DE2050924A1 - Verfahren und Vorrichtung zum Vorbe handeln der in einem Bild enthaltenen In formation - Google Patents
Verfahren und Vorrichtung zum Vorbe handeln der in einem Bild enthaltenen In formationInfo
- Publication number
- DE2050924A1 DE2050924A1 DE19702050924 DE2050924A DE2050924A1 DE 2050924 A1 DE2050924 A1 DE 2050924A1 DE 19702050924 DE19702050924 DE 19702050924 DE 2050924 A DE2050924 A DE 2050924A DE 2050924 A1 DE2050924 A1 DE 2050924A1
- Authority
- DE
- Germany
- Prior art keywords
- image
- pattern
- points
- measurement results
- features
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/757—Matching configurations of points or features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/24—Character recognition characterised by the processing or recognition method
- G06V30/248—Character recognition characterised by the processing or recognition method involving plural approaches, e.g. verification by template match; Resolving confusion among similar patterns, e.g. "O" versus "Q"
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Image Analysis (AREA)
Description
4··■";■:■ ,-■» ϊ!23 München, den ··*>
1Q
·. · ■ , ,jt .t. ^.jj 48 ^ 549
WESTINGHOUSE ELECTRIC CORPORATION, Pittsburgh, Pa., 7.St.A,
Verfahren und Vorrichtung zum Vorbehandeln der in
einem DiI-I enthaltenen Information *
Die Erfindung betrifft ein Verfahren zum Vorbehandeln der in
einem Bild enthaltenen Γη f or;t; a t ion zwecks t-:inor Inuncj f-unos
möglicherweise in diesem Bild '/orhandenen Must€?rs in eine
Menge von nach Klassen eingeteilten Bezugsmustern, so'vie eine Vorrichtung zur Ausführung lieses Verfahrens.
Die Erfindung befaßt si.ch also mit 1er iu torn at ischen Mustererkennung,
die a Ls die Fähigkeit einer Maschine definiert: \
'verden kann, aus einem BlLI selbsttätig genügend Inf oma t Lon
zu entnehmen, um zu bestimmen, ob in den HiL] enthaltene
Muster einer aus mindestens einer I Lasse bestehenden Menge
von Muiiterk Lassen, die vorher in die Maschine oingegebcn
'vurien, entsprechen.
rjr.t.er funern BiLd wird hierbei ein fiesichtsfeLd verstanden,
d. h. eine Menge von einem oder mehreren Fühlern beobachteter
Erscheinungen. BeispieLsveise ist ein Bild eine zwei 1 imensio-
109818/1888 bad original
-P-
nale Darstellung, die von lichtempfindlichen Vorrichtungen
abgeleitet ist (z. B. optischen Abtastern, die auf reflektiertes Licht ansprechen, oder fotografischen Geräten wie
Kameras) ; die zweidimensionale Darstellung kann auch von
Infrarotstrahlen herrühren oder auf dem Schirm einer Kathodenstrahlröhre
in Abhängigkeit von elektrischen Signalen erscheinen
usv.
Ein Bild kann ein oder-mehrere Muster enthalten, muß es aber
ψ nicht. Ein Muster entspricht beispielsweise einer oder mehreren
Figuren, Gegenständen oder Zeichen innerhalb des Bildes.
Die Aufgabe der Mustererkennungsvorrichtungen ist es allgemein,
die beobachteten Phänomene bestimmten Klassifikationen
zuzuordnen. Der Stand der Technik auf diesem Gebiet ergibt sich aus dem Aufsatz "State of the Art in Pattern Recognition"
von Magy in Proc. of the IEEE, Vol. 56, Nr. 5, Mai 1968,
Seite 8.36 bis 862, mit ausgezeichneter Bibliographie.
