GRUNDLAGEN DER INFORMATIONSTECHNIK / TEIL ...
GRUNDLAGEN DER INFORMATIONSTECHNIK / TEIL ...
GRUNDLAGEN DER INFORMATIONSTECHNIK / TEIL ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
<strong>GRUNDLAGEN</strong> <strong>DER</strong> <strong>INFORMATIONSTECHNIK</strong> /<br />
<strong>TEIL</strong><br />
BILDVERARBEITUNG<br />
Übungen<br />
Otto-von-Guericke-Universität Magdeburg<br />
Fakultät für Elektrotechnik und Informationstechnik<br />
Institut für Elektronik, Signalverarbeitung und Kommunikationstechnik<br />
Lehrstuhl Technische Informatik
Inhaltsverzeichnis<br />
1. Messwertverarbeitung 5<br />
2. Bildaufnahme und -vorverarbeitung 6<br />
3. Bildverarbeitungsoperatoren 7<br />
4. Segmentierung 8<br />
5. Bestimmung von Bewegungsparametern 8<br />
6. Objekterkennung 9<br />
7. Neuronale Netze 10<br />
3
1. Messwertverarbeitung<br />
-Taschenrechner erforderlich-<br />
1.1. Messwerteingabe<br />
a) Erklären Sie das Prinzip der Messwerteingabe<br />
b) Erläutern Sie das Grundprinzip der parallelen Analog-Digital-Umsetzung und des<br />
Wägeverfahrens!<br />
c) Erklären Sie die verschiedenen Fehler eines ADUs , was versteht man unter dem<br />
Quantisierungsfehler?<br />
1.2. Messwertglättung<br />
i 1 2 3 4 5 6 7 8 9 10<br />
y i 26,0 26,5 26,3 26,8 27,0 27,0 27,3 28,3 28,0 27,7<br />
Obige Messwerte liegen vor. Verwenden Sie folgende Glättungsvorschriften, und stellen Sie das<br />
Ergebnis grafisch dar:<br />
y + y + y<br />
= , zweimal anwenden,<br />
3<br />
i-1 i i+<br />
1<br />
a) yi<br />
b) Leiten Sie die Gewichte einer symmetrischen Glättungsmaske der Größe 5 bei<br />
quadratischem Ansatz ab (m=2, k=2)! Wenden Sie diese Glättungsmaske auf obige<br />
Messwerte an!<br />
c) Wie ist der Rechenaufwand einzuschätzen?<br />
1.3. Kennlinienlinearisierung<br />
Bei der Kalibrierung eines Gesamtstrahlungspyrometers wurden die folgenden Wertepaare ermittelt<br />
4<br />
(nach Ausgleichsrechnung mit der Funktion u = kT ):<br />
i 1 2 3 4 5 6 7 8 9 10 11 12 13<br />
T/K 397,63 555,18 637,34 696,25 743,15 782,54 816,75 847,13 874,56 899,62 922,75 944,26 964,39<br />
u/mV 0,25 0,95 1,65 2,35 3,05 3,75 4,45 5,15 5,85 6,55 7,25 7,95 8,65<br />
Beim Messen von Temperaturen innerhalb dieses Messbereiches sollen für gemessene Spannungen<br />
die zugehörigen Temperaturen durch lineare Interpolation zwischen den Stützwerten berechnet<br />
werden.<br />
a) Berechnen Sie die Temperatur für u = 4,0 mV durch lineare Interpolation!<br />
b) In welchem Bereich der Kennlinie ist der Interpolationsfehler am größten? Bestimmen Sie<br />
näherungsweise den maximalen Fehler durch die Interpolation, wenn die Annahme zugrunde<br />
4<br />
gelegt wird, dass die Messfühlerkennlinie mit der Beziehung u = kT beschrieben werden<br />
kann!<br />
c) Wie ändert sich der maximale Interpolationsfehler, wenn der Abstand der Stützwerte<br />
verdoppelt wird?<br />
5
2. Bildaufnahme und -vorverarbeitung<br />
2.1. Bildverarbeitungssystem<br />
Erläutern Sie den Aufbau eines Bildverarbeitungssystems!<br />
Welche Komponenten sind notwendig, um einen PC zum Bildverarbeitungssystems auszubauen?<br />
