TY - THES A1 - Janke, Thorsten A1 - Koppers, Markus T1 - Optimierung und Implementierung eines Systems zur Unterdrückung von Werbeblöcken bei Aufzeichnungen mit dem Videorecorder N2 - Diese Diplomarbeit befaßt sich mit den Möglichkeiten Fernsehsendungen ohne Werbung mit dem Videorecorder aufzuzeichnen. Zur Erkennung von Werbeblöcken werden verschiedene Algorithmen, die auf einer optischen Detektion des Logos basieren, vorgestellt, in einer Softwarelösung implementiert, getestet und bewertet. KW - Werbeblöcke KW - Videorecorder Y1 - 1999 U6 - http://dx.doi.org/10.25974/fhms-8 PB - FH Münster ER - TY - THES A1 - Scharlau, Lukas T1 - Multi-part Nanocubes N2 - This thesis describes the development of Multi-part Nanocubes. It is a further development of Nanocubes, an in-memory data structure for spatiotemporal data cubes. "Nanocubes provides you with real-time visualization of large datasets. Slice and dice your data with respect to space, time, or some of your data attributes, and view the results in real-time on a web browser over heatmaps, bar charts, and histograms." Partitioning the structure to parallelize the build process as well as merging query results is the principal part of this document. Furthermore, a new memory management (slab allocation with offset pointers) was implemented to enable 32-bit support and faster load times of already built nanocubes. Porting the project to Windows and implementing on-the-fly compression and decompression of nanocube files is also described. N2 - Diese Bachelorarbeit beschreibt die Weiterentwicklung des Projektes Nanocubes zu Multi-part Nanocubes. Das Projekt erlaubt die Visualisierung und Filterung extrem großer Datensätze (Big Data), üblicherweise auf einer Heatmap mit zusätzlichen Diagramm. Beschrieben wird die Partitionierung der Datenstruktur, wodurch ermöglicht wird, dass moderne Mehrkernprozessoren während des Ausbauprozesses voll ausgelastet werden können. Auch das Zusammenfügen der Abfrageergebnisse ist Teil der Arbeit. Zusätzlich wurde ein neues Speicher Management System (Slab Allocation mit Offset Pointern) implementiert, was die Kompatibilität zu 32-bit Systemen ermöglicht, sowie auch schnellere Ladezeiten von bereits erzeugten und gespeicherten Nanocubes. Die Portierung des Projektes auf Windows als auch die on-the-fly Komprimierung und Dekomprimierung während des Speichern und Laden eines Nanocubes wird beschrieben. (Linux und Mac Betriebssysteme werden auch unterstützt) KW - Massendaten KW - Visualisierung KW - Weltkarte KW - Filtration KW - Quaternärbaum KW - Heatmap KW - Parallelisation KW - echtzeit Erkundung KW - Quadtree KW - Big Data KW - Heatmap KW - Threading KW - realtime exploration Y1 - 2016 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:hbz:836-opus-9500 PB - FH Münster ER - TY - THES A1 - Zink, Fabian T1 - Entwicklung und Implementierung einer Windows-Applikation zur Erkennung von Werbeblöcken N2 - Die gesamte Diplomarbeit ist ein Demonstrationsmodell. Es gelang Algorithmen zu finden, mit denen man auf optischem Wege Unterschiede zwischen einer Werbesendung und dem normalen Fernsehprogramm erkennen konnte. Y1 - 1998 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:hbz:836-opus-12 PB - FH Münster ER - TY - GEN A1 - Fehn, Heinz-Georg T1 - Bildverarbeitung : Verarbeitung von Bildern N2 - Das Tutorial erläutert die Elemente von Bildverarbeitungssystemen. Es befaßt sich mit den Prinzipen der Beleuchtung, Optik, Kamerasystemen und Bilderfassungskarten (Framegrabber) als Komponenten der Bildgebung und -erfassung. Weiterhin stellt sich die Bildverarbeitung als ein Gebiet der zweidimensionalen digitalen Signalverarbeitung dar. Im Verlauf des Tutorials wird daher auch auf die Grundlagen der Bilddigitalisierung und Bilddarstellung im Rechner und ihr Einfluß auf die Bildauswertung eingegangen. So kann die Verarbeitung von Bildern durch den Rechner mittels ikonischer Bildverarbeitung, also die Handhabung Bilddaten als Repräsentation von Helligkeitsinformationen, durchgeführt werden. Die Verfahren basierend auf Punktoperationen, lokale Operationen und globale Operationen z.B. zur Kontrastverbesserung, zur Rauschbefreiung oder Strukturfindung sind Methoden der ikonischen Bildanalyse. Im Rahmen des Tutorials werden die Grundlagen und Methoden der ikonischen Bildverarbeitung am Beispiel industrieller Aufgabenstellungen und Anwendungen erläutert. Die symbolische Bildverarbeitung basiert hingegen auf extrahierten Bildmerkmalen, wie z.B. Umfang, Schwerpunkt, Form etc. Ein Merkmalsvektor, gebildet aus solchen Kenngrößen stellt eine symbolische Beschreibung von Bildinhalten dar und kann z.B. zur Objektklassifikation verwendet werden. KW - Bildverarbeitung Y1 - 2000 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:hbz:836-opus-101 PB - FH Münster ER -