36
PROSEMINAR K.I. - BILDVERSTEHEN David Bräuer 15.06.2011

Proseminar K.I. - Bildverstehen

  • Upload
    rufina

  • View
    39

  • Download
    3

Embed Size (px)

DESCRIPTION

Proseminar K.I. - Bildverstehen. David 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 - PowerPoint PPT Presentation

Citation preview

Page 1: Proseminar K.I. - Bildverstehen

PROSEMINAR K.I. - BILDVERSTEHENDavid Bräuer

15.06.2011

Page 2: Proseminar K.I. - Bildverstehen

INHALT DES SEMINARS

1. Allgemeine Einführung

2. Vorgehensweise

3. Bildverarbeitung- 3.4 Kantenerkennung- 3.5 Segmentierung

4. Merkmale von Objekten

5.Anwendungsgebiete

Page 3: Proseminar K.I. - Bildverstehen

1. ALLGEMEIN EINFÜHRUNG

1.1 Begriff: Bildverstehen

1.2 Merkmale & Ziele

1.3 Beispiel: Abhängigkeit an Fragestellung

(1.4 Fragestellung an heutige Systeme)

Page 4: Proseminar K.I. - Bildverstehen

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“

Page 5: Proseminar K.I. - Bildverstehen

1.2 MERKMALE & ZIELE

Zählt zu einer der schwierigsten Teilgebiete der Informatik

Ausgehend der Fragestellung und des Bildes eine Beschreibung liefern

Komplexe Algorithmen

Page 6: Proseminar K.I. - Bildverstehen

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

Page 7: Proseminar K.I. - Bildverstehen

2. VORGEHENSWEISE

2.1 Modell der Bildanalyse nach Marr

2.2 Gesamtmodell der Bildanalyse nach Pinz

Page 8: Proseminar K.I. - Bildverstehen

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

Page 9: Proseminar K.I. - Bildverstehen

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

Page 10: Proseminar K.I. - Bildverstehen

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

Page 11: Proseminar K.I. - Bildverstehen

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

Page 12: Proseminar K.I. - Bildverstehen

3.1 ZIELE DER BILDVERARBEITUNG

- Bildverbesserung (Korrektur von Bildfehlern)

- Kantendetektion

- Segmentierung, Unterteilung in homogene Bereiche

- Erste Bildanalyse

Page 13: Proseminar K.I. - Bildverstehen

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

Page 14: Proseminar K.I. - Bildverstehen

3.3 HSV-FARBRAUM- Einfachere Verwendung als

RGB-Farbraum

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

Page 15: Proseminar K.I. - Bildverstehen

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

Page 16: Proseminar K.I. - Bildverstehen

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

Page 17: Proseminar K.I. - Bildverstehen

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

Page 18: Proseminar K.I. - Bildverstehen

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

Page 19: Proseminar K.I. - Bildverstehen

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

Page 20: Proseminar K.I. - Bildverstehen

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

Page 21: Proseminar K.I. - Bildverstehen

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!

Page 22: Proseminar K.I. - Bildverstehen
Page 23: Proseminar K.I. - Bildverstehen

3.4.1 KANTENVERDÜNNUNG

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

Page 24: Proseminar K.I. - Bildverstehen

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.:

Page 25: Proseminar K.I. - Bildverstehen

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

Page 26: Proseminar K.I. - Bildverstehen

3.5 SEGMENTIERUNG

- Unterteilung in Segmentierungsobjekte mit bestimmten Eigenschaften

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

- Bessere Aufteilung durch Kantenerkennung

Page 27: Proseminar K.I. - Bildverstehen

3.5 SEGMENTIERUNG

Bild mit 5 Segmenten getrennt durch Grauwertunterscheidung

Page 28: Proseminar K.I. - Bildverstehen

3.5 SEGMENTIERUNG

Verfahren zur Segmentierung:

• Punktorientierte Verfahren

• Kantenorientierte Verfahren

• Regionenorientierte Verfahren

• Regelbasierte Verfahren

Page 29: Proseminar K.I. - Bildverstehen

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

Page 30: Proseminar K.I. - Bildverstehen

4. MERKMALE VON OBJEKTEN

4.1 Fläche eines Segments

4.2 Umfang eines Segments

Page 31: Proseminar K.I. - Bildverstehen

4. MERKMALE VON OBJEKTEN

- Interpretationsverfahren notwendig

- Merkmale beschreiben Charakteristik der Segmente

- Segmente müssen bekannt sein

- Berechnung verschiedener Werte der Segmente

Page 32: Proseminar K.I. - Bildverstehen

4. MERKMALE VON OBJEKTEN

Bild

Segmente

Merkmale

Objekte

Page 33: Proseminar K.I. - Bildverstehen

4.1 FLÄCHE EINES SEGMENTS

- 2 Verfahren zur Berechnung:

• Zählen der Pixel

• Gauß‘sche Flächenformel

Page 34: Proseminar K.I. - Bildverstehen

4.2 UMFANG EINES SEGMENTS

- Auch hier 2 Möglichkeiten

• Abzählen der Randpixel

• Freemancode

Page 35: Proseminar K.I. - Bildverstehen

5. ANWENDUNGSGEBIETE

- Zeichenerkennung

- Qualitätsprüfung in der Indutrie

- Medizinische Bildanalyse

- Luftaufnahmen

- Fahrzeugsteuerung

- Gesichtserkennung

Page 36: Proseminar K.I. - Bildverstehen

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