Informieren Sie sich über die wesentlichen Funktionen der Komponenten! Nach welchen Kriterien<br />
muss ein Bildverarbeitungssystems aufgebaut werden?<br />
2.2. Look-up-Table<br />
Informieren Sie sich über Realisierungsmöglichkeiten und Vorteile von LUT.<br />
An einem Bild mit 256 Graustufen sollen mit Hilfe einer Look-up Table die folgenden<br />
Veränderungen durchgeführt werden.<br />
- Invertierung des Bildes<br />
- Kontrastspreizung um den Faktor 2<br />
- Binarisierung<br />
Wie muss die entsprechende Look-up-Table aussehen?<br />
Zeichnen Sie für jeden Fall die entsprechende Kurve!<br />
Berechnen Sie den Ausgang der LUT wenn die Pixel des folgenden Bildausschnitts die<br />
Eingangswerte bilden:<br />
0 93 37<br />
230 47 255<br />
6
3. Bildverarbeitungsoperatoren<br />
3.1. Glättungsfilter<br />
Filtern Sie das nebenstehende Bild mit den 3x3 Glättungsfiltern<br />
a)<br />
⎡1<br />
1 ⎢<br />
⎢<br />
1<br />
9<br />
⎢⎣<br />
1<br />
1<br />
1<br />
1<br />
1⎤<br />
1<br />
⎥<br />
⎥<br />
1⎥⎦<br />
und b)<br />
3.2. Medianfilter<br />
a) Was ist ein Medianfilter?<br />
b) Verarbeiten Sie das nebenstehende Bild mit einem 3x3<br />
Medianfilter!<br />
c) Welcher Hauptvorteil des Medianfilters gegenüber einem<br />
Tiefpass lässt sich aus dem Ergebnis ableiten? Wann empfiehlt<br />
sich der Einsatz eines Medianfilters?<br />
1<br />
16<br />
⎡1<br />
⎢<br />
⎢<br />
2<br />
⎢⎣<br />
1<br />
2<br />
4<br />
2<br />
1⎤<br />
2<br />
⎥<br />
⎥<br />
1⎥⎦<br />
1 5 3 97 93 99<br />
7 2 6 92 89 95<br />
4 0 8 90 96 95<br />
2 8 9 88 98 91<br />
10 5 7 94 93 96<br />
1 5 3 0 93 99<br />
7 99 6 92 89 95<br />
4 0 8 90 96 95<br />
2 8 9 0 98 91<br />
99 5 7 94 93 96<br />
3.3. Kantenfilter<br />
Erzeugen Sie aus nebenstehendem Bild ein Gradientenbetragsbild!<br />
Nutzen Sie dazu die beiden Sobel-Operatoren<br />
⎡−<br />
1<br />
F 1 =<br />
⎢<br />
⎢<br />
− 2<br />
⎢⎣<br />
− 1<br />
0<br />
0<br />
0<br />
1⎤<br />
2<br />
⎥<br />
⎥<br />
1⎥⎦<br />
⎡ 1 2 1 ⎤<br />
F 2 =<br />
⎢<br />
⎥<br />
⎢<br />
0 0 0<br />
⎥<br />
⎢⎣<br />
−1<br />
− 2 −1⎥⎦<br />
Nach der Filterung erhält man die Bilder G 1 und G 2 . Das<br />
Gradientenbetragsbild ergibt sich daraus folgendermaßen:<br />
0 0 0 20 20 20<br />
0 0 0 40 40 40<br />
0 0 0 60 60 60<br />
0 0 0 80 80 80<br />
0 0 0 80 80 80<br />
2<br />
2<br />
1 (i, j) G 2 (i, j)<br />
G (i, j) = G +<br />
Hinweis: Die Randpixel brauchen nicht berechnet zu werden. Die Ergebnisse können auf ganze<br />
Zahlen gerundet werden.<br />
7
3.4. Morphologische Grundfunktionen<br />
a) Erläutern Sie EROSION und DILATION in der binären Morphologie!<br />
b) Das Hintereinanderausführen von Erosion (erod) und Dilatation (dil) definiert die<br />
morphologischen Grundfunktionen Closing und Opening. Ordnen Sie diese den folgenden<br />
Funktionen zu, wobei B das Originalbild und M die Maske ist:<br />
• (B erod M) dil M<br />
• (B dil M) erod M.<br />
c) Nennen Sie Anwendungen der morphologischen Grundfunktionen !<br />
d) Gegeben sind ein Bild sowie ein Strukturelement:<br />
-1<br />
-1 0 1<br />
0<br />
1<br />
x<br />
