 |
|
Diplomarbeit:
Development of a two layer classification system for situations in meetings
Integration existierender Verfahren, sowie Implementierung einzelner Bilderkennungsoperatoren. Die verschiedenen Operatoren sollen kombiniert werden, um Situationen in Besprechungen zu klassifizieren.
Die Beschreibung als PDF 
Ansprechpartner:Dipl.-Inf. Julia Möhrmann
Bachelor Thesis:
Semi-automatic labeling of mobile device sensor data
Entwicklung eines Systems zur Visualisierung von Bewegungsdaten, um dem Benutzer das einfache Labeln von Trainingsdaten zu ermöglichen.
Die Beschreibung als
PDF
Ansprechpartner: Dipl.-Inf. Julia Möhrmann
Diplomarbeit:
Entwicklung einer graphischen Benutzeroberfläche zum Browsen und Labeln von Trainingsbildern
Implementierung einer graphischen Benutzeroberfläche für die Darstellung von großen Bild-Datenmengen.
Die Beschreibung als PDF
Ansprechpartner: Dipl.-Inf. Julia Möhrmann
Implementation eines CBIR-Systems
Content Based Image Retrieval (CBIR) ist die inhaltsbasierte Suche nach Bildern in Bilddatenbanken. Die Suche basiert nicht auf einer (textuellen) Indizierung, sondern auf aus den Pixelbildern extrahierten Merkmalen. Der/die Benutzer(in) startet eine Suche durch die Vorgabe von Beispielbildern oder Bildausschnitten in Verbindung mit einer Gewichtung der zu berücksichtigenden Bildmerkmale. Das CBIR-System sucht daraufhin ähnliche Bilder aus der Datenbank heraus und zeigt diese an in Verbindung mit den Merkmalen, die zu ihrer Auswahl geführt haben. In dieser Diplomarbeit soll ein CBIR-Rahmensystem implementiert werden, dass die Integration verschiedenartiger Module zur Merkmalsextraktion und Visualisierung gestattet. Anhand einiger einfacher Merkmale aus der Literatur (Farbhistogramme, Textur und/oder Formmerkmale) soll das System getestet werden, besonderes Gewicht liegt dabei auf der Mensch-System Interaktion. Da das CBIR-Rahmensystem primär auf die spätere Integration weiterer Bildmerkmale und deren Visualisierungen ausgerichtet ist, wird auf eine einwandfreie, transparente Softwarearchitektur und eine sehr gute Dokumentation großer Wert gelegt.
Die Beschreibung als PDF
Ansprechpartner: Dipl.-Inform. Sebastian Klenk
Visualisierung von Histogrammen und Texturmerkmalen in der Bildverarbeitung
Für die automatische Erkennung von Objekten und Szenen in digitalen Bildern werden aus dem Pixelbild Merkmale extrahiert und anschließend von einem Klassifikator einer Klasse zugeordnet. Die Merkmalsextraktion hat die Aufgabe, den hochdimensionalen Pixelraum auf einen Merkmalsraum geringerer Dimensionalität so abzubilden, das unterschiedliche Objekte vom Klassifikator gut unterschieden werden können, dabei sollen Störfaktoren möglichst ausgeblendet werden. Die Qualität der Merkmalsextraktion ist daher der entscheidende Faktor für die Leistungsfähigkeit des Klassifikationssystems. Ein großes Problem besteht bislang darin, dass man beim der Auswahl der Merkmale hauptsächlich auf Erfahrung und Plausibilitätserklärungen angewiesen ist. Eine wichtige Hilfe beim "Design" einer Merkmalsextraktion für eine gegebene Klassifikationsaufgabe wäre eine Visualisierung der Merkmale. Dies soll in der Diplomarbeit beispielhaft für zwei der am häufigsten eingesetzten Merkmale realisiert werden: Farbhistogramme und Farbtextur-Merkmale. Die Aufgabe besteht darin, künstliche Bilder zu erzeugen, die einen Eindruck davon vermitteln, was beispielsweise ein Farbhistogramm repräsentiert. Da ein Farbhistogramm keine räumliche Information enthält, besteht erhebliche Freiheit beim Entwurf der Bilder. Deshalb soll in Experimenten mit Benuter(innen) geklärt werden, welche Visualisierung am ehesten Rückschlüsse auf die Bildmerkmale gestatten.
Die Beschreibung als PDF
Ansprechpartner: Dipl.-Inform. Sebastian Klenk
Analyse elementarer Ereignisse in Videodaten
Die automatische Analyse von Videodaten gehört zu den "Wachstumsbranchen" der Informatik. Von
besonderem Interesse ist das Herausfiltern und Erkennen von Schlüsselereignissen. In der
Diplomarbeit sollen Ansätze zur Detektion sog. raum-zeitlicher Interest Points untersucht
werden, die allein aufgrund der Signaleigenschaften - das heißt auch ohne die Berücksichtigung
von Kontextinformation - als "hervorstechend" oder "salient" erkannt werden können. Solche
raum-zeitlichen Interest Pionts korrelieren mit ausgezeichneten Punkten auf den Trajektorien
bewegter Objekte, wie beispielsweise starken Beschleunigungs- oder Bremsphasen,
Wendepunkten oder Annäherung zweier Objekte. Ausgangspunkt der Arbeit ist die
Untersuchung der raum-zeitlichen Erweiterungen zweier bekannter statischer Interest
Point Detektoren (HARRIS und SUSAN), hier kann an eine frühere Diplomarbeit angeknüpft
werden. Zu untersuchen sind die statistischen Eigenschaften raum-zeitlicher Interest Points,
besonderes Interesse besteht an der Frage, ob sich die Umgebung der Interest Points von
zufällig herausgegriffenen Raum-Zeit Volumina unterscheidet. Darauf können Weiterentwicklungen
aufbauen.
Die Beschreibung als PDF
Ansprechpartner: Dipl.-Inform. Sebastian Klenk
|
|
