UnivIS
Information system of Friedrich-Alexander-University Erlangen-Nuremberg © Config eG 
FAU Logo
  Collection/class schedule    module collection Home  |  Legal Matters  |  Contact  |  Help    
search:      semester:   
 Lectures   Staff/
Facilities
   Room
directory
   Research-
report
   Publications   Internat.
contacts
   Thesis
offers
   Phone
book
 
 
 Layout
 
printable version

 
 
Departments >> Faculty of Engineering >> Department of Computer Science >>
Chair of Computer Science 5 (Pattern Recognition)
Address: Martensstraße 3, 91058 Erlangen
Phone:+49 9131 85 27775Fax:+49 9131 85 27270
E-Mail:cs5-info@lists.fau.de
www:https://lme.tf.fau.de/

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

  • Rechnersehen

  • Medizinische Bildverarbeitung

  • Digitaler Sport

  • Sprachverarbeitung

gegliedert, wobei der Anwendungsschwerpunkt im Bereich der Medizin liegt.

Rechnersehen
Der Bereich Rechnersehen bearbeitet die Objektverfolgung, Objekterkennung und Objektrekonstruktion aus Kameradaten. Ein zentrales, darauf aufbauendes Thema ist die aktive Sensordatenauswahl. Dabei werden die informationstheoretisch optimalen Kameraaktionen für diese Probleme a priori geschätzt. Ein weiterer Punkt ist die plenoptische Modellierung von Objekten und die Integration dieser Daten in reale Aufnahmen mit dem Ziel der Erweiterten Realität. In der Objekterkennung werden aktuell erscheinungsbasierte, statistische Klassifikatoren mit Farb- und Kontextmodellierung untersucht.

Medizinische Bildverarbeitung
Die Forschungsarbeiten im Bereich der Medizinischen Bildverarbeitung beschäftigen sich mit Fragestellungen der Bildregistrierung, Rekonstruktion, Segmentierung und Bildanalyse. Im Rahmen des SFB 539 wird ein Verfahren zur Früherkennung von Glaukomerkrankungen weiterentwickelt. Hierbei wird die Segmentierung des optischen Sehnervenkopfes ebenso untersucht wie die segmentierungsfreie Klassifikation. Erweiterte Rekonstruktionsalgorithmen zur 3D/4D Herzrekonstruktion unter Verwendung von C-Arm CT werden untersucht und entwickelt. Im Rahmen des Sonderforschungsbereiches 603 besteht ein Ziel darin, Augmented Reality während minimal-invasiv durchgeführter Eingriffe in der Bauchhöhle bereitzustellen. Weiterhin werden neuartige bildgebende Verfahren sowie exakte Rekonstruktionsalgorithmen in der Computertomographie (CT) entwickelt und deren Realisierung mittels unterschiedlichen Hardwarearchitekturen untersucht. Eine weitere Problemstellung ist die Detektion und Segmentierung von Lymphknoten in Ganzkörper Magnetresonanzaufnahmen und Kantenerhaltende Rauschreduktion in der CT auf Basis von Korrelationsanalysen.

Digitaler Sport
Eingebettete Systeme sind in der Lage, ihren Benutzern in vielen Bereichen des Alltags wichtige und interessante Informationen bereitzustellen. Beispiele dafür finden sind in der Automobiltechnik, der Automation industrieller Abläufe, in medizinischen Implantaten und in vielen anderen Anwendungsgebieten. Speziell im Sportbereich sind Systeme zur Unterstützung, Leitung und Motivation von Athleten von großem Wert.

Es gibt bereits heute beispielsweise die Möglichkeit, die Pulsfrequenz und/oder die momentane Geschwindigkeit von Läufern zu messen und anzuzeigen. Im Rahmen der Forschung im Digitalen Sport werden solche und ähnliche Konzepte untersucht und verbessert. Zu diesem Zweck werden Möglichkeiten zur Integration von verschiedenen Sensoren in Sportbekleidung geprüft. Darüber hinaus werden die potentiellen Verarbeitungsalgorithmen für die gemessenen Signale einer genauen Betrachtung unterzogen. Methoden der Mustererkennung werden dann angewendet um die Informationen welche von Interesse sind zu extrahieren. Denkbare Beispiele sind die Anzeige des Ermüdungszustandes oder die Bewertung der Qualität der Laufbewegung, um Langzeitschäden zu vermeiden.