Strukturelement<br />
Bild<br />
Realisieren Sie mit dem dargestellten Strukturelement die Erosion und Dilation wie auch Closing<br />
und Opening!<br />
4. Segmentierung<br />
4.1. Was ist ein Intensitätshistogramm?<br />
4.2. Erläutern Sie die Bereichssegmentierung durch Vorgeben einer Schwelle!<br />
5. Bestimmung von Bewegungsparametern<br />
5.1. Erläutern Sie Möglichkeiten zur Bestimmung von Bewegungsparametern.<br />
Gehen Sie dabei insbesondere ein auf :<br />
- Korrelationsmethoden<br />
- differentielle Methoden.<br />
5.2. Welche Probleme können bei der Bewegungsbestimmung auftreten?<br />
5.3. Erläutern Sie die Abbildung der Bewegung im Fourierraum ?<br />
8
6. Objekterkennung<br />
6.1. Merkmalsextraktion<br />
a) Was versteht man unter einem Merkmalsraum?<br />
b) Wie sind die Merkmale Circularity und Rectangularity definiert? Was ist die Besonderheit<br />
an diesen Größen? Berechnen Sie die theoretischen Werte für einen Kreis und ein Quadrat!<br />
c) Bei einer Klassifikationsaufgabe werden folgende Merkmale zur Klassifizierung<br />
herangezogen:<br />
• Flächeninhalt des Objektes<br />
• Umfang des Objektes<br />
• Mittlerer Grauwert des Objektes<br />
Welche Probleme können sich aus der Auswahl dieser Merkmale ergeben?<br />
d) Warum können die real gemessenen Merkmale von den theoretisch ermittelten abweichen?<br />
6.2. Klassifizierung<br />
Mit Hilfe eines Bildverarbeitungssystems sollen Quadrate und Kreise automatisch in zwei Klassen<br />
eingeteilt werden können. Für jeweils 3 Prototypen der beiden Klassen wurden zu diesem Zweck<br />
bestimmte Merkmale ermittelt:<br />
Circularity C =<br />
A<br />
U 2<br />
Rectangularity R =<br />
A<br />
HAL ⋅ B<br />
U = Umfang, A = Fläche, HAL (Hauptachsenlänge) ist die größte Ausdehnung des Objektes und<br />
B=h1+h2 die entsprechende Breite (rechtwinklig dazu).<br />
Kreis1 Kreis2 Kreis3<br />
Quadrat<br />
1<br />
Quadrat<br />
2<br />
Quadrat<br />
3<br />
B<br />
Circulariy 13 14 15 17 16 16<br />
Rectangularity 0.6 0.7 0.7 0.6 0.5 0.6<br />
h1<br />
HAL<br />
h2<br />
Stellen Sie den Merkmalsraum dar, indem Sie die Merkmale als Punkte in ein entsprechendes<br />
Diagramm einzeichnen, und kennzeichnen Sie die Zugehörigkeit zur jeweiligen Klasse!<br />
Berechnen Sie zur Überprüfung die entsprechenden Merkmale für die idealen Formen eines<br />
Rechtecks bzw. Kreises, und tragen Sie diese ebenfalls ein!<br />
Stellen Sie ein Klassifizierungskriterium auf!<br />
9
7. Neuronale Netze<br />
7.1. Klassifikation von zwei Objekten mit einem Neuronalen Netz<br />
Prototypen zugeordnete Punkte konzentrieren sich hauptsächlich in zwei Clustern. Die Ausgänge<br />
des Neuronalen Netzes y 1 und y 2 sollen bei zugeordneten Clustern jeweils den Wert +1 annehmen.<br />
Die Cluster lassen sich, wie in der Skizze vorgegeben, durch jeweils drei Geraden begrenzen. Jede<br />
Linie repräsentiert eine Gewichtskonstellation für die Hiddenschicht, welche durch die<br />
Geradengleichung w 1 x 1 + w 2 x 2 + Θ = 0 darstellbar ist.<br />
b = 28<br />
m =- 1 2<br />
b = 270<br />
m =-10<br />
m = 1 2<br />
Skizze: Begrenzung von Clustern mittels<br />
