Bildverarbeitung und Objekterkennung: Computer Vision in by Herbert Süße, Erik Rodner

By Herbert Süße, Erik Rodner

Dieses Buch erläutert, wie Informationen automatisch aus Bildern extrahiert werden. Mit dieser sehr aktuellen Frage beschäftigt sich das Buch mittels eines Streifzuges durch die Bildverarbeitung. Dabei werden sowohl die mathematischen Grundlagen vieler Verfahren der second- und 3D-Bildanalyse vermittelt als auch deren Nutzen anhand von Problemstellungen aus vielen Bereichen (Medizin, industrielle Bildverarbeitung, Objekterkennung) erläutert. Das Buch eignet sich sowohl für Studierende der Informatik, Mathematik und Ingenieurwissenschaften als auch für Anwender aus der industriellen Bildverarbeitung.

Show description

Read or Download Bildverarbeitung und Objekterkennung: Computer Vision in Industrie und Medizin PDF

Best computer vision & pattern recognition books

Advances in Geometric Modeling and Processing: 6th International Conference, GMP 2010, Castro Urdiales, Spain, June 16-18, 2010, Proceedings

This e-book constitutes the refereed complaints of the sixth overseas convention on Geometric Modeling and Processing, GMP 2010, held in Castro Urdiales, Spain, in June 2010. The 20 revised complete papers awarded have been rigorously reviewed and chosen from a complete of 30 submissions. The papers conceal a large spectrum within the quarter of geometric modeling and processing and deal with issues comparable to recommendations of transcendental equations; quantity parameterization; gentle curves and surfaces; isogeometric research; implicit surfaces; and computational geometry.

Discrete Geometry for Computer Imagery: 15th IAPR International Conference, DGCI 2009, Montréal, Canada, September 30 - October 2, 2009, Proceedings

This publication constitutes the refereed complaints of the fifteenth IAPR overseas convention on Discrete Geometry for machine Imagery, DGCI 2009, held in Montr? al, Canada, in September/October 2009. The forty two revised complete papers have been rigorously reviewed and chosen from quite a few submissions. The papers are geared up in topical sections on discrete form, illustration, reputation and research; discrete and combinatorial instruments for photograph segmentation and research; discrete and combinatorial Topology; types for discrete geometry; geometric transforms; and discrete tomography.

Independent Component Analysis of Edge Information for Face Recognition

The publication offers study paintings on face acceptance utilizing part info as gains for face acceptance with ICA algorithms. The self sufficient parts are extracted from side details. those self sustaining elements are used with classifiers to check the facial pictures for popularity function. of their examine, authors have explored Canny and LOG facet detectors as ordinary side detection equipment.

Advanced Technologies in Ad Hoc and Sensor Networks: Proceedings of the 7th China Conference on Wireless Sensor Networks

Complicated applied sciences in advert Hoc and Sensor Networks collects chosen papers from the seventh China convention on instant Sensor Networks (CWSN2013) held in Qingdao, October 17-19, 2013. The booklet positive factors cutting-edge stories on Sensor Networks in China with the subject of “Advances in instant sensor networks of China”.

Extra info for Bildverarbeitung und Objekterkennung: Computer Vision in Industrie und Medizin

Sample text

Der Zahlenwert ( f ∗ g)n gibt an, wie gut f und g miteinander korrelieren, wenn man g um n Positionen nach „rechts“ verschiebt, oder was dasselbe ist, wenn man f um n Positionen nach „links“ verschiebt. Das Matchingmaß ist das Skalarprodukt. Im Gegensatz zur Autofaltung hat die Autokorrelation große Bedeutung, wir korrelieren also eine Funktion mit sich selbst. Sie ist deutbar an einer Stelle n wie gut die Funktion mit sich selbst korreliert wenn man sie um n Positionen verschiebt. Trivialerweise muss die Autokorrelation bei n =  immer ihr Maximum haben, da f hier mit sich selbst am besten korreliert.

8) i, j Nun erkennen wir leicht die Hintereinanderausführung zweier 1D-Faltungen g = h ∗ f = x ∗ y ∗ f = x ∗ (y ∗ f ). 9) Die Faltung hat viele interessante Anwendungen in der Bildverarbeitung, wird aber auch in anderen Gebieten benutzt. Zum besseren Verständnis zeigen wir zunächst eine einfache Anwendung in der Wahrscheinlichkeitsrechnung. Beispiel 1 Gegeben seien zwei diskrete Zufallsvariablen X und Y, die der Einfachheit halber nur ganze Zahlen annehmen sollen, ein typisches Beispiel ist das Würfeln.

Ein diskretes Grautonbild auch als Matrix auffassen, dann müsste man die Variablen x und y vertauschen. Dies hätte den „kleinen Vorteil“, dass man alle Matrixoperationen auf Bilder anwenden könnte. Dabei ist aber Vorsicht geboten, was ist z. B. die Determinante eines Bildes? Ist dies der Fall, dann werden wir explizit darauf hinweisen. Je nach Anwendung bzw. mathematischer Behandlung kann man ein Bild auffassen als diskrete Funktion oder als nichtdiskrete Funktion, die wir im Folgenden als analoge Funktion bezeichnen wollen.

Download PDF sample

Rated 4.34 of 5 – based on 31 votes

Related posts