%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %% UEBER DAS SCHREIBEN VON DIPLOM- bzw. MASTERARBEITEN UNTER DER BETREUUNG VON Ao.Prof. Dr. ANDREAS UHL %%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% Voraussetzungen: 1) bereitschaft in C/C++ oder JAVA zu programmieren und vorhandene Software zu verwenden bzw. sich in die sourcen einzuarbeiten; auch MATLAB ist eine mögliche Option 2) englische arbeit 3) im mittel 20 stunden pro woche aufwenden um fertigstellung zu garantieren Pros: *) Arbeiten in einer Projektgruppe - viele Ansprechpartner *) Bezahlung aus Projektmitteln (je nach Verfuegbarkeit von $) moeglich; *) Hohe Verfuegbarkeit des Betreuers *) Einführung in den Wissenschaftsbetrieb, im Regelfall wird eine Arbeit auf einer internationalen Konferenz vorgestellt. Cons: *) Betreuer hat rel. hohe Ansprueche and die Qualitaet und verlangt zumidest eine moegliche wiss. Publikation aus der Diplomarbeit (wird durch die Themenauswahl ermoeglicht !) *) 3/4 - 1 Jahr muss zur Fertigstellung eingeplant werden. Bemerkung: fast alle angefuehrten Themen koennen bei Bedarf zu einer Dissertation oder einem Bachelorprojekt modifiziert werden. Im letzteren Fall kann sinnvollerweise im Anschluss eine Diplomarbeit mit demselben Thema fortgefuehrt werden. Dissertationsthemen brauchen grundsätzlich längere persönliche Diskussion !! BISHER BETREUTE DISSERTATIONEN & DIPLOMARBEITEN ================================================= siehe http://www.cosy.sbg.ac.at/~uhl/vita3_eng.pdf aktuelle DiplomandInnen & Dissertanten siehe www.wavelab.at FREIE THEMEN ============ dazugehörige Projekte siehe www.wavelab.at Klassifikation von medizinischen Bildern ($) ======================================== In Zusammenarbeit mit dem AKH Wien werden Methoden zur Klassifikation von Dickdarm Zoom-Endoskopiebildern entwickelt, die eine Automatisierung des Verfahrens zum Ziel haben. Verschiedenste Techniken aus dem Bereich der Feature Extraktion (Wavelet, Fourier, Kanten, u.s.w.) und Klassifikation (k-NN, SVM, ANN) koennen hier angewendet werden. Ein zweites Thema ist hier die Klassifikation von Bildern aus dem Dünndarm zur Diagnose von Zöliakie (in Zusammenarbeit mit dem St. Anna Kinderspital). Aktuelle Themen sind hier die Verwendung von fortgeschrittenen Wavelet-transformationen (Curvelets, Ridgelets, Contourlets, Shearlets) und Kombinationen von LBP und Fouriertransformation (gefilterten Bildern) zur Feature Extrahierung. Im Kontext der Klassifikation ist auch eine topographische Segmentierung von Endoskopie-Videos von Interesse (also bei welchen frames bin ich im Magen etc.). Kompression und Sicherheit in Biometrischen Systemen ($) ==================================================== Kompression und Verschlüsselung von biometrischen Sampledaten im Zusammenhang mit biometrischen Modalitäten die auf visueller Sensorik beruhen (i.e. Iris, Fingerprint, Handgeometrie, Retina, Gesichtserkennung). Weiters sind biometrische Kryptosysteme (Key-generation) und Cancelable Biometrics (widerrufbare biometrische Features) von Interesse. Konkrete Themen sind hier die Verwendung von JPEG (Fingerprints), JPEG XR (Fingerprints und Iris Texturen), und JPEG2000 Part 2 (ganze Iris Bilder). "Holzbildverarbeitung" ====================== Analyse von Bildern die aus Holzquerschnitten gewonnen wurden (CT-Bilder, klassische Digitalfotographie); Fragestellungen im Bereich Holzqualität, Holzalter, Holzidentifikation. Diese Themen werden in Zusammenarbeit mit Doz. Karl Entacher (FH Salzburg) betreut. Eindruckvermessung im Kontext mit Härteprüfung ($) ============================================== Im Kontext eines Projektes mit EMCOTest sollen Methoden entwickelt werden, die es erlauben während einer Härteuntersuchung eingebrachte Prüfstempeleindrücke exakt zu vermessen. Insbesondere sollen hier "active contours" (level set Methoden) und Methoden der Klasse "gradient vector flow" eingesetzt werden, die das vorhandene Wissen über die zu erwartende Form der Objekte verwenden. Auch "shape from focus" Verfahren erscheinen vielversprechend, bei denen eine 3d-Rekonstruktion des Stempeleindruckes erzeugt wird, durch Fusion von mehreren Bildern mit unterschiedlichen Schärfeebenen. Sicherheit von Merkmalsextraktoren ($) ================================== Content-based image retrieval wird vermehrt zur Überprüfung von copyright-geschütztem Medienmaterial verwendet, z.B. bei YouTube. In aktuellen Arbeiten wurde gezeigt, dass z.B. SIFT als klassischer Merkmalsextraktor so manipuliert werden kann, dass bestimmte visuelle Inhalte nicht mehr gefunden werden können. Es sollen in diesem Kontext Methoden aus der Biometrie verwendet werden (cancellable Biometrics und biometric cryptosystems) um Merkmalsextraktoren wie SIFT schlüsselabhängig und damit sicherer zu machen. Qualitätsmasse für verschlüsselte visuelle Daten (ev. ab April 2011 $) ================================================ Gegenwärtig verfügbare Qualitätsmasse für visuelle Daten wie PSNR, SSIM, ESS etc. sind nicht geeignet um die Qualität von deutlich beeinträchtigten Bildern (z.B. nach einer teilweisen Verschlüsselung) robust zu bestimmen. Basierend auf Methoden des Content-based image retrieval (CBIR) soll untersucht werden, ob eine Ähnlichkeitsbestimmung mit Merkmalsextraktoren des CBIR wie etwa SIFT geeignet wäre, zu bestimmen ob die menschliche Wahrnehmung noch erkennungsrelevante Strukturen im Bild erkennen kann. Partielle Homomorphe Verschlüsselung von Biometrischen Templates ($) ================================================================ Homomorphe Verschlüsselung löst das Problem in der Biometrie, Templates im verschlüsselten Zustand vergleichen zu können. Allerdings ist der Preis eine unpraktikabel hohe Rechenzeit. Es sollen für verschiedene biometrische Templates hierarchische Darstellungen entwickelt werden, die die Anwendung von partiellen Verschlüsselungsverfahren ermöglichen und damit Homomorphe Verschlüsselung in die Nähe der Anwendbarkeit bringen sollen. RoI Verschlüsselung zur Privacy Protection in Surveillance Video (ev. ab April 2011 $) ================================================================ In Überwachungsvideos ist es wünschenswert, dass Gesichter von handelnden Personen für das normale Überwachungspersonal nicht erkennbar sind, jedoch im Fall eines Vergehens "erkennbar" gemacht werden. Dies kann durch region - of interest - basierte Verschlüsselung realisiert werden die durch autorisierte Personen (z.B. Staatsanwaltschaft) rückgängig gemacht werden kann. Solche Verfahren sollen für aktuelle Medienformate wie JPEG2000, JPEGXR und H.264 realisiert werden.