der Geraden g n<br />
(m = Anstieg; b = absolutes Glied der<br />
Geradengleichung)<br />
b = 14<br />
b = 8<br />
m = 1 2<br />
x 2<br />
g 1<br />
g 2<br />
g 4<br />
g 5<br />
g 6<br />
m =- 1<br />
g 2<br />
3<br />
m =- 20 3<br />
b = 100<br />
x 1<br />
Entwerfen Sie ein Netz mit verdeckter und Ausgangsschicht (Hidden-, Outputlayer), das die<br />
Funktion y 1 , y 2 = f (x 1 , x 2 ) erfüllt. Es empfiehlt sich, die Ausgangsschicht so zu dimensionieren,<br />
daß die den beiden Clustern zugeordneten Neuronen im schraffierten Bereich den Wert +1<br />
annehmen. Für die Neuronen sind die Gewichte bzw. Schwellen zu bestimmen. Dabei gilt folgende<br />
Transferfunktion:<br />
⎧ 1 A > 0<br />
⎪<br />
sgn.(A) = ⎨ 0 für A = 0 .<br />
⎪<br />
⎩−1<br />
A < 0<br />
10
7.2. Suche des globalen Minimums für Q => Min. mit Gradientenverfahren<br />
Der Lernvorgang (supervised learning) in einem Neuronalen Netz soll mittels der Methode des<br />
Gradientenabstiegs erfolgen.<br />
Für jedes ν des Lerndatensatzes x 1<br />
(ν) x 2<br />
(ν) wird gefordert, dass das berechnete y (ν)<br />
weitgehend den Sollwert y (ν) soll approximiert. Folgende Lerndaten kommen bei der Berechnung<br />
des Gradientenabstiegs zur Anwendung:<br />
ν x 1 x 2 y soll<br />
1 1.0 2.0 5.5<br />
2 1.5 3.0 7.5<br />
3 2.0 4.0 9.0<br />
4 2.4 5.0 12.4<br />
Es ist ein lineares Neuron anzulernen, welches der Gleichung y = w 1 x 1 + w 2 x 2 genügt.<br />
Die Gewichte werden iterativ durch Bildung des Gütefunktionals sowie der Gradienten<br />
folgendermaßen bestimmt:<br />
Q (ν) = ( y (ν) - y (ν) soll )2 => Min. und<br />
w i+1 = w i -γ grad w<br />
T (Q) .<br />
Gesucht sind die numerischen Lösungen für y (ν) und w i für ν = 1, 2, 3, 4.<br />
Anfangswerte der Gewichtskoeffizienten: w 1 = 0.92; w 2 = 1.89<br />
Lernschrittweite: γ = 0,015<br />
Sie können folgende Tabelle benutzen:<br />
ν x x<br />
1<br />
2<br />
0<br />
1<br />
2<br />
3<br />
4<br />
ν<br />
y y w 1<br />
soll<br />
ν<br />
⎛ ∂Q<br />
⎞<br />
⎜ ⎟<br />
⎝∂w 1 ⎠<br />
ν<br />
w 2<br />
ν<br />
⎛ ∂Q<br />
⎞<br />
⎜ ⎟<br />
⎝∂w 2 ⎠<br />
Q<br />
11
7.3. Ausgewählte Aspekte Neuronaler Netze<br />
a) Erläutern Sie anhand einer Skizze die Wirkungsweise des formalen Neurons und beschreiben Sie<br />
dieses mathematisch.<br />
b) Diskutieren Sie, wie Gruppen von Neuronen (Schichten, mehrschichtige Netze) Informationen<br />
verarbeiten. Erklären Sie die Besonderheiten assoziativer Speichermodelle.<br />
c) Erklären Sie die Methode des Gradientenabstiegs in allgemeiner Form und zeigen Sie, welche<br />
Problematik mit der Suche des absoluten Minimums verbunden ist.<br />
d) Erläutern Sie das dem Backpropagation-Algorithmus zugrundeliegende Prinzip des<br />
Lernverfahrens, und leiten Sie den Algorithmus für eine Ausgangsschicht ab!<br />
Gesucht sind:<br />
∂ Q<br />
∂ w<br />
ij<br />
sowie<br />
Δ wij.<br />
e) Erläutern Sie die Grundidee der sensorisch-motorischen Karten.<br />
f) Diskutieren Sie Anwendungsgebiete und Einsatzbeispiele für Neuronale Netze sowie die<br />
Grenzen der neuronalen Informationsverarbeitung.<br />
12