Die vorliegende Erfindung befaßt sich vor allem mit der Erkennung bestimmter Muster in zweü imensionalen Darstellungen,
darunter Bildern, deren BiIdelernente einen gewissen Bereich
«/on Intensitätswerten umfassen, z. B. Luftaufnahmen, Fernsehraster,
gedruckter Text usw., sowie Signalverläufe und Diagramme, ist aber nicht auf solche zweidimensional Darstellungen
beschränkt. Bei der automatischen Zuordnung bestimmter Klassifikationen zu beobachteten Phänomenen werden
109818/1883
-3-
BAD ORIGINAL
nanezu in jeder Mustererkennungsvorrichtung zwei aufeinanderfolgende
Schritte durchlaufen. Der erste dieser Schritte besteht in der Ableitung einer Menge spezifischer Merkmale
■zier Meßergebnisse, welche die Trennung der verschiedenen
interessierenden Musterklassen möglich machen, aus den beobachteten Phänomenen. Ei η"Merkmal" besteht einfach aus
einem oder mehreren meßbaren Parametern einer beobachteten Eigenschaft innerhalb eines Musters und ist demgemäß synonym
mit "Meßergebnis" in dem Sinne, daß jedes Meßergebnis eine Gruppe von Meßgrößen umfassen kann, welche bestimmte von Λ
Fühlern beobachtete Eigenschaften wiedergeben. Der zweite
Schritt besteht in der eigentlichen Klassifikation durch
Vergleich der aus den Beobachtungen erhaltenen Meßergebnisse
oder Merkmale mit einer Bezugsmenge solcher Merkmale für jede der aufgestellten Klassen.
Wenn man versucht, bestimmte Muster in bildlichen Darstellungen zu erkennen, ist es häufig wichtig, eine selbsttätige
Ortung und Klassifikation unabhängig von solchen Faktoren
durchzuführen, wie die Lage eines Musters in der Gesamtdarstellung,
Orientierung des Musters relativ zu den Rändern bzw. der allgemeinen Richtung des Bildes, Bildmaßstab und
in manchen Fällen auch Vorhandensein von Ueberdeckungs- oder Stcrfaktoren einschließlich Rauschen. Die bisher bekanntgewordenen
Verfahren zur Mustererkennung unabhängig von mehreren dieser Faktoren haben sich nicht als völlig erfolgreich erwiesen
oder waren mindestens so kompliziert, daß das ge-
109818/1888
„4-
wünschte Ziel der selbsttätigen Erkennung, nämlich der
wirksamen Auswahl der kennzeichnenden Merkmale und der ordentlichen Lösung des Erkennungsproblems, praktisch .ni cht.
erreicht werden konnte.
Die vorliegende Erfindung befaßt sich mit dem ersten der
erwähnten Schritte, also dem Vorbehandeln der beobachteten Phänomene derart, daß eine zur Klassifizierung brauchbare
Menge von Merkmalen aus dem vorgelegten Bild gewonnen wird.
Aufgabe der Erfindung ist es, ein solches Verfahren bereitzustellen,
das die zur Klassifizierung geeigneten Merkmale unabhängig von Lage, Richtung, Maßstab und/oder teilweiser
Ueberdeckumg der interessierenden Muster liefert.
Dies wird erfindungsgemäß dadurch erreicht, daß eine Gruppe
derjenigen Bildpunkte, die als wesentliche Informationsträger in Frage kommen, zur weiteren Untersuchung ausgewählt
wird, daß Meßergebnisse hinsichtlich der ausgewählten Bildpunkte
unabhängig von Orientierung, Maßstab und Lage eines etwa einem solchen Punkt zugeordneten Musters gewonnen werden
und daß als Merkmale dieses Musters die Meßergebnisse zusamnen
mit zur Bestimmung der gegenseitigen geometrischer. Anordnung der ausgewählten Bildpunkte ausreichenden Dater:
zum Vergleich mit entsprechend bestimmten Merkmalen der einzelnen'
Bezugs-Musterklassen gewonnen werden.
109818/1888
-v
BAD ORIGINAL
xj ■■ ■ -. .
Im einzelnen wird eine Anzahl von Merkmalen einem zweidimensionalen
Bild entnommen, um in dem Bild enthaltene Muster gemMß der Korrespondenz zwischen den entnommenen
Merkmalen und entsprechenden Bezugsmerkmalen klassifizieren
zu können, wobei die den einzelnen Klassen zukommenden Bezugsmerkmale vorher aus bekannten Mustern entnommen wurden.
Zur Entnahme der Merkmale werden zunächst die Meßergebnisse beobachteter Eigenschaften des Bildes in der Umgebung zweier
oder mehrerer festgelegter Bildpunkte herangezogen, wobei diese Meßergebnisse so gewählt sind, daß sie invariant, %
d. h. unabhängig von Orientierung, Maßstab und Lage des Meßmusters in dem Bild sind. -Diese Meßergebnisse bilden
zusammen mit den Daten über die relative Lage der ausgewählten Punkte die Merkmale, die zur Mustererkennung dienen.
