Bildverstehen

ISBN-13: 9783211825716 / Niemiecki / Miękka / 1994 / 235 str.

Axel Pinz

Opis

Bildverstehen, Bilder und die ihnen zugrundeliegenden Szenen mit den darin vorkommenden Objekten verstehen und beschreiben, das bedeutet aus der Sicht der Informatik: Sehen mit dem Computer - Computer Vision . Das Buch behandelt neben wichtigen Merkmalen des menschlichen visuellen Systems auch die notigen Grundlagen aus digitaler Bildverarbeitung und aus kunstlicher Intelligenz. Im Zentrum steht die schrittweise Entwicklung eines neuen Systemmodells fur Bildverstehen, anhand dessen verschiedene "Abstraktionsebenen" des maschinellen Sehens, wie Segmentation, Gruppierung auf Aufbau einer Szenenbeschreibung besprochen werden. Das Buch bietet ausserdem einen Uberblick uber gegenwartige Trends in der Forschung sowie eine sehr aktuelle und ausfuhrliche Bibliographie dieses Fachgebietes. Es liegt hiermit erstmalig eine abgeschlossene, systematische Darstellung dieses noch jungen und in dynamischer Entwicklung begriffenen Fachgebietes vor."

Spis treści

1 Einleitung.- 1.1 An den Leser.- 1.2 Zum Aufbau des Buches.- 1.3 Der Begriff „Bildverstehen“.- 2 Über das Sehen.- 2.1 Neurophysiologie.- 2.1.1 Nervenzelle und Gehirn.- 2.1.2 Das Auge.- 2.1.3 Optische Reizleitung im Gehirn.- 2.1.4 Die ersten Verarbeitungsschritte.- 2.1.5 Zusammenfassung.- 2.2 Perzeptive und Kognitive Psychologie.- 2.2.1 Bottom-Up Gruppierung.- 2.2.2 Form und Organisation.- 2.2.3 Die dritte Dimension.- 2.2.4 Links — Rechts.- 2.3 Die Informationsverarbeitungs-Sicht.- 2.4 Zusammenfassende Beobachtungen.- 2.5 Bibliographie.- 3 Grundlagen aus digitaler Bildverarbeitung und Mustererkennung.- 3.1 Das digitale Rasterbild.- 3.1.1 Abt ast verfahren.- 3.1.2 Quantisierung.- 3.1.3 Bildformate, Multibilder.- 3.1.4 Nachbarschaft.- 3.1.5 Farbmodelle.- 3.2 Bildvorverarbeitung.- 3.3 Erste Bildanalyseschritte: Das Histogramm.- 3.4 Bilder in neue Bilder überführen: Filteroperationen und Transformationen.- 3.5 Punktoperationen.- 3.5.1 Kontrastveränderungen.- 3.5.2 Schwellwertoperationen.- 3.5.3 Look-Up-Tabellen.- 3.5.4 Punktoperationen mit mehreren Bildern.- 3.5.5 Histogramm-Verebnung.- 3.6 Faltung.- 3.6.1 Der Rand des Bildes.- 3.6.2 Beispiele zur Faltung.- 3.7 Lokale Operationen.- 3.7.1 Faltung mit lokalen Fensteroperationen.- 3.7.2 Andere lokale Fensteroperationen.- 3.8 Morphologische Operationen.- 3.9 Globale Operationen.- 3.9.1 Fouriertransformation.- 3.9.2 Andere globale Operationen.- 3.10 Bildpyramiden.- 3.10.1 Gaußpyramide.- 3.10.2 Laplacepyramide.- 3.10.3 Anwendungen von Pyramiden.- 3.10.4 Zusammenfassung.- 3.11 Von Pixeln zu Merkmalen.- 3.11.1 Der Merkmalsraum.- 3.11.2 Klassifikation im Merkmalsraum.- 3.12 Bibliographie.- 4 Grundlagen aus Artificial Intelligence.- 4.1 Produktionssysteme (PS).- 4.1.1 Die Problemlösung im PS.- 4.1.2 Prädikatenlogik erster Ordnung, Prolog.- 4.2 Expertensysteme.- 4.3 Repräsentation ? Beschreibung.- 4.4 Wissensrepräsentation.- 4.4.1 Semantische Netze.- 4.4.2 Frames.- 4.5 Funktionale Programmierung, LISP.- 4.6 Neurale Netzwerke (Konnektionismus).- 4.6.1 Allgemeines Modell für ein Neurales Netz.- 4.6.2 Beispiele häufig verwendeter Netzwerkmodelle.- 4.6.3 Ein Netzwerk zur Bildinterpretation.- 4.7 Bibliographie.- 5 Ein Systemmodell für Bildverstehen.- 5.1 Repräsent ationsebenen.- 5.2 Prozesse.- 5.3 Kontrolle und Auswahl.- 5.4 Das vollständige Modell.- 6 Segmentation: Vom Bild zu Bildobjekten.- 6.1 „Token“ und „Tokenset“.- 6.2 Flächenbasierte Segmentation.- 6.2.1 Schwellwerte Setzen (‘Histogram Thresholding’).- 6.2.2 ‘Region Growing’.- 6.2.3 ‘Split’ und ‘Merge’.- 6.2.4 ‘Blobs’ und ‘Scale Space’.- 6.2.5 Beispiel für ein ‘constellation’ Token ..- 6.3 Kantenbasierte Segmentation.- 6.3.1 Repräsentation von Kanten, Linien und Kurven.- 6.3.2 Gradienten und ‘Zero-Crossings’.- 6.3.3 Beispiele (Sobel, DoG und Canny).- 6.3.4 2D Modelle.- 6.4 Kombinieren und Einschränken.- 6.5 Token Merkmale.- 6.5.1 2D Formmerkmale.- 6.5.2 Andere Merkmale.- 6.5.3 Invarianz.- 7 Von „Tokens“ zu symbolischer Repräsentation.- 7.1 Gruppierung, Constraints.- 7.2 2D Szenenbeschreibung.- 7.2.1 Das Schema System.- 7.2.2 Neurale Netze in der Fernerkundung.- 7.3 „Shape from X“.- 7.4 3D Formbeschreibungen.- 7.5 Objektrepräsentation in Frames.- 8 Verstehen.- 8.1 Matching.- 8.1.1 Image-Matching, Template-Matching.- 8.1.2 Klassifikation.- 8.1.3 Relational Distance Matching.- 8.2 Kontrolle.- 8.3 Lernen.- 9 Epilog.- 9.1 Fusion und ‘Active Fusion’.- 9.2 Fusion in Medizin und Fernerkundung.- 9.2.1 Diagnose und Therapie der altersbedingten Makuladegeneration.- 9.2.2 Klassifikation von Satellitenbildern.- A KBVision.