Bildverarbeitung trifft Neurobiologie
Projektseminar im Sommersemester 2016
Thema und Inhalt
Computergestützte Analysemethoden gehören mittlerweile zum Standardrepertoire der Biologie. In einer Kooperation mit dem Institut für Neuro- und Verhaltensbiologie wurde ein neues Bildgebungs- und Bildverarbeitungsverfahren (FIM-Imaging Setup) entwickelt. FIM-Imaging dient zum Erfassen der Bewegung diverser kriechender Lebewesen. Weitere Informationen zu FIM-Imaging finden Sie hier. Im Rahmen dieses Projektseminars wird den Teilnehmern ermöglicht, das entwickelte Setup weiter zu verbessern und sich so aktiv an aktuellen Forschungsthemen zu beteiligen.
In einem Teilprojekt soll ein Verfahren entwickelt werden, welches die Bewegungsanalyse von Drosophila melanogaster Larven über eine längere Zeit in einem kegelartigen Aufzuchtgefäß ermöglicht. Es soll ein Einkamerasystem entwickelt werden, welches aus einem Raspberry Pi und einer Pi-Kamera besteht. Aufgrund der Verwendung eines kegelartigen Gefäßes kommt es zwangsweise zu einer perspektivischen Verzerrung der aufgenommenen Szenerie. Diese Verzerrung muss herausgerechnet werden. Um dies bewerkstelligen zu können, muss die Kamera kalibriert werden, um anschließend das aufgenommene Bild "entfalten" zu können.
Die Tiere werden in einem Aufzuchtgefäß, welches Futter in Form eines Hefebreis enthält, über mehrere Stunden gefilmt. Da die Larven sich kriechend fortbewegen und somit den Futterbrei über die gesamte Aktionsfläche verteilen, kommt es zu einem sich dynamisch veränderbaren Hintergrund, welcher zur fortgeschrittenen Zeit immer mehr Futterreste und andere Artefakte enthält. Um eine zuverlässige Larvendetektion garantieren zu können, muss zu jedem Zeitpunkt für einen Pixel entschieden werden können, ob dieser zum Vordergrund oder zum Hintergrund gehört. Um diese Entscheidung treffen zu können, muss ein Hintergrundmodell erstellt werden. Genau darum soll es in diesem Teilprojekt gehen. Die Teilnehmer sollen ein dynamisches Hintergrundmodell erstellen, auf Grundlage dessen entschieden werden kann, ob ein Pixel zu einem Vordergrundobjekt oder zum Hintergrund gehört.
Literatur
- Hartley, Zisserman: Multiple View Geometry in Computer Vision
- Schreer: Stereoanalyse und Bildsynthese
- Szelliski: Comptuer Vision: Algorithms and Applications (draft)
- Loukides, Romano, Bradski, Kaehler: Learning OpenCV: Computer Vision with the OpenCV Library
- Laganiere: OpenCV 2 Computer Vision Application Programming Cookbook
Programmierumgebung
Es wird keine Programmiersprache und keine IDE explizit vorgegeben. Wir empfehlen jedoch als Programmiersprache C++ in Kombination mit der Bibliothek OpenCV und als IDE Qt Creator.
Tutorials zur Programmiersprache und der Bibliothek
Allgemeines
Eintrag im Vorlesungsverzeichnis.
Kontakt
Dimitri Berh, d [dot] berh [at] wwu [dot] de