Vorlesung: Scientific Visualization

Veranstaltung

  • Dozent(en):
  • Beginn: 26. April 2017
  • Zeiten: Mi. 10:30-12:00, B-IT 2.1; Fr. 10:30-12:00, B-IT Rheinsaal
  • Studiengang: B-IT Master Media Informatics , Master
  • Prüfungen: Mündlich, ab 28.7.

Übung

Beschreibung

Um Überlapp mit der Medieninformatik-Blockveranstaltung "Technical Writing" zu vermeiden, beginnt die Vorlesung in diesem Semester erst am 26. April.

Bitte externtragen Sie sich in unsere Mailing-Liste ein um wichtige Informationen zu Vorlesung, Übungen und Prüfung zu erhalten!

Die ständig wachsende Menge von gemessenen, simulierten, gesammelten und vorgehaltenen Daten macht die Fähigkeit, aus großen und komplexen Daten verlässliche Schlüsse zu ziehen heute mehr als je zuvor zu einer gefragten Schlüsselqualifikation. Das Ziel von Visualisierung ist es, Daten so aufzubereiten und grafisch darzustellen, dass daraus - im ganz wörtlichen Sinne - neue Einsichten über komplexe Phänomene ermöglicht werden.

Diese Vorlesung bietet eine Einführung in die wichtigsten Konzepte und Methoden der Datenvisualisierung. Sie konzentriert sich auf volumetrische Daten aus wissenschaftlichen und medizinischen Anwendungen, deckt jedoch auch abstraktere Daten wie Netzwerke und Graphen ab und vermittelt Grundwissen über Farbe und ihren effektiven Einsatz, menschliche Wahrnehmung, sowie Grafik-Programmierung. Ihre Mischung aus theoretischen und praktischen Übungsaufgaben trainiert die Fähigkeit, auf einer klaren mathematischen Basis effektive Lösungen für praktische Probleme zu finden.

Die Themen dieser Vorlesung umfassen unter anderem: Farbe und Wahrnehmung, Darstellung von 3D-Volumendaten (z.B. medizinischen CT- oder MRT-Scans), Extraktion von Flächen aus Volumendaten, Visualisierung von und Identifizierung bedeutender Strukturen in Vektorfeldern (z.B. aus Simulationen der Computational Fluid Dynamics) sowie Tensorfeldern (z.B. aus modernen Neuroimaging-Verfahren), Visualisierung hochdimensionaler Daten, Dimensionsreduzierung, Clustering, und den Einsatz von maschinellem Lernen in der Visualisierung.

Die Vorlesung findet in englischer Sprache im B-IT-Gebäude statt, Dahlmannstr. 2 (externAnfahrtsbeschreibung), Mittwochs in Raum 2.1, Freitags im Rheinsaal.

Folien

Übungsaufgaben

Übung 1: Installation
Übungsblatt  (PDF-Dokument, 605 KB)
Übung 2: IntroVtkVisTrails
Übungsblatt  (PDF-Dokument, 574 KB)
Übung 3: Color-and-Convolution
Übungsblatt  (PDF-Dokument, 3.6 MB)
Übung 4: Triangulation-Interpolation
Übungsblatt  (PDF-Dokument, 208 KB)
Übung 5: Isocontours
Übungsblatt  (PDF-Dokument, 500 KB)
Übung 6: Indirect-Volume-Rendering
Übungsblatt  (PDF-Dokument, 0.9 MB)
Übung 7: Direct-Volume-Rendering
Übungsblatt  (PDF-Dokument, 673 KB)
Übung 8: Geometry-Based-Flow-Vis
Übungsblatt  (PDF-Dokument, 744 KB)
Übung 9: LIC
Übungsblatt  (PDF-Dokument, 680 KB)
Übung 10: Flow-Features-and-Tensors
Übungsblatt  (PDF-Dokument, 644 KB)
Übung 11: Tensors-and-Ridges
Übungsblatt  (PDF-Dokument, 1.4 MB)
Übung 12: Trial-Exam
Übungsblatt  (PDF-Dokument, 235 KB)

Literatur

  • Alexandru C. Telea: Data Visualization - Principles and Practice, CRC Press, Second Edition, 2015
  • C.D. Hansen, C. Johnson: Visualization Handbook, Academic Press, 2004
  • B. Preim, C. Botha: Visual Computing for Medicine: Theory, Algorithms, and Applications,  Morgan Kaufmann, 2014 (externoffiziell online verfügbar über die Uni-Bibliothek)
  • K. Engel et al.: Real-Time Volume Graphics, A K Peters, 2006
  • C. Ware: Information Visualization. Perception for Design, Morgan Kaufmann, 3rd edition, 2013
  • M. Ward et al.: Interactive Data Visualization: Foundations, Techniques, and Applications.  CRC Press, 2010