Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

P ROSEMINAR K.I. - B ILDVERSTEHEN David Bräuer 15.06.2011.

Ähnliche Präsentationen


Präsentation zum Thema: "P ROSEMINAR K.I. - B ILDVERSTEHEN David Bräuer 15.06.2011."—  Präsentation transkript:

1 P ROSEMINAR K.I. - B ILDVERSTEHEN David Bräuer

2 I NHALT DES S EMINARS 1. Allgemeine Einführung 2. Vorgehensweise 3. Bildverarbeitung 3.4 Kantenerkennung 3.5 Segmentierung 4. Merkmale von Objekten 5.Anwendungsgebiete

3 1. A LLGEMEIN E INFÜHRUNG 1.1 Begriff: Bildverstehen 1.2 Merkmale & Ziele 1.3 Beispiel: Abhängigkeit an Fragestellung (1.4 Fragestellung an heutige Systeme)

4 1.1 B EGRIFF : B ILDVERSTEHEN (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

5 1.2 M ERKMALE & Z IELE Zählt zu einer der schwierigsten Teilgebiete der Informatik Ausgehend der Fragestellung und des Bildes eine Beschreibung liefern Komplexe Algorithmen

6 1.3 B EISPIEL : A BHÄNGIGKEIT AN F RAGESTELLUNG 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

7 2. V ORGEHENSWEISE 2.1 Modell der Bildanalyse nach Marr 2.2 Gesamtmodell der Bildanalyse nach Pinz

8 2.1 M ODELL DER B ILDANALYSE NACH M ARR Enthält alle relevanten Informationen Reduziert die große Datenmenge sinnvoll z.B. Kanten, Elemente Tiefeninformation, Form- und Geometriekonstruktion Schlüsse über verdeckte Teile ziehen, Szenenbeschreibung

9 2.2 G ESAMTMODELL DER B ILDANALYSE NACH P INZ Welt: 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

10 2.2 G ESAMTMODELL DER B ILDANALYSE NACH P INZ Szenenauswahl: 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

11 3. B ILDVERARBEITUNG 3.1 Ziele der Bildverarbeitung 3.2 Operationen 3.3 HSV-Farbraum 3.4 Kantenerkennung Kantenverdünnung Skelettierung 3.5 Segmentierung Punkorientierte Verfahren

12 3.1 Z IELE DER B ILDVERARBEITUNG Bildverbesserung (Korrektur von Bildfehlern) Kantendetektion Segmentierung, Unterteilung in homogene Bereiche Erste Bildanalyse

13 3.2 O PERATIONEN 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

14 3.3 HSV-F ARBRAUM Einfachere Verwendung als RGB-Farbraum Hue (Farbwert) Saturation (Sättigung) Value (Helligkeit)

15 3.3 HSV-F ARBRAUM Vorteil gegenüber dem RGB-Farbraum macht sich wie folgt deutlich: R: 35 H: 100 G: 165 S: 166 B: 81 V: 100 R: 145 H: 100 G: 255 S: 255 B: 184 V: 200 R: 124 H: 100 G: 186 S: 79 B: 146 V: 155 R: 21 H: 100 G: 219 S: 210 B: 92 V: 120 R: 56 H: 100 G: 84 S: 51 B: 66 V: 70

16 3.4 K ANTENERKENNUNG

17 3.4 K ANTENERKENNUNG Berechnung: 0*30 + (-1)*30 + 0*30 + (-1)*30 + 4*30 + (-1)*30 + 0*30 + (-1)*30 + 0* = 0

18 3.4 K ANTENERKENNUNG

19 3.4 K ANTENERKENNUNG

20 3.4 K ANTENERKENNUNG

21 3.4 K ANTENERKENNUNG Kante gefunden!

22

23 3.4.1 K ANTENVERDÜNNUNG Entfernen der doppelten und mehrfachen Bildpunkte auf einer Zeile oder Spalte. Gut geeignet für Segmentierung

24 3.4.2 S KELETTIERUNG Algorithmus von Lü und Wang 3x3 – Maske wird auf Matrix gelegt P ist der zu überprüfende Punkt P1P1 P2P2 P3P3 P8P8 P P4P4 P7P7 P6P6 P5P Bsp.:

25 3.4.2 S KELETTIERUNG A(P) = 1 B(P) = 3 => Punkt löschen

26 3.5 S EGMENTIERUNG Unterteilung in Segmentierungsobjekte mit bestimmten Eigenschaften Unterteilung erfolgt anhand des Grauwerts, Textur o.ä. (Homogenitätskriterium) Bessere Aufteilung durch Kantenerkennung

27 3.5 S EGMENTIERUNG Bild mit 5 Segmenten getrennt durch Grauwertunterscheidung

28 3.5 S EGMENTIERUNG Verfahren zur Segmentierung: Punktorientierte Verfahren Kantenorientierte Verfahren Regionenorientierte Verfahren Regelbasierte Verfahren

29 3.5.1 P UNKTORIENTIERTE V ERFAHREN 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

30 4. M ERKMALE VON O BJEKTEN 4.1 Fläche eines Segments 4.2 Umfang eines Segments

31 4. M ERKMALE VON O BJEKTEN Interpretationsverfahren notwendig Merkmale beschreiben Charakteristik der Segmente Segmente müssen bekannt sein Berechnung verschiedener Werte der Segmente

32 4. M ERKMALE VON O BJEKTEN Bild Segmente Merkmale Objekte

33 4.1 F LÄCHE EINES S EGMENTS 2 Verfahren zur Berechnung: Zählen der Pixel Gaußsche Flächenformel

34 4.2 U MFANG EINES S EGMENTS Auch hier 2 Möglichkeiten Abzählen der Randpixel Freemancode

35 5. A NWENDUNGSGEBIETE Zeichenerkennung Qualitätsprüfung in der Indutrie Medizinische Bildanalyse Luftaufnahmen Fahrzeugsteuerung Gesichtserkennung

36 E NDE DER P RÄSENTATION Quellen Buch Bildanalyse von Dr. Johannes Steinmüller ISBN


Herunterladen ppt "P ROSEMINAR K.I. - B ILDVERSTEHEN David Bräuer 15.06.2011."

Ähnliche Präsentationen


Google-Anzeigen