Moses - Image Processing and Learning for Earth Observation (IPL4EO)

Zur Modulseite PDF generieren

Modul / Version
#40937 / #4

Gültigkeit
Seit SoSe 2025

Verfügbare Sprache(n)
Deutsch, Englisch

Titel des Moduls
Image Processing and Learning for Earth Observation (IPL4EO)

Leistungspunkte
6

Modulverantwortliche*r
Demir, Begüm

Benotung
Benotet

Prüfungsform
Portfolioprüfung

Lehrsprache(n)
Englisch

Zugehörigkeit

Fakultät
Fakultät IV

Institut
Institut für Technische Informatik und Mikroelektronik

Fachgebiet
34342200 FG Remote Sensing Image Analysis

Prüfungsausschuss
Keine Angabe

Kontakt

Sekretariat
EN 5

Ansprechpartner*in
Witte, Bethany Jane

E-Mail-Adresse
b.witte@tu-berlin.de

Webseite

https://rsim.berlin/

Lernergebnisse

Die Teilnehmer dieses Kurses erwerben theoretische und praktische Kenntnisse über die grundlegenden Konzepte und Techniken für die Verarbeitung und Analyse von Fernerkundungsbildern, die von Erdbeobachtungssatelliten und luftgestützten Systemen aufgenommen wurden.

Lehrinhalte

In diesem Kurs werden grundlegende Konzepte und Techniken der Fernerkundung und Bildverarbeitung für die Erdbeobachtung vorgestellt. Der Kurs beginnt mit einer Einführung in die Kernkonzepte der Fernerkundung, wie Prozesse, mit denen Bilder von Sensoren auf Satelliten und luftgestützten Plattformen erfasst werden, sowie den wichtigsten Merkmalen der erfassten Bilder. Anschließend werden grundlegende Methoden zur Verarbeitung, Analyse und Visualisierung von Fernerkundungsbildern vorgestellt. Zu den Themen gehören die Darstellung hochdimensionaler Fernerkundungsbilder, Filterung und Verbesserung, Bildklassifizierung und Bildabfrage. Während des gesamten Kurses werden praktische Übungen zu realen Anwendungen angeboten.

Modulbestandteile

Pflichtbereich

Die folgenden Veranstaltungen sind für das Modul obligatorisch:

Lehrveranstaltungen	Art	Nummer	Turnus	Sprache	SWS	ISIS	VVZ
Image Processing for Remote Sensing	IV	3434 L 191	SoSe	en	4

ISIS-Kurssuche nach Veranstaltungen des Moduls

Arbeitsaufwand und Leistungspunkte

Image Processing for Remote Sensing (IV):

Aufwandbeschreibung	Multiplikator	Stunden	Gesamt
Präsenzzeit	15.0	4.0h	60.0h
Vor-/Nachbereitung	15.0	8.0h	120.0h
			180.0h(~6 LP)

Der Aufwand des Moduls summiert sich zu 180.0 Stunden. Damit umfasst das Modul 6 Leistungspunkte.

Beschreibung der Lehr- und Lernformen

Das Modul besteht aus konventionellem Frontalunterricht in der Vorlesung und Computer-Laborübungen, die dazu dienen, die in den Vorlesungen vermittelte Theorie praktisch zu üben. Die Laborübungen führen in verschiedene Themen der Fernerkundungsbildverarbeitung ein, die schließlich im Rahmen eines Miniprojekts vertieft werden.

Voraussetzungen für die Teilnahme / Prüfung

Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:

Gute Mathematik- und Programmierkenntnisse und Grundkenntnisse im maschinellem Lernen.

Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:

Dieses Modul hat keine Prüfungsvoraussetzungen.

Abschluss des Moduls

Benotung

Benotet

Prüfungsform

Portfolioprüfung

Art der Portfolioprüfung

100 Punkte insgesamt

Sprache(n)

Englisch

Prüfungselemente

Name	Punkte	Kategorie	Dauer/Umfang
(Ergebnisprüfung) Bewertung eines Miniprojekts	50	schriftlich	Ungefähr 60 Stunden
(Prüfung) Schriftliche Prüfung	50	schriftlich	60 min

Notenschlüssel

Notenschlüssel »Notenschlüssel 2: Fak IV (2)«

Gesamtpunktzahl	1.0	1.3	1.7	2.0	2.3	2.7	3.0	3.3	3.7	4.0
100.0pt	95.0pt	90.0pt	85.0pt	80.0pt	75.0pt	70.0pt	65.0pt	60.0pt	55.0pt	50.0pt

Prüfungsbeschreibung (Abschluss des Moduls)

Die Note für dieses Modul besteht aus zwei Teilen (jeweils mit 50% gewichtet): 1. Bewertung eines Miniprojekts 2. Schriftliche Prüfung

Dauer des Moduls

Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt:
1 Semester.

Dieses Modul kann in folgenden Semestern begonnen werden:
Sommersemester.

Maximale teilnehmende Personen

Die maximale Teilnehmerzahl beträgt 50.

Anmeldeformalitäten

Die Zahl der Teilnehmer des Moduls ist begrenzt. Bitte schauen Sie vor Beginn der Vorlesungszeit unter https://rsim.berlin/courses nach, wie Sie sich anmelden können.

Literaturhinweise, Skripte

Skript in Papierform

Verfügbarkeit: nicht verfügbar

Skript in elektronischer Form

Verfügbarkeit: verfügbar

Literatur

Empfohlene Literatur
Devis Tuia et al., Artificial Intelligence to Advance Earth Observation: A review of models, recent trends, and pathways forward, IEEE Geoscience and Remote Sensing Magazine, 2024.
Gustavo Camps-Valls, Devis Tuia, Luis Gómez-Chova, Sandra Jiménez, and Jesús Malo - Remote Sensing Image Processing - Morgan Claypo, 2012.
Ian Goodfellow, Yoshua Bengio, and Aaron Courville. "Deep Learning". MIT Press, 2016.
John A. Richards - Remote Sensing Digital Image Analysis An Introduction - Springer-Verlag Berlin Heidelberg, 2013.
Thomas M. Lillesand, Ralph W Kiefer, and Jonathan Chipman - Remote Sensing and Image Interpretation - Wiley, 2015.

Zugeordnete Studiengänge

Semester:

Zeige auch ausgelaufene Studiengänge und StuPOs

Diese Modulversion wird in folgenden Studiengängen verwendet:

Studiengang / StuPO	StuPOs	Verwendungen	Erste Verwendung	Letzte Verwendung
Computer Engineering (M. Sc.)	1	6	SoSe 2025	SoSe 2025
Computer Science (Informatik) (M. Sc.)	1	7	SoSe 2025	SoSe 2025
Elektrotechnik (M. Sc.)	1	4	SoSe 2025	SoSe 2025
Information Systems Management (Wirtschaftsinformatik) (M. Sc.)	1	2	SoSe 2025	SoSe 2025
Wirtschaftsingenieurwesen (M. Sc.)	1	2	SoSe 2025	SoSe 2025

Sonstiges

Keine Angabe