Bei der Vorbehandlung der in dem betreffenden Bild enthaltenen
Information ist zunächst eine Entscheidung'zu treffen,
welche Punkte innerhalb des Bildes zur Weiterbehandlung besonders geeignet sind. Solche Bildpunkte können irgendwo ä
in dem Bild vorhanden sein. Jedes Bild besteht aus einer ungeheuer großen Menge von Punkten, die theoretisch alle
als Bildpunkte für die Weiterbehandlung in Frage kommen kennten. In Wirklichkeit scheiden jedoch zahlreiche Bildpunkte
aus praktischen Gründen aus, weil sie keine wesentliche Information tragen, so daß die Anzahl der zur Weiterbehandlung
geeigneten Punkte um mehrere Größenordnungen geringer ist. Es müssen also Auswahlkriterien aufgestellt
109818/1888 _6_
werden, um diejenigen Punkte des Bildes bestimmen zu können,
die als Bildpunkte für die Weiterbehandlung ausgewählt werden
sollen. Diese Kriterien sind so gewählt, daß nur diejenigen Punkte als Bildpunkte im engeren Sinne ausgewählt werden,
die eine möglichst große Informationsmenge hinsichtlich einer oder mehrerer Eigenschaften des Bildes liefern. Dies
kommt darauf hinaus, daß die auszuwählenden Bildpunkte aus dem Durchschnitt herausragen bzw. singular sind und daß
sie einen erheblichen Informationswert besitzen. Es handelt
sich also um verhältnismäßig selten anzutreffende Punkte,
die gerade deshalb wesentliche Informationen liefern. Die Auswahl der Bildpunkte wird somit durch den Wunsch gelenkt,
eine erhebliche Verringerung der verfügbaren In°ormationsmenge
zu erzielen, ohne daß die Fähigkeit geopfert wird, die
in dem Bild vorhandenen Muster mit merklichem Genauigkeitsgrad zu erkennen. Die Auswahl der Bildpunkte ist insoweit
willkürlich, als die Wahl rieht auf eine bestimmte Ei<jensch"\ί t
der beobachteten Phänomene beschränkt ist, sondern vorzugsweise von \7irtschaf tlichkei tsbetrachtungen hinsichtlich der1
Weiterverarbeitung und der bestmöglichen Unterscheidung
zwischen verschiedenen Merkmalen gelenkt wird. Beispielsweise
bilden Punkte, die sich am Ende von Linien oder Kanten einer Figur, eines Gegenstandes, eines Schriftzeichens od. dgl.
in einem gegebenen Bild befinden oder an Kreuzungspunkten von Linien des Bildes liegen, solche aus der Masse herausragenden
und bevorzugt auszuwählenden Bildpunkte. Auch außergewöhnliche Farbabstufungen bzw. Abstufungen der GrausVala
können theoJSAscJi*BilSjftmkte ergeben, die erhebliche
BAD ORiGINAL
verwertbare Informationsmengen tragen, aber in der Praxis
sind solche Bildeigenschaften nicht immer ausreichend
bedeutungsvoll, da z. B. in Fotografien starke Schwankungen der Beleuchtung und der Farbe nit der Tageszeit auftreten.
Nach der Auswahl dieser Bildpunkte, deren Anzahl mindestens teilweise von der Kompliziertheit des betrachteten Bildes
abhängt, werden die Punkte zu je zweien oder mehr kombiniert, die geometrischen Beziehungen der Punkte werden festgestellt
und die beobachteten Eigenschaften zu diesen geometrischen ™
Angaben in Beziehung gesetzt. Die beobachteten Eigenschaften
bilden zusammen mit der gegenseitigen Anordnung der Bildpunkte die aus dem Bild zu entnehmenden Merkmale, und zwar
können diese Merkmale so gewählt werden, daß sie hinsichtlich des Maßstabs, der Orientierung und der Lage irgendwelcher
Muster, mit denen sie vielleicht verknüpft sind, invariant sind. Beispielsweise hat eine von einem Bildpunkt
ausgehende Linie in einem bestimmten Muster eine Orientierung, die invariant hinsichtlich einer gedachten Linie ist, welche |
diesen Bildpunkt mit einem zweiten Bildpunkt in dem gleicher: Muster verbindet, unabhängig von Lage, Orientierung oder
Maßstab des Musters in dem Bild. Andererseits sind Orientierung
und Maßstab der gedachten Verbindungslinie der beiden BiIdpuhkte
unmittelbar mit der Orientierung und dem Maßstab ics
Musters, zu dem die Linie gehört, verknüpft. Ferner haben die Linien, welche andere Paare von Bildpunkten im gleichen
Muster verbinden, eine feste Orientierung und einen festen
109818/1888
BAD
Maßstab hinsichtlich der ersten Linie, unabhängig von
Orientierung und Maßstab des Musters im Bild. Von diesen
Tatsachen wird Gebrauch gemacht, um eine Menge beobachteter Bildmerkmale mit entsprechenden Mengen von Bezugsmerkmalen
zu vergleichen, wobei jede dieser in der Maschine gespeicherten Mengen von Bezugsmerkmalen einer bestimmten Musterklasse
zugehört. Es sei ausdrücklich festgehalten, daß es für die Anwendung dieses Verfahrens nicht erforderlich ist,
daß ein bestimmtes Muster in dem betrachteten Bild vorhanden bzw. bereits bekannt ist; auch ist es nicht erforderlich,
daß ein Muster für die Analyse gewählt wird. Die Vorbehandlung betrifft nur die Auswahl von Merkmalen innerhalb des Bildes
zur Vorbereitung der Entscheidung, ob diese Merkmale ein bekanntes Muster darstellen.
