Institut für Informatik » Mustererkennung » Forschung am Lehrstuhl für Mustererkennung 

Der Lehrstuhl für Mustererkennung (LME) ist Teil des Instituts für Informatik der Friedrich-Alexander-Universität Erlangen-Nürnberg. Von 1975, dem Gründungsjahr des Lehrstuhls, bis September 2005 war Prof. Dr.-Ing. H. Niemann Lehrstuhlinhaber des LME. Im Oktober 2005 hat Prof. Dr.-Ing. J. Hornegger die Leitung des Lehrstuhls übernommen.

Das Ziel der Mustererkennung ist die Erforschung der mathematischen und technischen Aspekte der Perzeption von Umwelteindrücken durch digitale Rechensysteme. Die Umwelt wird dabei durch Sensoren erfasst - die gemessenen Werte bezeichnet man als Muster. Die automatische Transformation der gewonnenen Muster in symbolische Beschreibungen bildet den Kern der Mustererkennung. Ein Beispiel hierfür sind automatische Sprachdialogsysteme, bei denen ein Benutzer an ein System per natürlicher gesprochener Sprache Fragen stellt: Mit einem Mikrophon (Sensor) werden die Schallwellen (Umwelteindrücke) aufgenommen. Die Auswertung des Sprachsignals mit Hilfe von Methoden der Mustererkennung liefert dem System die notwendigen Informationen, um die Frage des Benutzers beantworten zu können. Die Mustererkennung befasst sich dabei mit allen Aspekten eines solchen Systems von der Akquisition der Daten, bis hin zur Repräsentation der Erkennungsergebnisse.

Die Anwendungsgebiete der Mustererkennung sind sehr breit gefächert und reichen von Industrieller Bildverarbeitung über Handschriftenerkennung, Medizinischer Bildverarbeitung, sprachverstehenden Systemen bis hin zu Problemlösungen in der Regelungstechnik. Die Forschungsaktivitäten am Lehrstuhl werden dabei in die vier Bereiche:

 

• Medizinische Bildverarbeitung
• Rechnersehen
• Sprachverarbeitung und Sprachverstehen
• Digitaler Sport und Sportronics

gegliedert, wobei der Anwendungsschwerpunkt im Bereich der Medizin liegt.

• nicht-starre Registrierung multimodaler Bilddaten
• monomodale Bildfusion zur Verlaufskontrolle bei der Tumor Therapie
• Verfahren zur Schwächungskorrektur bei der SPECT-Rekonstruktion
• Rekonstruktion bewegter Objekte bei bekannter Projektionsgeometrie
• Berechnung und Visualisierung des Blutflusses in 3D-Angiogrammen
• Segmentierung von CT-Datensätzen
• schnelle Bildverarbeitung auf Standardgrafikkarten
• Diskrete Tomographie
• Sprachsteuerung interventioneller Werkzeuge
• 3D Objekterkennung
• Objektverfolgung
• Aktive Sensordatenverarbeitung
• 3D Rekonstruktion und Kamerakalibrierung
• Plenoptische Modellierung
• Erweiterte Realität
• Autonome, mobile Systeme
• Mimik- und Gestik
• Sprachverarbeitung
• Prosodie
• Dialog
• Benutzerzustandserkennung (von Ärger über Müdigkeit bis Zögern)

	jb_lme_2005.pdf (Annual Report 2005)	1.1 M
	jb_lme_2004.pdf (Annual Report 2004)	171 K
	jb_lme_2003.pdf (Annual Report 2003)	736 K
	jb_lme_2002.pdf (Annual Report 2002)	1.0 M
	jb_lme_2001.pdf (Annual Report 2001)	605 K
	jb_lme_2000.pdf (Annual Report 2000)	1.0 M
	jb_lme_1999.pdf (Annual Report 1999)	1.0 M