Sprachverarbeitung
Neben der automatischen Merkmalberechnung und der darauf aufbauenden Spracherkennung beschäftigt sich der Lehrstuhl mit den folgenden Aufgabengebieten der Spracherkennung: Sprachdialogsysteme, Erkennung und Verarbeitung von unbekannten Wörtern, Sprachbewertung sowie automatische Analyse und Klassifikation prosodischer Phänomene. Weiterer Schwerpunkt ist seit einigen Jahren die automatische Erkennung von emotionalen Benutzerzuständen mit Hilfe akustischer und linguistischer Merkmale. Neu hinzugekommen sind die Erkennung solcher Benutzerzustände anhand physiologischer Parameter sowie die multimodale Erkennung des Aufmerksamkeitsfokus von Benutzern bei der Mensch-Maschine-Interaktion.

Focus of research

  • 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

  • Aktive unterstützende Systeme im Sport

  • Ermüdungserkennung

  • Mimik- und Gestik

  • Bewertung von pathologischer Sprache

  • Aussprachebewertung

  • Prosodie

  • Dialog

  • Benutzerzustandserkennung (von Ärger über Müdigkeit bis Zögern)

Research-relevant technical equipment

  • Mobiles System MOBSY mit aktivem Stereokamera-Kopf
  • Drehteller und Schwenkarm zur Bildaufnahme

  • Smartkom-Zelle

  • Head-Mounted Display mit integriertem Stereokamera-System

  • Pan-Tilt Einheiten

  • Time-of-Flight Camera

Aufgrund der engen Kooperation der Arbeitsgruppe mit den Kliniken und der Industrie besteht Zugriff auf sämtliche Modalitäten, die in der modernen Medizin heute zum Einsatz kommen. Die verfügbare Entwicklungsumgebung erlaubt die schnelle Überführung der neu entwickelten Methoden in den klinischen Test.

Cooperation partners

Conferences and workshops

Publication series

Die Veröffentlichungen des Lehrstuhls befinden sich auf der lehrstuhleigenen Homepage unter http://www5.informatik.uni-erlangen.de/publications/

Head
Prof. Dr.-Ing. habil. Andreas Maier

Professor emeritus
Prof. em. Dr.-Ing. Dr.-Ing. h.c. Heinrich Niemann
Prof. Dr.-Ing. Elmar Nöth

Secretary
Annette Birk
Alexandra Hauske
Klaudia Schuller

Head of Computer Vision (CV)
Dr.-Ing. Vincent Christlein

Computer Vision (CV)
Sheethal Bhat
Dr.-Ing. Vincent Christlein
Marcel Dreier, M. Sc.
Thomas Gorges, M. Sc.
Nora Gourmelon, M. Sc.
Florian Kordon, M. Sc.
Sonja Kunzmann, M. Sc.
Martin Leipert, M. Sc.
Martin Mayr, M. Sc.
Zhaoya Pan, M. Sc.
Aniol Serra Juhé, M. Sc.
Mathias Seuret, M. Sc.
Aline Sindel, M. Sc.
Aleksandra Thamm, M. Eng.
Frauke Wilm, M. Sc.
Fei Wu
Sally Zeitler, M. Sc.
Mathias Zinnen, M. Sc.

Head of Precision Learning (PL)
Dr.-Ing. Yixing Huang

Precision Learning (PL)
Tristan Gottschalk, M. Sc.
Dr.-Ing. Yixing Huang

Image Analysis (IMA)
Dr.-Ing. Siming Bayer, M. Sc.
Viktor Haase, M. Sc.
Lennart Husvogt, M. Sc.
Arpitha Ravi, M. Sc.

Magnetic Resonance Imaging (MRI)
Lukas Folle, M. Sc.
Fasil Gadjimuradov, M. Sc.
Julian Hoßbach, M. Sc.
Andrzej Liebert, M. Sc.
Laura Pfaff, M. Sc.
Manuel Schneider, M. Sc.
Matthias Utzschneider, M. Sc.
Zijin Yang, M. Sc.
Seung Su Yoon, M. Sc.

Head of Image Fusion (IMF)
Tobias Geimer, M. Sc.

Image Fusion (IMF)
Prof. Dr.-Ing. Katharina Breininger
Stefan Ploner, M. Sc.

Leitung Inverse Problems and Applications (IPA)
Mareike Thies, M. Sc.