Nach der Ableitung von Merkmalen aus dem Bild in der oben beschriebenen Weise können in dem zweiten Schritt der Mustererkennung
mit dem Bildinhalt vergleichbare Musterklassen von denjenigen Musterklassen getrennt werden, die keine Beziehung
zu der abgeleiteten Datenmenge haben. In dem Klassi-
l'ls_Jrrei_rien__Tf'il der vorliegenden Erfindung bildet
fizierungsverfahren^wercTen die "beobachteten Merkmale für
jede der interessierenden Klassen mit einer Bezugsmenge von
Merkmalen verglichen. Die Bezugsmerkmale werden im voraus festgelegt, z. B. durch Speichern von Musterbeispielen aus
bekannten Klassen in einer Klassifikationsvorrichtung, so daß
•diese einen Lernprozeß durchmacht. Der Vergleich wirrf hinsichtlich
der invarianten Teile der Markmale eingeleitet.
109818/1888
l'Jenn ein Vergleichsvorgang die Übereinstimmung zwischen
einem abgeleiteten Merkmal und einem Bezugsmerkmal innerhalb bestimmter Toleranzen anzeigt, werden Orientierung uiid Maßstab
der abgeleiteten Merkmale relativ zu entsprechenden charakteristischen Werten der Pezugsmerkmale normiert. Die
so erhaltene Information wird zusammen mit entsprechender Information, die aus Vergleichen zwischen anderen abgeleiteten
und Bezugsmerkmalen erhalten wurden, zur Bildung einer
Häufungsstelle (cluster) verwendet, durch welche die Erkennung des Musters bewirkt wird. Venn aus irgendeinem Grunde eine ge- I
wisse Anzahl der abgeleiteten Merkmale fehlt, verringert sich die Anzahl der in der Häufungsstelle erscheinenden Punkte, ohne
daß dadurch die von Orientierung und Maßstab abhängige Lage der Häufungsstelle wesentlich beeinträchtigt sein muß. Der
letztere Umstand erlaubt die Erkennung eines Musters auch dann, venn es in dem betreffenden Bild teilweise verdeckt ist. Sine
solche Häufungsstelle wird als Gruppierung von Punkten erhalten, welche die einander entsprechenden Merkmale des Bildes und des
Hezugsmusters nach Richtung und Maßstab in Beziehung setzen. ä
Das der Häufungsstelle zugeteilte Gewicht entspricht der Anzahl der übereinstimmenden Merkmale zwischen dem untersuchten
Bild und dem Bezugsmuster für eine bestimmte relative Orientierung und einen relativen Maßstab. Die Häufungsverteilung
kann mit geeigneten Mitteln, z.B. durch Druck oder Darstellung in einem Oszilloskop, sichtbar gemacht werden.
109818/1888
Die Erfindung wird nachstehend an Hand der Zeichnung erläutert. Hierin sind:
Fig. 1 ein vereinfachtes Blockdiagramm einer Mustererkennungsanlage,
die zur Ausführung der Erfindung dienen kann,
Fig. 2 die Darstellung eines Bildes, das ein zu identifizierendes Muster enthält,
Fig. 3 die schematische Liniendarstellung eines aus dem
Muster des Bildes in Fig. 2 entnommenen Merkmals,
Fig. 4 ein schematisches Liniendiagramm eines entsprechenden
Bezugsmerkmals, mit dem das geprüfte Merkmal verglichen wird ,
Fig. 5 ein Ablaufdiagramm des Informationsflusses, durch
den die Identifizierung des geprüften Musters bewirkt
wird
und
und
Fig. 6 ein mehr ins einzelne gehendes Blockdiagramm der erfindungsgemäßen Mustererkennungsanlage.
