Verbessertes maschinelles Sehen für die Formübereinstimmung
Normalerweise werden bei Arbeiten mit maschinellem Sehen zwei Ansätze benutzt: Bottom-Up oder Top-Down. Dennoch bestehen bei beiden Ansätzen noch "Grauzonen", da man beim Bottom-Up-Verfahren die Details häufig missachtet, während beim Top-Down-Ansatz viel Rechenarbeit notwendig ist. Aus diesem Grund bestand die Arbeit beim DSSCV-Projekt hauptsächlich in der gleichzeitigen Ausführung von Aufgaben des maschinellen Sehens auf allen Ebenen, was mithilfe der Scale-Space-bezogenen Tiefenstruktur von Bildern geschah. Dadurch kann eine Singularitätsstruktur der Bilder in mehreren Maßstäben die Aufgaben des maschinellen Sehens auf höchst elegante, robuste und effiziente Art ausführen. Insbesondere führte das Projekt zu einer Entwicklung von Theorie und Praxis in der singularitäts- und Scale-Space-Theorie sowie in der Algorithmik. Daraus ergeben sich effiziente Algorithmen für die Lösung von Aufgaben des maschinellen Sehens. Zu den wichtigsten Anwendungsgebieten dieser Algorithmen zählen Bilddatenbanken, medizinische Bildgebung und die Bildcodierung. Einer dieser entwickelten und eingeführten Algorithmen wurde bezüglich der Formenübereinstimmung auf der Grundlage eines Pre-Symmetry-Diagramms bewertet. Die Leistungsbewertung fand mittels einer Datenbank mit neunundneunzig Formen, die in elf Klassen unterteilt waren, statt. Die aktuelle Form des Übereinstimmungsalgorithmus' erwies sich nur dann als unfähig, wenn es um Probleme mit einer schweren Okklusion ging. Dennoch fand man heraus, dass die Symmetriesätze hilfreich bei der Formencharakterisierung und sehr effektiv bei der Formensuche sind. Deshalb eignet sich dieses Verfahren für die Abfrage in inhaltsbasierten Datenbanken. Weitere Informationen erhalten Sie unter: http://www1.itu.dk/sw1953.asp(öffnet in neuem Fenster)
