Das klassische Verfahren der Fourier-Analyse stellt Funktionen als Überlagerungen von trigonometrischen Funktionen dar, dient also in erster Linie der Behandlung von stationären Eigenschaften von Signalen. Für die Untersuchung von kurzzeitigen ("transienten") Eigenschaften von Signalen ist die historisch wesentlich jüngere Wavelet-Analyse das Mittel der Wahl. Wavelets stellen Funktionen als Überlagerungen von Signal-Bausteinen dar, die im Zeit- und Frequenzbereich gut begrenzt sind und die mittels Skalierung und Verschiebung aus einem "Mutter-Wavelet" gewonnen werden. Während es i.w. "nur" eine Fourier-Theorie gibt, ist das Spektrum der Möglichkeiten bei Wavelets ungleich grösser -- aber Wavelets mit guten Eigenschaften zu konstruieren ist trotzdem alles andere als eine offensichtliche Angelegenheit.
Die Vorlesung ist sowohl theoretisch als auch praktisch orientiert. Auf der theoretischen Seite sollen die Prinzipien der kontinuierlichen und diskreten Wavelet-Analyse, der Multiskalenanalyse und der Konstruktion "kompakter" und "glatter" Wavelets behandelt werden -- wobei die Fourier-Theorie dann doch wieder eine erhebliche Rolle spielt! An Beispielen aus der Bildverarbeitung (Rauschunterdrückung, Datenkompression, Kantenerkennung) soll die Anwendung von Wavelets behandelt und auch praktisch (Matlab!) geübt werden.
Spezielle Vorkenntnisse auf Seiten der Teilnehmer werden nicht erwartet, auch wenn etwas vorherige Bekanntschaft mit Fourier-Analyse und Begriffen der Signal- und Bildverarbeitung nützlich sein wird. Es soll aber nicht verschwiegen werden, dass der Stoff ein nicht geringes Mass an mathematischer Denkweise und Technik verlangt, also die Bereitschaft zur Auseinandersetzung damit erwartet wird.