Die in Fig. 1 vereinfacht dargestellte Mustererkennungsanlage enthält einen Fühler 10 (bzw. eine Mehrzahl von Fühlern),
-11-
109818/1888
der auf beobachtbare Phänomene in einem Gesichtsfeld anspricht.
Das Gesichtsfeld kann ein oder mehrere statische cder dynamische zu erkennende Muster umfassen. Beispielsweise
befindet sich im Gesichtsfeld eine bildliche Darstellung in
zweidimensionaler Form, wie das in Fig. 2 schematisch dargestellte Foto. In diesem Falle besteht der Fühler 10 z. B.
aus einem Lichtfleckabtaster bekannter Art, durch den das
Bild nach einem vorgeschriebenen Kaster selektiv mit einem Lichtstrahl abgetastet wird. Der Fühler 10 kann auch aus
einem fotoelektrischen Wandler bestehen, der auf das vom f
Bild reflektierte Licht anspricht, wobei die Reflexionsstärke entsprechend den verschiedenen Schwärzungsgraden der
einzelnen Bildstellen schwankt, so daß ein elektrisches Signal erzeugt wird, dessen Amplitude den Schwankungen der
Lichtintensität folgt. Gegebenenfalls läßt sich aber auch eine unmittelbare Abtastung des dreidimensionalen Raumes
mit einem passenden Fühler 10 durchführen, um die Bildpunkto
zu gewinnen.
Das elektrische Signal, das Analogcharakter hat, kann in bekannter Weise in digitale Form umgewandelt werfen, um eine
Codierung entsprechend vorbestimmten Bereichen des analogen Eingangssignals zu erreichen. Jedenfalls wird das Ausgangssignal
des Fühlers 10 einer Vorbehandlungsstufe 11 zugeführt,
die aus den beobachteten Phänomenen, hier dem abgetasteten Bild, bestimmte Merkmale ableitet, falls diese
Merkmale in dem Bild vorhanden sind, und verschiedene Werte
109818/1888 ,.,
— X c —
analysiert, die aus diesen Merkmalen bestehen. Die Merkmale werden so ausgewählt und analysiert, daß die Mustererkennung
unabhängig von Lage, Richtung, Maßstab oder teilweiser Verdeckung des betrachteten Musters ist.
Die Menge der ausgewählten Bildpunkte beruht auf bestimmten
durch den Fühler in dem Bild festgestellten Eigenschaften.
Aus Gründen der Wirtschaftlichkeit und der optimalen Unterscheidung
zwischen verschiedenen Merkmalen werden vorzugsweise diejenigen Bildpunkte ausgewählt, die an oder auf wohl—definierten
Eigenschaften des Bildmusters liegen. Hierzu gehören z. B. Punkte auf Linien, Ecken, Endpunkten von Linien oder
Kreuzungspunkten an Figuren, Gegenständen oder Zeichen in dem Bild, weil solche Funkte eine erhebliche Informationsmenge hinsichtlich der Bildeigenschaften liefern. Ebenso sind
Punkte in Bereichen von bestimmter Farbe oder in der Gegend
von Färb- oder Cchwärzungsumschlägen von großer Bedeutung.
In Fig. 2 werden nachstehend die Bildpunkte 13 und 14, die am Schnittpunkt von zwei oder mehr Linien im zweidimensionalen
Gesichtsfeld (z. 3. einem Foto) auftreten, als Beispiele für solche herausragende , für die Merkmalsanalyse in Betracht
kommende Punkte behar.lelt. Hierzu gehören natürlich auch nie
ebenfalls an Kreuzungsstellen von Linien liegenden Bildpunkte 15, 16, 17 und 18; zur Erläuterung genügt es aber, die beiden
Punkte 13 und 14 herauszugreifen. Wichtig ist jedoch, laß
mindestens zwei Punkte verwendet werden, um die gewünschten
invarianten Meßergebnisse abzuleiten.
