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 SS 2018

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 in der Version von SS 2018 war Julia Herzen.

Inhalte, Lernergebnisse und Voraussetzungen

Inhalt

This module covers a wide range of basic and advanced techniques used for image processing and image reconstruction, with a special focus on physical science applications. Following a problem-solving philosophy, the module motivates all techniques and fundamental concepts with problems drawn from real-life applications.

The topics covered may be roughly divided into three parts, one focusing on basics of image processing and data analysis, one part based on image formation in optical devices, its requirements and limitations, and one part on more abstract algorithmic approaches to data analysis and optimization.

The module gives a rather broad overview over recurring topics in all fields of imaging, focusing more on an understanding of underlying principles than on rigorous mathematical derivations.

The lecture covers the following topics:

  1. Image processing in spatial domain
  2. Image processing in Fourier domain
  3. Sampling, interpolation & pixel representations
  4. Resolution & Noise
  5. Segmentation
  6. Tomography
  7. Wave propagation
  8. Wavelets and windowed Fourier transform
  9. Optimization (Constrained + Least Squares)
  10. Phase-contrast Imaging
  11. Grating-based imaging

Lernergebnisse

After successful lecture participation the student is able to:

  • apply the basic principles of the discussed image processing techniques (filtering in spatial and in fourier domain, interpolation, segmentation, noise and resolution analysis, tomographic reconstruction, wave propagation and phase retrieval).
  • identify the imaging technique to address specific biomedical questions.
  • analyze images with respect to the used image-processing technique with its advantages and disadvantages.

Voraussetzungen

The exercises will be given in python. No specific computer science or programming knowledge is required. The practicals offered together with the course also do not require any specific knowledge.
Some basic mathematics knowledge is expected: this includes basics of calculus, statistics, linear algebra & functional analysis (matrices, vectorspaces, bases, Fourier transformation, etc). In general the mathematical content will not be the focus of the course.

Lehrveranstaltungen, Lern- und Lehrmethoden und Literaturhinweise

Lehrveranstaltungen und Termine

Lern- und Lehrmethoden

Each class will address a specific technique, yet all will be linked by recurrent essential topics including for example Fourier analysis, linear algebra, iterative techniques, maximum likelihood and convex optimization.

Together with each class, an exercise lesson is offered, where the student can directly apply and test the studied method. Typically this will involve writing a few lines of code (<10) in python to complete an existing program.

The following methods will be applied:

Oral presentation

Quiz

Discussions

Textbook/Scientific article

Medienformen

Power point slides filled in class

Online quiz/Quiz

Textbook/Scientific article

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

There will be an oral exam of about 25 minutes duration. Therein the achievement of the competencies given in section learning outcome is tested exemplarily at least to the given cognition level using comprehension questions and case studies.

For example an assignment in the exam might be:

  • Explain the concept of spatial frequencies and indicate them in an exemplary image.
  • How do you get 3D volumes from 2D projections?
  • What is the difference between standard attenuation-based and phase-contrast imaging?

Participation in the tutorials is strongly recommended since the exercises prepare for the problems of the exam and rehearse the specific competencies.

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, 9.7.2018 Dummy-Termin. Wenden Sie sich zur individuellen Terminvereinbarung an die/den Prüfer(in). Anmeldung für Prüfungstermin vor 24.9.2018. // Dummy date. Contact examiner for individual appointment. Registration for exam date before 2018-09-24. bis 30.6.2018
Di, 25.9.2018 Dummy-Termin. Wenden Sie sich zur individuellen Terminvereinbarung an die/den Prüfer(in). Anmeldung für Prüfungstermin zwischen 25.9.2018 und 20.10.2018. // Dummy date. Contact examiner for individual appointment. Registration for exam date between 2018-09-25 and 2018-10-20. bis 24.9.2018
Nach oben