Feedback
Sitemap
English
Studienplan
Mensa
Webmail
Hochschule intern (Login)Vorlesung Advanced Visualisation and Image Processing
Titel
Advanced Visualisation and Image Processing
Kürzel (Prüfungsamt)
ADWIS.WP
Art der Lehrveranstaltung
Vorlesung (FWP)
gehört zu
Lehrende(r)
Sprache
Englisch
Fakultät
Wird gehalten
im Sommersemester
empfohlenes Semester
Credits
5 CP
Semesterwochenstunden
4 SWS
Leistungsnachweis(e)
SoSe 2012
(MIN1, freigegeben
am 28.03.2012)
WiSe 2011 (MIN1, freigegeben am 18.10.2011)
SoSe 2011 (MIN1, freigegeben am 01.04.2011)
WiSe 2011 (MIN1, freigegeben am 18.10.2011)
SoSe 2011 (MIN1, freigegeben am 01.04.2011)
Zusammenfassung
Fast alle Entscheidungen basieren auf Daten. Messwerte oder Simulations-Ergebnisse beeinflussen die Entwicklung neuer Produkte, wirtschaftliche Prognosen werden aus bekannten Zahlen abgeleitet und in der Medizin werden Bilddaten für die Diagnose und Behandlungsplanung herangezogen.Tabellen oder Listen geben komplizierte Daten zwar korrekt wieder, sind für die Entscheidungsfindung jedoch selten direkt brauchbar. Daher versucht man, die Zusammenhänge, die sich in den Daten verbergen, herauszuarbeiten und "anschaulich" zu machen, also zu visualisieren. Gängige Techniken umfassen sowohl einfache Balken-Diagramme als auch komplizierte Verfahren des Volume Rendering. In vielen Fällen gilt es, die Parameter mathematischer oder geometrischer Modelle an die Daten anzupassen und anhand der grafischen Ausgabe den Grad der Übereinstimmung zwischen Theorie und Realität zu beurteilen.
Richtig eingesetzt, kann eine Grafik "mehr als tausend Worte" sagen, die unkritische Anwendung von Visualisierungstechniken birgt jedoch Gefahren, da die Art der Vorverarbeitung (z.B. Glättung, Interpolation) und der Darstellung (Farbe, Skalierung, Vergleichs-Maßstab, etc.) die Interpretation stark beeinflussen kann.
Durch ihre wachsende Verfügbarkeit und Qualität spielen Bilddaten eine wichtige Rolle, wobei die Darstellung hochdimensionaler Datensätze z.B. aus der Medizin eine besondere Herausforderung darstellt. Um die in den Bildern enthaltene relevante Information auf einem 2D- oder 3D-Bildschirm anzuzeigen, sind Vorverarbeitungsschritte nötig, die auf aktuelle Methoden der Bildverarbeitung zurückgreifen.
Ziele
Die Studierenden sollen in der Lage sein,- die für den Anwender relevante Information in anwendungsbezogenen Daten zu identifizieren.
- die Daten für die Darstellung aufzubereiten.
- geeignete Visualisierungsmethoden zu finden, auszuwählen, anzupassen oder ggf. neu zu entwickeln.
- existierende Werkzeuge geschickt zu innovativen Applikationen zu kombinieren.
- aktuelle Veröffentlichungen zu analysieren, kritisch zu vergleichen und dadurch fundierte Entscheidungen vorzubereiten.
- mögliche Fehlinterpretationen der grafischen Darstellung durch systematische Vorarbeit zu vermeiden.
- die wachsende Leistungsfähigkeit aktueller Rechner für die interaktive Visualisierung vieldimensionaler Daten zu nutzen.
Inhalte
Die Lehrveranstaltung gibt einen Überblick über Visualisierungsmethoden und deren Anwendungen, insbesondere im technisch- naturwissenschaftlichen Bereich. Exemplarisch werden folgende Aspekte diskutiert und praktisch bearbeitet:- Verfahren zur Visualisierung von Skalaren, Vektoren, etc., die in verschiedenen Strukturen (Polygone, Punkte, Pixel, Voxel etc.) vorliegen und zur Anpassung von Modellen an die Daten.
- Kombinierte Darstellung mehrerer Datensätze, die komplementäre Information enthalten (z.B. Überlagerung von Oberflächen- und Volumen-Daten).
- Moderne Verfahren zur Vorverarbeitung von Bilddaten für die Visualisierung (nichtlineare Glättung, Extraktion relevanter Oberflächen etc.).
- Volume Rendering am Beispiel aktueller medizinischer Datensätze.
Wichtiges zur Vorlesung
Grundlagen zu den Inhalten und zu den verwendeten Werkzeugen werden vom Dozenten vorgestellt und im Plenum diskutiert. Die Vorlesung wird in englischer Sprache abgehalten.Praktische Übungen
Zentrale Inhalte des praktischen Teils sind die Analyse aktueller Problemstellungen und die Erarbeitung spezieller Inhalte in kleinen Teams. Die gefundenen Algorithmen werden in Python unter Verwendung der freien Bibliotheken vtk und itk implementiert. Prototypische Applikationen werden mit der freien Anwendung paraview erstellt.Die Lösungen werden im Plenum präsentiert und diskutiert, möglichst in englischer Sprache.
Voraussetzungen
- Computergrafik (Grundlagen)
- Digitale Bildverarbeitung (Grundlagen)
- Interesse an mathematischen Methoden
Die genannten Themen werden kurz wiederholt, um die Erarbeitung fehlender Grundlagen zu unterstützen.
Empfohlene Literatur
- E. R. Tufte: The Visual Display of Quantitative Information, Graphics Press
- W. Schröder, K. Martin, B. Lorensen: The Visualization Toolkit, Kitware
- The VTK User's Guide, Kitware
- T. S. Yoo (Ed.): Insight into Images, A K Peters
- vtk-Homepage
- L. Ibanez, W. Schroeder, L. Ng, J. Cates: The ITK Software Guide, online-Version
- itk-Online-Dokumentation