109818/1888
-13-
Die Merkmale eines Musters, die bei der nachfolgenden Klassifizierung
mit Bezugsmerkmalpn verglichen werden sollen, v/erden
wie gesagt in Form von Meßergebnissen relativ zu bestimmten Bildpunkten und zu der gegenseitigen Anordnung dieser BiIdpunlfte
gewonnen. So kann im vorliegenden Falle ein Merkmal aus der gegenseitigen Anordnung der BiIdpunkte 13 und 14 in
Fig. 2 und den von den Bildpunkten 13 und 14 ausgehenden Linien, nämlich den Linien 21 und 22 an der Stelle 13 und den
Linien 23, 24 und 25 an der Stelle 14, gebildet werden. Das Merkmal besteht aus den Richtungen der Linien 21 bis 25 in
Bezug auf eine gedachte Linie 2'J, welche die Punkte 13 und verbindet. Diese Richtungen sind invariant gegen Maßstab,
Orientierung und Lage der zweidimensionalen Darstellung des GlebSudes 26 im Bild , sowie Orientierung und Länge der gedachten
Verbindungslinie 20 zwischen den Bildpunkten 13 und 14.
Die Bildpunkte 13 und 14 mit ihrer Umgebung und ihrer Verbindungslinie sind in Fig. 3 der Deutlichkeit halber herausgezeichnet.
Ferner ist noch eine Bezugsachse angenommen, die der Richtung der Kante 22 in Fig. 2 entspricht. Die Punkte A
und 3 entsprechen den Punkten 13 und 14 in Fig. 2 und können in einem cartesischen Koordinatensystem durch die Koordinaten
ÄA, YA bzw. Xg, Y3 definiert werden. Die Länge der Strecke
A"B ist dann die Quadratwurzel der Koordinatendifferenzen,
also
109818/1888
-14-
Die Streckenlänge AB ist selbstverständlich abhängig vom
Maßstab des betreffenden Bildes. Diese Länge im Verhältnis zur Länge der Verbindungsstrecken anderer Bildpunkte ist
aber unabhängig vom Bildmaßstab und stellt somit eine der geforderten Invarianten dar.
Die Richtung der Linie AB hinsichtlich der willkürlich gewählten
Bezugsrichtung (Fig. 3) in Punkt A wird durch den Winkel 0 zwischen beiden "definiert. Ebenso werden die Richtungen
der Linien AA1 und AA11 relativ zur Bezugsrichtung
durch die Winkel O, und O_ definiert, wobei alle Winkel in
positiver Richtung gemessen werden. Die Richtung der Linie AA1 relativ zur Linie AB ist somit durch den Winkel 0,-0
definiert und dieser Winkel und damit die relative Abwpichurg
von TTn und AA1 ist iiiVar.irinL, also ur,aT räugig von der Rirhtujjg
(jps Hustors, se:ujt.?rn Haßstab und seiner Lage. Ebenso definiert
der Wir.kel 9o-0 die i?ichtung der Linie AA" hinsichtlich "AB
und ist invariant.
Die Orientierung der Linien im Punkt B wird relativ zu BA definiert, deren Richtung 0 f H ist, gemessen relativ zu dergleichen
Bezugsrichtung. Damit erhält man für die Richtungen der Linien BB1, BB" und BB'" relativ zu BA" drei weitere
invariante Winkel, nämlich O- 0, 0 - 0 und O5 - 0, alle in
gleicher Richtung gemessen. So hat man insgesamt fünf invarian te Winkel zur Verfügung, die zusammen mit der Orientierung
0 und der Länge der Strecke A"B eine Basis für ein Merkmal
109818/1888 -15-
des Musters abgeben. Die Anzahl der invarianten Winkel in
1en Bildpunkten kann übrigens in verschiedener Weise festgelegt
werden. Beispielsweise können invariante Richtungen
einzeln oder paarweise oder in irgendeiner anderen Kombination gewonnen werden.
Die Anzahl der Merkmale, die aui, einem Bild entnommen werden
können, ist eine Funktion der Anzahl der möglichen Kombinationen von Bildpunkten, um die in-variante Meßergebnisse
ausgewählt werden. Wenn jedes Merkmal wie oben aus Meßergeb- " nissen hinsichtlich zwei Bildpunkten besteht und wenn ferner
die Anzahl der ausgewählten Bildpunkte ri ist, dann ist die Anzahl der so zu gewinnenden Merkmale n_(n-l)/2. Dieser Ausdruck
gilt allerdings nicht, wenn mehr als zwei einander schneidende Linien einen Bildpunkt definieren.
