Pott, Andreas; Hiller, Manfred; Myzaal, Ghalib:

Neue Datenreduktionstechnik für Bildsegmentierung und automatische Schwellwertbestimmung

In: Vorträge und Belegtexte zur Embedded Intelligence Band 1, Design & Elektronik,2002
Mechatronik Universität Duisburg (2002)
Buchaufsatz / Kapitel / Fach: Maschinenbau
Abstract:
Die Bildverarbeitung erlangt in der Technik einen zunehmend höheren Stellenwert, da sie in vielen Bereichen der Automatisierung angewendet werden kann und damit flexiblere Verfahren ermöglicht. Neben Text- und Symbolerkennungsaufgaben sind Anwendungen in Bereichen wie Handhabungssysteme (Positionieraufgaben), Qualitätssicherung (Risserkennung) aber auch Überwachungsaufgaben (Gesichtserkennung) möglich. Der Bilderkennungsprozess besteht aus drei Schritten: Segmentierung, Merkmalsextraktion und Kla ssifikation. Bei zahlreichen Segmentierungsverfahren spielt die Anzahl der verwendeten Grauwerte in Hinblick auf Speicher- und Rechenaufwand eine entscheidende Rolle. Die Graustufenanzahl der Bilder wird daher vor der Weiterverarbeitung so weit wie möglich abgesenkt, häufig wird binarisiert. Dabei besteht immer die Problematik, dass Bildinformationen verloren gehen können. Um ein Bild (Pixelebene) zu segmentieren, werden neue Techniken benötigt, die ein vorliegendes Grauwertbild (z.B. 256 Graustufen) auf eine geringere Graustufenanzahl reduzieren und die Klassif ikation damit erleichtern. Diese Forderung kann sinngemäß auch auf Farbbilder erweitert werden. Bei den bisher bekannten Verfahren zur Reduktion der Grauwertauflösung kommt es notwendigerweise zu einem merklichen Informationsverlust. Bei vielen einfachen Transformationen wird das Grauwertspektrum nach unterschiedlichen Aspekten in Intervalle zerlegt. Alle Grauwerte in diesen Intervallen werden dann auf einen einheitlichen Wert aus diesem Intervall gesetzt. Diese Verfahren berücksichtigen nur die statistischen Informationen, die aus dem Histogramm des Bildes abgeleitet sind. Infolge dessen gehen alle Bildinformationen, die innerhalb des gewählten Intervalls liegen, verloren. Daher muss es Ziel intelligenter Techniken sein, diesen Informationsverlust auf ein Minimum zu beschränken. Um den Informationsverlust zu verringern und die Graustufen passend umzuverteilen, sind zusätzliche Ortsinformationen der Grauwertverteilung im Bild nötig. Grauwertübergangsmatrizen (GLC = gray level cooccurence) sind als statistisches Maß für Ortsinformationen gut geeignet. Sie ermöglichen es, speziellere Aussagen darüber zu treffen, ob zwei verschiedene Grauwerte redundante oder relevante Informationen beinhalten und daher zusammengefasst werden können. Es werden zwei Verfahren vorgestellt, die sehr gute Ergebnisse bezüglich Datenreduktion bei geringem Informationsverlust bieten und eine umfassende Bildsegmentierung ermöglichen. Experimentell wurde festgestellt, dass das reduzierte Bild in einem Multi-Thresholding System verwendet werden kann. Die neuen Techniken wurden mit bekannten Verfahren verglichen.