Inhalte

1. Mathematische Grundlagen (Komplexe Zahlen, Matrizen und Vektoren, mehrdimensionale Ableitungen, Geometrsiche Reihen)
2. Digitale Signalverarbeitung (Lineare zeitinvariante Systeme und Fourier-Transformation)
3. Digitale Bildverarbeitung (Kameramodelle, Farbräume, Bildoperationen, Filter, Segmentierung)
4. Maschinelles Lernen (Begriffe, Lineare Regression und Polynominterpolation, Konzeptlernen, Entscheidungsbäume, künstliche Neuronale Netze)

Hinweis: „Grundlagen der Signalverarbeitung und des Maschinellen Lernens“ ersetzt die frühere Veranstaltung „Multimedia Grundlagen I“. Die Vorlesung kann jedoch auch weiterhin für „Multimedia Grundlagen I“ eingebracht werden.

Übungen

Es erscheint wöchentlich ein Übungsblatt zu den behandelten Vorlesungsinhalten. Jedes Übungsblatt wird in der Übung der folgenden Woche besprochen. Es gibt keine Abgabe / Korrektur von Übungsblättern.

Literatur

• Oppenheim, A. V., Schafer, R. W., and Buck, J. R. (1999). Discrete-time signal processing. Prentice-Hall, Inc., Upper Saddle River, NJ, USA. ISBN 978-0132067096 -> Die Referenz, aber nicht einfach zu lessen
• Oppenheim, A. V., Schafer, R. W., and Buck, J. R. (2004). Zeitdiskrete Signalverarbeitung. Pearson Studium Verlag.
• Richard G. Lyons. Understanding Digital Signal Processing. Prentice Hall Verlag, ISBN 978-0137027415 -> Die ersten ca. 100 Seiten geben eine sehr gute Einführung
• Bernd Jähne. Digitale Bildverarbeitung. Springer Verlag. ISBN 978-3540249993
• Bernd Jähne. Digital Image Processing. Springer Verlag. ISBN 978-3540240358
• David A. Forsyth and Jean Ponce. Computer Vision: A Modern Approach. Prentice Hall, Upper Saddle River, New Jersey 07458.
• M. Mitchell. Machine Learning. McGraw-Hill Science/Engineering/Math; ( PDF) -> Kapitel 1-4 sind Pflichtlektüre