290027 PR Angewandte Bildverarbeitung und Fernerkundung (2023S)
Prüfungsimmanente Lehrveranstaltung
Labels
An/Abmeldung
Hinweis: Ihr Anmeldezeitpunkt innerhalb der Frist hat keine Auswirkungen auf die Platzvergabe (kein "first come, first served").
- Anmeldung von Mo 06.02.2023 09:00 bis Mo 20.02.2023 09:00
- Abmeldung bis Fr 31.03.2023 23:59
Details
max. 25 Teilnehmer*innen
Sprache: Deutsch
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
Donnerstag
02.03.
08:00 - 11:00
GIS-Labor Geo NIG 1.OG
Donnerstag
09.03.
08:00 - 11:00
GIS-Labor Geo NIG 1.OG
Donnerstag
16.03.
08:00 - 11:00
GIS-Labor Geo NIG 1.OG
Donnerstag
23.03.
08:00 - 11:00
GIS-Labor Geo NIG 1.OG
Donnerstag
20.04.
08:00 - 11:00
GIS-Labor Geo NIG 1.OG
Donnerstag
27.04.
08:00 - 11:00
GIS-Labor Geo NIG 1.OG
Donnerstag
11.05.
08:00 - 11:00
GIS-Labor Geo NIG 1.OG
Donnerstag
25.05.
08:00 - 11:00
GIS-Labor Geo NIG 1.OG
Donnerstag
01.06.
08:00 - 11:00
GIS-Labor Geo NIG 1.OG
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
Art der Leistungskontrolle und erlaubte Hilfsmittel
- Anwesenheit & Mitarbeit
- Übungsaufgaben
- Präsentation
- Abschlussgespräch
- Übungsaufgaben
- Präsentation
- Abschlussgespräch
Mindestanforderungen und Beurteilungsmaßstab
Die Note setzt sich aus 6 Übungsaufgaben: 6 kleinere Übungen (je 10%), Präsentation und Mitarbeit (20%) und einem Abschlussgespräch/Abschlussprüfung (20%) zusammen. Ein positiver Abschluss erfordert eine Gesamtbewertung von mind. 51%.
Prüfungsstoff
siehe "Inhalte der LV"
Literatur
Bereitstellung via E-Learning Plattform sowie Unterlagen aus der Vorlesung Bildverarbeitung und Fernerkundung (WS)
Zuordnung im Vorlesungsverzeichnis
(MK1-W2-PI)
Letzte Änderung: Di 31.01.2023 11:10
1. Einführung
a. Wiederholung der Basics aus Fernerkundung und Bildverarbeitung (auch physikalische Grundkenntnisse – elektromagnetisches Spektrum etc.)
b. Bildverarbeitung mittels Scripting (R [R-ArcGIS Bridge]; Python)
c. Einführung in ArcGIS Pro (Benutzeroberfläche etc.; Funktionen zu Raster in Pro; Integration von R oder Python in Pro (Praxis)
d. Datengrundlagen (Aktive/passive Sensoren, Space-borne, Airborne, Terrestrial…; Multispektral, Hyperspektral…; Praxisbeispiel: Download von Daten [Sentinel Science Hub, USGS Earth Explorer]; Laser Scanning und Point Clouds)2. Prozessierung und Verarbeitung
a. Vorverarbeitung (Grundlagen [TOA Berechnung etc.]; Bilddarstellung: spektrale und räumliche Profile, Kontrastoperationen, Histogramme; Radiometrische und geometrische Korrektur; Bildtransformation)
b. Bildverbesserung und Bildfusion (Histogramm Matching; Pan-sharpening, IHS/PCA merging; Praxisbeispiel: Preprocessing mittels Scripting)3. Klassifikation
a. Grundlagen zur Klassifikation von FE-Daten (Überwachte/unüberwachte Klassifikation; Parametrische/nichtparametrische Klassifikationen; Klassifikationsalgorithmen aus dem Machine Learning; Time Series Analysis/Change Detection; Accurracy Assessment; Abschlussprojekt: Preprocessing von Daten, Klassifikation, Accurracy Assessment, Visualisieurng der Endergebnisse, Präsentation)METHODEN:
Erläuterung und kurze Wiederholung der Grundlagen, interaktiver Unterricht und praktisches Arbeiten mit Spezialsoftware, sowie präsentieren eines Kleingruppenprojekts+ZIELE:
Studierende sind mit den Grundlagen der digitalen Bildverarbeitung vertraut und kennen die aktuellen Entwicklungen sowie die Anwendungen in lokalen, regionalen und globalen Problemfeldern. Sie sind in der Lage, Methoden der Fernerkundung einzusetzen, deren Integration in Geoinformationssysteme zu bewerkstelligen und darauf aufbauend Fragestellungen z.B. des Umweltmonitorings zu lösen.