Man wird selbstverständlich danach streben, mit einer möglichst
kleinen Anzahl von Merkmalen auszukommen, um ein Muster in zulässigen Toleranzen zu klassifizieren. Zu diesem Zweck ä
kennen gewisse Zusatzbedingungen hinsichtlich der Bildung
von Merkmalen an der Stelle von Bildpunkten auferlegt werden, die auf praktischen Ueberlegungen wie der Trennung der Bildpunkte
beruhen, Da aber jedes dem Bild entnommene Merkmal einzeln zur Klassifikation eines bestimmten Musters beiträgt,
ist eine gewisse Redundanz verfügbar und erwünscht, um eine zuverlässige Klassifikation auch für den Fall teilweise eintretender
Bildstörungen zu gewährleisten.
109818/1888 -i*-
BAD ORIGINAL
Wie erwähnt, können statt der Linienrichtung andere invariante Meßergebnisse als kennzeichnende Merkmale des Bildes herangezogen
werden. Hierzu gehören z. B. die Farbintensität oder
Intensität auf der Grauskala in bestimmten Bildpurikten , vorausgesetzt,
daß der Fühler einen genügend definierten Bezugspunkt hat (z. B. durch periodische Eichung), so daß keiner
dieser Parameter wesentlich durch zeitliche Empfindlichkeitsschwankungen des Fühlers beeinflußt wird. Ferner muß in diesem
Falle sichergestellt sein, daß das Gesichtsfeld selbst nicht
wesentlich durch kurzzeitige Beleuchtungsschwankungen beeinflußt wird. Es sind noch zahlreiche andere Kriterien denkbar,
die als Merkmale ausgewählter Bildpunkte herangezogen werden können, wobei allerdings Wirtschaftlichkeits- und Erkennbarkeits-Kriterien
praktisch nicht außer acht gelassen werden dürfen.
Die in der beschriebenen Weise gewonnenen Merkmale können nun zur Untersuchung des durch die Merkmale charakterisierten
Musters herangezogen werden. Vor jeder Durchführung eines Erkennungsvorgangs muß allerdings ein Vorrat an Vergleichsmustern
erstellt werden. Zu diesem Zweck wird in der Anlage nach Fig. l der Schalter 30 auf den Kontakt 31 umgelegt, so
daß die Vorbehandlungsstufe 11 mit einer Lern- und Speicherstufe 32 verbunden wird. So kann aus bekannten, in das Gesichtsfeld
gebrachten Mustern ein Vorrat von Bezugsmustern abgeleitet werden, mit denen unbekannte Muster dann verglichen
werden können. Man kann selbstverständlich nur das
1098 18/1888 _i7-
erkennen, was man irgendwie gelernt hat, obwohl man sich
entscheiden kann, etwas als gleichwertig oder ähnlich mit einem früher erlernten Gegenstand anzusehen, wenn die beiden
Dinge viele Merkmale gemeinsam haben, auch wenn sie nur eine unvollständige oder gar nur sehr entfernte uebereinstimmung
zeigen. In einer lernenden Maschine, mit der eine selbsttätige Mustererkennung erreicht werden soll, hängt die Fähigkeit,
eines aus einer Mehrzahl von Mustern zu erkennen, von der Verfügbarkeit der Mengen von Bezugsmerkmalen ab, mit denen
die Merkmale eines unbekannten Musters verglichen werden "
können. Die Fähigkeit, mit den Bezugsmustern ähnliche, aber nicht identische Muster zu erkennen, kann dadurch erworben werden,
daß man die zulässigen Toleranzen, innerhalb deren eine Uebereinstimmung festgestellt werden soll, großzügig bemißt.
Wenn alle Bezugsmuster bzw. die aus diesen Mustern entnom- .
menen Merkmalmengen in der Stufe 32 gespeichert sind, d.h. in seine Speicherzellen, Matrizen usw. eingelesen wurden,
wird der Schalter 30 in die in Fig. 1 dargestellte Lage (
umgelegt. Dann können die aus einem unbekannten Muster entnommenen
Merkmale unmittelbar einer Klassifizierstufe 33 zugeführt werden, die andererseits von der Speicherstufe 32
mit den Bezugsmustern versorgt wird. So kann in der Klassifizierstufe das unbekannte Muster nacheinander mit den verschiedenen
gespeicherten Bezugsmerkmalen verglichen werden. Die von der Klassifizierstufe getroffene Entscheidung erscheint
am Ausgang derselben, z. B. in Form einer sichtbaren
1098 18/1888 -18-
Anzeige oder eines Registrierstreifens.
