de | en

Bildverarbeitung in der Physik
Image Processing in Physics

Modul PH2181

Diese Modulbeschreibung enthält neben den eigentlichen Beschreibungen der Inhalte, Lernergebnisse, Lehr- und Lernmethoden und Prüfungsformen auch Verweise auf die aktuellen Lehrveranstaltungen und Termine für die Modulprüfung in den jeweiligen Abschnitten.

Modulversion vom WS 2018/9 (aktuell)

Von dieser Modulbeschreibung gibt es historische Versionen. Eine Modulbeschreibung ist immer so lange gültig, bis sie von einer neuen abgelöst wird.

verfügbare Modulversionen
WS 2018/9SS 2018WS 2017/8SS 2017WS 2013/4

Basisdaten

PH2181 ist ein Semestermodul in Englisch oder Deutsch auf Master-Niveau das in jedem Semester angeboten wird.

Das Modul ist Bestandteil der folgenden Kataloge in den Studienangeboten der Physik.

  • Allgemeiner Spezialfachkatalog Physik
  • Spezifischer Spezialfachkatalog Applied and Engineering Physics
  • Spezifischer Spezialfachkatalog Biophysik

Soweit nicht beim Export in einen fachfremden Studiengang ein anderer studentischer Arbeitsaufwand ("Workload") festgelegt wurde, ist der Umfang der folgenden Tabelle zu entnehmen.

GesamtaufwandPräsenzveranstaltungenUmfang (ECTS)
150 h 45 h 5 CP

Inhaltlich verantwortlich für das Modul PH2181 ist Julia Herzen.

Inhalte, Lernergebnisse und Voraussetzungen

Inhalt

Dieses Modul behandelt ein breites Spektrum an grundlegenden und fortgeschrittenen Techniken der Bildverarbeitung und Bildrekonstruktion. Dabei wird ein besonderer Schwerpunkt auf Anwendungen in der Physik gelegt. Das Modul thematisiert die Techniken und Grundkonzepte anwendungsorientiert mit Problemen aus der Praxis.

Die behandelten Themen lassen sich grob in drei Teile unterteilen: in Teil eins liegt der Schwerpunkt auf den Grundlagen der Bildverarbeitung und Datenanalyse. Teil zwei thematisiert die Grundlage der Bilderzeugung in optischen Geräten, deren Anforderungen und Grenzen. In Teil drei werden abstraktere, algorithmische Ansätzen zur Datenanalyse und -optimierung besprochen.

Das Modul gibt einen breiten Überblick über populäre Themen in allen Bereichen der Bildgebung und konzentriert sich mehr auf das Verständnis der zugrunde liegenden Prinzipien als auf strenge mathematische Ableitungen.

Das Modul deckt folgende Themen ab

  1. Bildverarbeitung im direkten Raum
  2. Bildverarbeitung im Fourier Raum
  3. Abtastung, Interpolation & Pixel Darstellung
  4. Auflösung & Rauschen
  5. Segmentierung
  6. Tomographie
  7. Wellen Propagation
  8. Wavelets und gefensterte Fourier Transformation
  9. Optimierung (eingeschränkt + Methode der kleinsten Quadrate)
  10. Phasenkontrast Bildgebung
  11. Gitter basierte Bildgebung

Lernergebnisse

Nach erfolgreicher Teilnahme an dem Modul sind die Studierenden in der Lage

  • die Grundlagen der diskutierten Bildverarbeitungstechniken anzuwenden (Filterung im räumlichen und im Fourier-Raum, Interpolation, Segmentierung, Rausch- und Auflösungsanalyse, tomographische Rekonstruktion, Wellenausbreitung und Phase).
  • das bildgebende Verfahren ausfindig zu machen das geeignet ist, spezifische biomedizinische Fragen zu beantworten.
  • die mit einer speziellen Bildverarbeitungstechnik erhaltenen Daten zu analysieren und sich ihrer Vor- und Nachteile bewusst zu sein.

Voraussetzungen

Die Übungen werden in der Programmiersprache Python abgehalten. Es sind keine speziellen Informatik- oder Programmierkenntnisse erforderlich. Die aufgetragenen Übungsaufgaben erfordern ebenfalls keine speziellen Kenntnisse.

Es werden einige mathematische Grundkenntnisse erwartet: Grundlagen der Mathematik, Statistik, lineare Algebra & Funktionsanalyse (Matrizen, Vektorräume, Basen, Fouriertransformation, etc.). In der Regel stehen die mathematischen Inhalte nicht im Mittelpunkt des Kurses. Mathematikkenntnisse auf der Basis des Physik-Bachelors sind ausreichend.

Lehrveranstaltungen, Lern- und Lehrmethoden und Literaturhinweise

Lehrveranstaltungen und Termine

Lern- und Lehrmethoden

In jeder Vorlesungsstunde wird eine bestimmte Technik behandeln die jedoch alle durch immer wiederkehrende Themen wie z.B. Fourier-Analyse, lineare Algebra, iterative Techniken, Maximum-Likelihood-Methode und konvexe Optimierung miteinander verknüpft sind.

