Institut für Informatik der Humboldt-Universität zu Berlin,  Fachgebiet Signalverarbeitung / Mustererkennung (Frau Prof. Dr.-Ing. Beate Meffert)
Signal processing and pattern recognition group of the computer science department of the Humboldt-Universität zu Berlin.
Dr. Uwe Knauer Für Anfragen zu Themen für wissenschaftliche Abschlussarbeiten und Projektideen kann die unten stehende E-Mail-Adresse verwendet werden.
Arbeitsgebiete
Activities and research interests
  • Mitglied der Deutschen Arbeitsgemeinschaft für Mustererkennung (DAGM)
  • Mitglied der Deutschen Gesellschaft für Photogrammetrie, Fernerkundung und Geoinformation (DGPF)
    Ausgewählte Publikationen und Vorträge
    Selected publications and talks (visit SCOPUS or Research Gate for more)
    1. U. Knauer, B. Meffert, Fast computation of region homogeneity with application in a surveillance task. ISPRS Technical Commission V Symposium, Newcastle, GB, 2010.
    2. U. Knauer, U. Seiffert, An Approach for Automated Registration of Hyperspectral Images for Boresight Calibration. 33. Wissenschaftlich-Technische Jahrestagung der DGPF, Freiburg, Germany, 2013.
    3. U. Knauer, U. Seiffert, Cascaded Reduction and Growing of Result Sets for Combining Object Detectors, Lecture Notes in Computer Science vol. 7872, Proceedings of 11th International Workshop on Multiple Classifier Systems, Springer, Nanjing, China, 2013.
    4. U. Knauer, U. Seiffert, A Comparison of Late Fusion Methods for Object Detection, IEEE International Conference on Image Processing, Melbourne, Australia, 2013.
    5. U. Knauer, A. Backhaus, U. Seiffert, Beyond Standard Metrics - On the Selection and Combination of Distance Metrics for an Improved Classification of Hyperspectral Data, Workshop on Self Organizing Maps, Advances in Intelligent Systems and Computing, Springer, Mittweida, Germany, 2014.
    6. U. Knauer, A. Backhaus, U. Seiffert, Fusion Trees for Fast and Accurate Classification of Hyperspectral Data with Ensembles of Gamma-divergence based RBF Networks, Neural Computing and Applications, Springer, DOI:10.1007/s00521-014-1634-9, 2014.
    7. U. Knauer, U. Seiffert, Fast Image Segmentation with Boosted Random Forests, Integral Images, and Features on Demand, IEEE Symposia Series on Computational Intelligence, Orlando, USA, 2014.
    8. U. Knauer, D. Kilias, U. Seiffert, Fast Segmentation of Hyperspectral Images by Combining Textural and Spectral Information, 35. Wissenschaftlich-Technische Jahrestagung der DGPF, Cologne, Germany, 2015.
    9. U. Knauer, E. Edwards, A. McGrath, W. Lieff, J. M. Hacker, Udo Seiffert, Towards grape-vine management based on mapping of airborne hyperspectral images, 9th International Symposium on Mobile Mapping Technology , Sydney, Australia, 2015.
    10. U. Knauer, A. Backhaus, U. Seiffert, Evaluation of Fusion Methods for Gamma-divergence based Neural Network Ensembles, IEEE Symposium on Computational Intelligence and Data Mining, Capetown, South Africa, 2015.
    11. U. Knauer, A. Matros, T. Petrovic, T. Zanker, E. S. Scott, U. Seiffert, Improved classification accuracy of powdery mildew infection levels of vine grapes by spatial-spectral analysis of hyperspectral images, Plant Methods, 2017.
    12. U. Knauer, Multi-Klassifikator-Systeme für die Objektdetektion in Bilddaten, Hochschulschrift, Humboldt-Universität zu Berlin, 2018.
    13. U. Knauer, E. Edwards, A. McGrath, U. Seiffert, Phenotyping vineyards by means of airborne hyperspectral imaging, International Plant Phenotyping Symposium, Adelaide, Australia, 2018. (Poster)
    14. U. Knauer, E. Edwards, A. McGrath, U. Seiffert, Estimation of Plant Vitality in Australian Vineyards by Analysis of Airborne Hyperspectral Images, 39. Wissenschaftlich-Technische Jahrestagung der DGPF, Vienna, Austria, 2019. (Poster)
    15. U. Knauer et al, Tree Species Classification based on Hybrid Ensembles of Convolutional Neural Networks (CNN) and Random Forest Classifiers, MDPI Remote Sensing, 11(23), 2019.
    Uwe Knauer
    E-Mail
    Erstellt am 5.5.2003, zuletzt geändert am 26.11.2019