Inverse Problems and Applications (IPA)
Fuxin Fan, M. Sc.
Florian Goldmann
SeyedMohammad Jafari, M. Sc.
Noah Maul, M. Sc.
Siyuan Mei
Manuela Meier, M. Sc.
Daniel Mosig, M. Sc.
Merlin Nau, M. Sc.
Junaid Rasool Rajput, M. Sc.
Maximilian Rohleder, M. Sc.
Linda-Sophie Schneider, M. Sc.
Yipeng Sun, M. Sc.
Mareike Thies, M. Sc.
Nastassia Vysotskaya

Head of Phase Contrast Imaging (PCI)
PD Dr.-Ing. Christian Riess

Phase Contrast Imaging (PCI)
PD Dr.-Ing. Christian Riess

Population Modelling (PM)
Maximilian Reymann, M. Sc.
Karthik Shetty, M. Sc.

Head of Cognitive Computational Neuroscience (CCN)
Dr. rer. nat. Patrick Krauß

Cognitive Computational Neuroscience (CCN)
Nikola Kölbl, M. Sc.
Dr. rer. nat. Patrick Krauß
Paul Stöwer, M. Sc.

Speech Processing (SAGI)
Tomas Arias Vergara, M. Sc.
Alexander Barnhill, M. Sc.
Dr. phil. Anton Batliner
Prof. Dr.-Ing. Christian Bergler
Carlos Ariel Ferrer-Riesgo, Ph.D.
Abner Hernandez, M.A.
Dipl.-Inf. Thomas Janu
Philipp Klumpp, M. Sc.
Prof. Dr.-Ing. Elmar Nöth
Paula Andrea Pérez-Toro, M. Sc.
Hendrik Schröter, M. Sc.
Dipl.-Ing. Fadi Sindran
Martin Strauß, M. Sc.
Juan Camilo Vasquez Correa, M. Sc.

Enterprise Computing
Sebastian Wind, M. Sc.

Head of Learning Approaches for Medical Big Data Analysis (LAMBDA)
Dr.-Ing. Daniel Stromer

Learning Approaches for Medical Big Data Analysis (LAMBDA)
Adarsh Bhandary Panambur, M. Sc.
Sheethal Bhat
Lukas Buess, M. Sc.
Eduardo Castaneda
Mingxuan Gu, M. Sc.
Oliver Haas, M. Sc.
Saahil Islam, M. Sc.
Srikrishna Jaganathan, M. Sc.
Timo Klemm, M. Sc.
Florian Kordon, M. Sc.
Sonja Kunzmann, M. Sc.
Chang Liu, M. Sc.
Celia Martín Vicario, M. Sc.
Noah Maul, M. Sc.
Dr.-Ing. Felix Meister
Mathias Öttl, M. Sc.
Kai Packhäuser, M. Sc.
Arpitha Ravi, M. Sc.
Leonhard Rist, M. Sc.
Luis Carlos Rivera Monroy, M. Sc.
Dalia Rodriguez Salas, M.Eng.
Annette Schwarz, M. Sc.
Dr.-Ing. Daniel Stromer
Dr.-Ing. Florian Thamm
Linda Vorberg, M. Sc.

Learning Approaches for Vascular Analysis (LAVA)
Dr.-Ing. Felix Denzinger
Celia Martín Vicario, M. Sc.
Noah Maul, M. Sc.
Dr.-Ing. Felix Meister
Leonhard Rist, M. Sc.
Dr.-Ing. Florian Thamm

Head of Data Processing for Utility Infrastrucure (DPUI)
Dr.-Ing. Siming Bayer, M. Sc.

Data Processing for Utility Infrastrucure (DPUI)
Dr.-Ing. Siming Bayer, M. Sc.
Adithya Ramachandran, M. Sc.
M.Sc. passt. Dominik Stecher
Mohammad Moataz Tolba, M. Sc.

Assistant Lecturers
Dr. rer. nat. Achim Schilling

Technical/Administrative Staff
Annette Birk
Hermine Carbonnier
Sven Grünke
Alexandra Hauske
Klaudia Schuller

Apprentice
Hermine Carbonnier

Trainees
Farnaz Khun Jush, M. Sc.

Ongoing and recently completed research projects (period under report: 1.1.2018-31.12.2018)

Older research projects

UnivIS is a product of Config eG, Buckenhof