Zusammen mit jeder Vorlesungsstunde wird eine Übung angeboten, in der die/der Studierende die erlernte Methode direkt anwenden und ausprobieren kann. Typischerweise wird dies das Schreiben einiger Zeilen Code (<10) in Python beinhalten, um einen bestehenden Programmcode zu vervollständigen.

Während der Vorlesung werden die Lerninhalte präsentiert. Nach dem Vortrag gibt es Zeit für Diskussionen. Fragen in Form eines Quiz geben die Möglichkeit, das Gelernte anzuwenden.

Zusätzliche werden Lehrbuchempfehlungen und Literaturhinweise zur weiteren Vertiefung der Lerninhalte bereitgestellt.

Medienformen

PowerPoint Folien die zum Teil während der Vorlesung beschriftet werden.

Quizfragen

Lehrbuchkapitel und wissenschaftliche Artikel

Literatur

  • Rafael Gonzales, Richard Woods, “Digital Image Processing”, 3rd ed.
  • Bernd Jähne, “Digitale Bildverarbeitung und Bildgewinnung”, 7th ed.
  • Lipson, Lipson, Tannhauser, “Optik” (German) 3rd ed., [english edition “Optical physics”  available as “Vollansicht” from TUM library]
  • Bishop, “Pattern Recognition and Machine Learning” 1st ed.
  • Max Born, Emil Wolf, “Principles of Optics”, 7th ed.
  • Joseph Goodman, “Introduction to Fourier Optics”, 3rd ed.

free downloads:

  • William Pratt, “Digital Image Processing” http://onlinelibrary.wiley.com/book/10.1002/0470097434
  • Stephen Smith, “The Scientist and Engineer’s Guide To Digital Signal Processing”  http://www.dspguide.com
  • Roger Easton, “Fourier Methods in Imaging” http://onlinelibrary.wiley.com/book/10.1002/9780470660102
  • Gabriel Cristobal, “Optical and Digital Image Processing: Fundamentals and Applications” http://onlinelibrary.wiley.com/book/10.1002/9783527635245
  • Tinku Acharya, “Image Processing: Principles and Applications” http://onlinelibrary.wiley.com/book/10.1002/0471745790
  • Avinash Kak, Malcolm Slaney, “Principles of computerized tomographic imaging” http://www.slaney.org/pct/
  • Richard Szileski, “Computer Vision: Algorithms and Applications” http://szeliski.org/Book/
  • David Barber, “Bayesian Reasoning and Machine Learning” http://www.cs.ucl.ac.uk/staff/d.barber/brml/
  • Simon J.D. Prince, “Computer Vision: Models, Learning, and Inference” http://www.computervisionmodels.com/
  • Trevor Hastie “The Elements Of Statistical Learning”, 2nd ed. http://www-stat.stanford.edu/~tibs/ElemStatLearn/
  • Otmar Scherzer. “Handbook of Mathematical Methods in imaging” http://link.springer.com/book/10.1007/978-0-387-92920-0

Modulprüfung

Beschreibung der Prüfungs- und Studienleistungen

Es findet eine mündliche Prüfung von etwa 25 Minuten Dauer statt. Darin wird das Erreichen der im Abschnitt Lernergebnisse dargestellten Kompetenzen mindestens in der dort angegebenen Erkenntnisstufe exemplarisch durch Verständnisfragen und Beispielrechnungen überprüft.

Prüfungsaufgabe könnte beispielsweise sein:

  • Erklären Sie das Konzept der Raumfrequenzen und zeigen Sie sie in einem beispielhaften Bild an.
  • Wie erhält man 3D-Volumen aus 2D-Projektionen?
  • Was ist der Unterschied zwischen konventioneller Absorptions- und Phasenkontrast-Bildgebung?

Die Teilnahme am Übungsbetrieb wird dringend empfohlen, da die Übungsaufgaben auf die in der Modulprüfung abgefragten Problemstellungen vorbereiten und somit die spezifischen Kompetenzen eingeübt werden.

Wiederholbarkeit

Eine Wiederholungsmöglichkeit wird am Semesterende angeboten.

Aktuell zugeordnete Prüfungstermine

Derzeit sind in TUMonline die folgenden Prüfungstermine angelegt. Bitte beachten Sie neben den oben stehenden allgemeinen Hinweisen auch stets aktuelle Ankündigungen während der Lehrveranstaltungen.

Titel
ZeitOrtInfoAnmeldung
Prüfung zu Bildverarbeitung in der Physik
Mo, 4.2.2019 Dummy-Termin. Wenden Sie sich zur individuellen Terminvereinbarung an die/den Prüfer(in). Anmeldung für Prüfungstermin vor So, 24.03.2019. // Dummy date. Contact examiner for individual appointment. Registration for exam date before Sun, 2019-03-24. bis 15.1.2019 (Abmeldung bis 3.2.2019)
Di, 26.3.2019 Dummy-Termin. Wenden Sie sich zur individuellen Terminvereinbarung an die/den Prüfer(in). Anmeldung für Prüfungstermin von Mo, 25.03.2019 bis Sa, 27.04.2019. // Dummy date. Contact examiner for individual appointment. Registration for exam date from Mon, 25.03.2019 till Sat, 27.04.2019. bis 25.3.2019
Nach oben