Proseminar K.I. - Bildverstehen

PROSEMINAR K.I. - BILDVERSTEHENDavid Bräuer

15.06.2011

INHALT DES SEMINARS

1. Allgemeine Einführung

2. Vorgehensweise

3. Bildverarbeitung- 3.4 Kantenerkennung- 3.5 Segmentierung

4. Merkmale von Objekten

5.Anwendungsgebiete

1. ALLGEMEIN EINFÜHRUNG

1.1 Begriff: Bildverstehen

1.2 Merkmale & Ziele

1.3 Beispiel: Abhängigkeit an Fragestellung

(1.4 Fragestellung an heutige Systeme)

1.1 BEGRIFF: BILDVERSTEHEN

(engl. „image understanding“, „computer vision“)

Visuelle Informationen analysieren und interpretieren (z.B. Bild[er])

Def.: „Bildverstehen ist die Rekonstruktion und Deutung einer Szene anhand von Bildern“

1.2 MERKMALE & ZIELE

Zählt zu einer der schwierigsten Teilgebiete der Informatik

Ausgehend der Fragestellung und des Bildes eine Beschreibung liefern

Komplexe Algorithmen

1.3 BEISPIEL: ABHÄNGIGKEIT AN FRAGESTELLUNG

1. Geschehen

- Person geht zum PKW

2. Objekte

- 1 Person, 1 PKW

3. Grundformen

- 24 Strecken, 5 Kreise

4. Bildtyp

- Binärbild

Erklärung hängt von Fragestellung ab

2. VORGEHENSWEISE

2.1 Modell der Bildanalyse nach Marr

2.2 Gesamtmodell der Bildanalyse nach Pinz

2.1 MODELL DER BILDANALYSE NACH MARR

- Enthält alle relevanten Informationen

- Reduziert die große Datenmenge sinnvoll

z.B. Kanten, Elemente

- Tiefeninformation, Form- und Geometriekonstruktion

- Schlüsse über verdeckte Teile ziehen, Szenenbeschreibung

2.2 GESAMTMODELL DER BILDANALYSE NACH PINZWelt: Objekte mit

physikalischen Eigenschaften

Szene: 3D-Ausschnitt der Welt zu einem bestimmten Zeitpunkt

Bild: 2D-Projektion der Szene

Bildbeschreibung: beschreibt Segmente und Kanten

Szenenbeschreibung: interpretiert Informationen aus Bildbeschreibung

Weltbeschreibung: je nach Fragestellung wird das Bild beschrieben

2.2 GESAMTMODELL DER BILDANALYSE NACH PINZSzenenauswahl: Was/Wann soll

betrachtet werden

Aufnahme: Wie soll betrachtet werden

Bildsegmentierung: Bildver-besserung, erkennen v. Kanten

Bildanalyse:gruppieren einfacher geometrischer Objekte

Höhere Bilddeutung: Bewegungsabläufe

Interaktion: Veränderung der Umwelt durch System

3. BILDVERARBEITUNG

3.1 Ziele der Bildverarbeitung

3.2 Operationen

3.3 HSV-Farbraum

3.4 Kantenerkennung- 3.4.1 Kantenverdünnung- 3.4.2 Skelettierung

3.5 Segmentierung- 3.5.1 Punkorientierte Verfahren

3.1 ZIELE DER BILDVERARBEITUNG

- Bildverbesserung (Korrektur von Bildfehlern)

- Kantendetektion

- Segmentierung, Unterteilung in homogene Bereiche

- Erste Bildanalyse

3.2 OPERATIONEN- Punktoperation

• Bildpunkt des Eingabebilds wird zu einem Bildpunkt des Ausgabebilds

- Lokale Operationen• Bildpunkte um einen Punkt werden zu einem Bildpunkt

des Ausgabebilds

- Globale Operationen• Alle Bildpunkte werden zu einem Bildpunkt des

Ausgabebilds

3.3 HSV-FARBRAUM- Einfachere Verwendung als

RGB-Farbraum

- Hue (Farbwert)- Saturation (Sättigung)- Value (Helligkeit)

3.3 HSV-FARBRAUM

Vorteil gegenüber dem RGB-Farbraum macht sich wie

folgt deutlich:

R: 35 H: 100G: 165 S: 166B: 81 V: 100

R: 145 H: 100G: 255 S: 255B: 184 V: 200

R: 124 H: 100G: 186 S: 79B: 146 V: 155

R: 21 H: 100G: 219 S: 210B: 92 V: 120

R: 56 H: 100G: 84 S: 51B: 66 V: 70

3.4 KANTENERKENNUNG

30 30 30 60 60 60 6030

30 30 30 60 60 60 6030

30 30 30 60 60 60 6030

30 30 30 60 60 60 6030

30 30 30 60 60 60 6030

30 30 30 60 60 60 6030

-1 00

4 -1-1

-1 00

3.4 KANTENERKENNUNG

30 30 30 60 60 60 6030

30 30 30 60 60 60 6030

30 30 30 60 60 60 6030

30 30 30 60 60 60 6030

30 30 30 60 60 60 6030

30 30 30 60 60 60 6030

-1 00

4 -1-1

-1 00

Berechnung:

0*30 + (-1)*30 + 0*30 + (-1)*30 + 4*30 + (-1)*30 + 0*30 + (-1)*30 + 0*30

0 + -30 + 0 + -30 + 120 + -30 + 0 + -30 + 0= 0

3.4 KANTENERKENNUNG

30 30 30 60 60 60 6030

30 30 30 60 60 60 6030

30 0 30 60 60 60 6030

30 30 30 60 60 60 6030

30 30 30 60 60 60 6030

30 30 30 60 60 60 6030

3.4 KANTENERKENNUNG

30 30 30 60 60 60 6030

30 30 30 60 60 60 6030

30 0 -3060 60 60 6030

30 30 30 60 60 60 6030

30 30 30 60 60 60 6030

30 30 30 60 60 60 6030

3.4 KANTENERKENNUNG

30 30 30 60 60 60 6030

30 30 30 60 60 60 6030

30 0 -3030 0 60 6030

30 30 30 60 60 60 6030

30 30 30 60 60 60 6030

30 30 30 60 60 60 6030

3.4 KANTENERKENNUNG

0 0 -3030 0 0 00

0 0 -3030 0 0 00

0 0 -3030 0 0 00

0 0 -3030 0 0 00

0 0 -3030 0 0 00

0 0 -3030 0 0 00

Kante gefunden!

3.4.1 KANTENVERDÜNNUNG

Entfernen der doppelten und mehrfachen Bildpunkte auf einer Zeile oder Spalte. Gut geeignet für Segmentierung

3.4.2 SKELETTIERUNG- Algorithmus von Lü und Wang- 3x3 – Maske wird auf Matrix gelegt- P ist der zu überprüfende Punkt

P1 P2 P3

P8 P P4

P7 P6 P5

0 0 1

0 1 1

1 1 0

Bsp.:

3.4.2 SKELETTIERUNG

0 0 0 0 0

0 1 1 1 0

0 1 1 1 0

0 0 1 0 0

0 0 1 0 0

0 1 1 1 0

0 1 1 1 0

0 0 0 0 0

0 0 0 0 0

0 0 0 0 0

0 0 1 0 0

0 0 1 0 0

0 0 1 0 0

0 0 1 0 0

0 0 0 0 0

0 0 0 0 0

0

0

0

0

1

1

0

1

1

A(P) = 1B(P) = 3

=> Punkt löschen

3.5 SEGMENTIERUNG

- Unterteilung in Segmentierungsobjekte mit bestimmten Eigenschaften

- Unterteilung erfolgt anhand des Grauwerts, Textur o.ä. (Homogenitätskriterium)

- Bessere Aufteilung durch Kantenerkennung

3.5 SEGMENTIERUNG

Bild mit 5 Segmenten getrennt durch Grauwertunterscheidung

3.5 SEGMENTIERUNG

Verfahren zur Segmentierung:

• Punktorientierte Verfahren

• Kantenorientierte Verfahren

• Regionenorientierte Verfahren

• Regelbasierte Verfahren

3.5.1 PUNKTORIENTIERTE VERFAHREN- Ob ein Bildpunkt zu einem Segment gehört hängt

von Grauwert oder Farbe ab

- Schwellwertverfahren einfaches Mittel zur Bildsegmentierung

- Ausgabe ist in dem Falle ein Binärbild

4. MERKMALE VON OBJEKTEN

4.1 Fläche eines Segments

4.2 Umfang eines Segments

4. MERKMALE VON OBJEKTEN

- Interpretationsverfahren notwendig

- Merkmale beschreiben Charakteristik der Segmente

- Segmente müssen bekannt sein

- Berechnung verschiedener Werte der Segmente

4. MERKMALE VON OBJEKTEN

Bild

Segmente

Merkmale

Objekte

4.1 FLÄCHE EINES SEGMENTS

- 2 Verfahren zur Berechnung:

• Zählen der Pixel

• Gauß‘sche Flächenformel

4.2 UMFANG EINES SEGMENTS

- Auch hier 2 Möglichkeiten

• Abzählen der Randpixel

• Freemancode

5. ANWENDUNGSGEBIETE

- Zeichenerkennung

- Qualitätsprüfung in der Indutrie

- Medizinische Bildanalyse

- Luftaufnahmen

- Fahrzeugsteuerung

- Gesichtserkennung

ENDE DER PRÄSENTATION

Quellen

Buch „Bildanalyse“ von Dr. Johannes Steinmüller ISBN 978-3-540-79742-5

http://www.uni-forst.gwdg.de/~wkurth/bia09_v01.doc

http://www.rn-wissen.de/index.php/Bildverarbeitung_Tutorial

http://www.kreissl.info/bilderkennung.php

http://www-gs.informatik.tu-cottbus.de/bia_v08.pdf