untersuchung von Partikel-Filtern (Masterarbeit, August 2011)
  • Jeroen Andreß: Untersuchung von Tracking-Algorithmen unter Verwendung von Tiefeninformation (Masterarbeit, September 2011)
  • Stanislav Mayburd: Lippensegmentierung zur visuellen Spracherkennung (Masterarbeit, Juni 2012)
  • Artur Sharkovkin: Entwicklung eines robusten Gesichtserkennungssystems zur Authentifizierung von Personen (Masterarbeit, September 2012)
  • Oliver Christen: Vergleich von Verfahren zur Tiefenschätzung aus zweidimensionalen Bilddaten (Masterarbeit, Oktober 2012)
  • Markus Fander: entwicklung einer App zur Steuerung eines virtuellen Verkaufsraums (Bachelorarbeit, Mai 2013)
  • Ralf Käufling: Evaluation der Bewegungs- und Posing-Gesten-Erkennung bei Time-of-Fligth-Kameras (Bachelorarbeit, Juli 2013)
  • Martin Schrom: 3D-Gestenerkennung zur Herdsteuerung (Masterarbeit, August 2013)
  • Alexander Flege: Gestengesteuerte Visualisierung eines Stadtmodells (Bachelorarbeit, August 2014)
  • Michael Klose: Konzeption und Realisierung einer Anwendung zur prozeduralen Generierung und Darstellung von sphärischen 3D-Datensätzen (Bachelorarbeit, August 2014)
  • Sven Ansorge: Entwicklung eines Bildanalysesystems zur Identifizierung von Lebensmitteln unter Verwendung von Farb- und Tiefeninformation als Erweiterung eines intelligenen Kühlschranks (Masterarbeit, September 2014)
  • Christian Kleinmanns: Vergleich von Visualisierungsverfahren für 3D-MRT-Tof-Gefäßdatensätze (Bachelorarbeit, September 2014)
  • Alexander Stoffel: Automatische Extraktion von Gebäudetexturen aus Fotos für ein digitales Stadtmodell (Masterarbeit, September 2015)
  • Christian Neumann: 3D-Rekonstruktion von Innenräumen (Masterarbeit, August 2016)
  • Florian Langen: Symmetrieerkennung in 3D-Daten (Masterarbeit, September 2016)
  • Lukas Schuh: Erkennung von Bäumen in LiDAR-Point Clouds (Masterarbeit, November 2016)

 

Veröffentlichungen der letzten Jahre

  • R. Pohle-Fröhlich, C. Brandt, T. Koy: Segmentierung der lumbalen Bandscheiben in MRT-Bilddaten. Bildverarbeitung für die Medizin 2013, Informatik aktuell, pp. 63-68, Springer-Verlag, 2013
  • C. Dalitz, R. Pohle-Fröhlich, T. Bolten: Detection of Symmetry Points in Images. International Conference on Computer Vision Theory and Applications (VISAPP), pp. 577-585, 2013
  • R. Pohle-Fröhlich, D. Stalder: 3D-Symmetrietransformation zur Gefäßsegmentierung in MRT-TOF-Daten. Bildverarbeitung für die Medizin 2014, Informatik aktuell, pp. 144-149, Springer-Verlag, 2014
  • T. Koy, J. Zange, J. Rittweger, R. Pohle-Fröhlich, M. Hackenbroch, P. Eysel, B. Ganse: Assessment of Lumbar Intervertebral Disc Glycosaminoglycan Content by Gadolinium-Enhanced MRI before and after 21-Days of Head-Down-Tilt Bedrest. PLoS ONE 9(11): e112104, 2014
  • C. Dalitz, R. Pohle-Fröhlich, F. Schmitt, M. Jeltsch: The Gradient Product Transform for Symmetry Detection and Blood Vessel Extraction. International Conference on Computer Vision Theory and Applications (VISAPP), pp. 177-184, 2015
  • S. Goebbels, R. Pohle-Fröhlich: Context-Sensitive Filtering of Terrain Data based on Multi Scale Analysis. International Conference on Computer Graphics Theory and Applications (GRAPP), pp. 106-113, 2015
  • C. Dalitz, R. Pohle-Fröhlich, T. Michalk: Point Spread Functions and Deconvolution of Ultrasonic Images. IEEE Transactions on Ultrasonics, Ferroelectrics, and Frequency Control, vol. 62, no. 3, pp. 531-544, 2015
  • B. Ganse, J. Zange, T. Weber, R. Pohle-Fröhlich, B. W. Johannes, M. Hackenbroch, J.Rittweger, P. Eysel, T. Koy: Target Marker: Muscular forces affect the glycosaminoglycan content of joint cartilage. Acta Orthopaedica 86(3), pp. 388-392, 2015
  • M. Jeltsch, C. Dalitz, R. Pohle-Fröhlich: Hough Parameter Space Regularisation for Line Detection in 3D . International Conference on Computer Vision Theory and Applications (VISAPP), pp. 345-352, 2016
  • S. Goebbels, R. Pohle-Fröhlich: Roof Reconstruction from Airborne Laser Scanning Data Based on Image Processing Methods. ISPRS Ann. Photogramm. Remote Sens. Spatial Inf. Sci., III-3, 407-414, 2016
  • S. Goebbels, R. Pohle-Fröhlich: Quality enhancement techniques for building models derived from sparse point clouds, International Conference on Computer Graphics Theory and Applications (GRAPP), 2017, accepted full paper

  • 1984 - 1989: Studium in der Fachrichtung Werkstofftechnik an der Technischen Universität „Otto von Guericke“ in Magdeburg, Abschluss: Diplom-Ingenieurin, Diplomarbeit  : Klassifikation von Schweißnahtfehlern durch automatische Bildverarbeitung
  • 1989 - 9/1994: wiss. Mittarbeiterin im Institut für Simulation und Graphik der Fakultät für Informatik der Otto-von-Guericke-Universität
  • 2/1995: Promotion zum Thema „Segmentierung und Klassifikation von Schweißnahtfehlern in radioskopischen Aufnahmen“
  • 1/1995-10/1997: wiss. Mitarbeiterin in Forschungsprojekten am Universitätsklinikum (Klinik für Dermatologie und Klinik für Kinderheilkunde) in Magdeburg
  • 9/1995-9/1997: nebenberufliches Weiterbildungsstudium „Umweltwissenschaften / Umweltschutz“ an der Humboldt-Universität in Berlin
  • 11/1997- 11/2004: wiss. Assistentin in der Fakultät für Informatik am Institut für Simulation und Graphik, AG Bildverarbeitung / Bildverstehen der Otto-von-Guericke-Universität
  • 7-10/2002: Forschungsaufenthalt am Vancouver Hospital and Health Sciences Centre der Universität von British Columbia bei Prof. Dr. Anna Celler
  • 3/2004: Habilitation, Thema: Computerunterstützte Bildanalyse zur Auswertung medizinischer Bilddaten, Otto-von-Guericke Universität Magdeburg, Fakultät für Informatik, Venia legendi: Informatik
  • seit 12/2004: Professorin für Informatik/Graphische Datenverarbeitung an der Hochschule Niederrhein im Fachbereich Elektrotechnik und Informatik
  • seit 11/2010: Mitglied des iPattern Instituts für Mustererkennung an der Hochschule Niederrhein