Beispielsweise sei angenommen, daß die an Hand der Fig. 3 erläuterten Merkmale mit den für die einzelnen Musterklassen
gespeicherten Bezugsmerkmalen verglichen werden sollen. Die Klassifizierung geschieht grundsätzlich in zwei Schritten;
Zuerst wird ein Vergleich zwischen den invarianten Meßergebnissen des unbekannten Musters und den Bezugsmeßergebnissen
vorgenommen und danach werden die geometrischen Beziehungen zwischen denjenigen Bildpunkten, die sich als Ergebnis des
ersten Vergleichsschrittes entsprechen, hinsichtlich des unbekannten Musters und des Bezugsmusters verglichen. Die
Korrespondenz der invarianten Meßergebnisse entsprechender Merkmale und das Ausmaß der geometrischen Korrespondenz zwischen
den zugeordneten Bildpunkten liefert ein Maß für die Aehnlichkeit zwischen unbekanntem Muster und Bezugsmuster.
Nachdem das unbekannte Muster mit den Mustern verschiedener Bezugsklassen verglichen wurde, läßt sich diejenige Klasse
angeben, in die sich das Muster am besten einordnen^läßt.
Im Hinblick auf das Beispiel der Fig. 3 bedeutet dies, daß
die gemessenen invarianten Winkel mit Winkeln der einzelnen gespeicherten Bezugsmerkmale verglichen werden, um eine
Aequivalenz innerhalb vorgeschriebener Toleranzen festzustellen. Wie erwähnt, können die für diesen Vergleich benutzter
Toleranzen aus dem Lernprozeß der Speicherstufe 32 abgeleitet
werden, wobei für jede Musterklasse repräsentative Beispiele
109818/1888 -19-
(Merkmale) benutzt werden. Stattdessen können auch aus der Praxis gewonnene Festwerte für die Toleranzen vorgegeben
werden. Wenn festgestellt wird, daß die einem unbekannten Muster gemäß Fig. 3 zukommenden Merkmale innerhalb der zugelassenen Toleranzen mit gespeicherten Merkmalen einer bestimmten
Musterklasse hinsichtlich aller invarianten Meßergebnisse übereinstimmen, so kann der zweite Schritt des
Klassifikationsverfahrens beginnen. Dieses Vorgehen verfolgt
zwei Ziele. Einerseits kann die invariante Information direkt mit der für jede Bezugsklasse gespeicherten Information ver- "
glichen werden und es können korrespondierende Punkte unabhängig von der relativen Orientierung, Lage und dem Maßstab
der Bild- und Bezugsdaten identifiziert werden; andererseits
braucht bei mangelnder Uebereinstimmung zwischen den invarianten
Parametern des Bildmusters und des Bezugsmusters kein weiterer Vergleich in dieser Klasse durchgeführt zu werden,
so daß die Klassifikation rasch und wirksam erfolgt.
Wenn der erste Schritt des Klassifizierungsverfahrens eine ä
Uebereinstimmung der Merkmale innerhalb zulässiger Toleranzen ergibt, wird der zweite Schritt begonnen, bei dem. die relative
Lage der korrespondierenden Punkte verglichen wird. Hierbei bestimmt der gegenseitige Abstand von je zwei korrespondierenden
Bildpunkten in dem untersuchten Muster und dem Bezugsmuster den Abbildungsmaßstab, während die relative
Orientierung der Verbindungslinien, längs derer diese Abstände gemessen werden, den Drehwinkel zwischen den korrespon-
109818/1888 _2o-
- 20 dierenden Punktpaaren bestimmt.
In Fig." 4 ist ein Beispiel für ein Bezugsmerkmal entsprechend dem beobachteten Merkmal in Fig. 3 gegeben. Die invarianten
Meßergebnisse bestehen aus den Winkeln 0,- 0, Q- 0,
Q3- {0 +Ύ), O4- (0 +ff) und O5- (0 +lf) für das Merkmal des
unbekannten Musters und aus den Winkeln O1 - 0% , 0 - 0',
Q3, - (0' +TT)- O4, - (0' +ff) und O51 - (0· +ff) für das
Bezugsmerkmal. Zunächst werden diese invarianten Informationen
verglichen, um eine befriedigende Uebereinstimmung zwischen den geprüften und den Bezugsmerkmalen herzustellen. Wenn eine
solche Uebereinstimmung vorliegt, werden die geometrischen Beziehungen zwischen korrespondierenden Punkten nach Normierunc
verglichen, um Informationen in Bezug auf den gegenseitigen Abbildungsmaßstab und die gegenseitige Orientierung zu erhalten.
Z. B. hat der relative Winkel zwischen den Linien Ä"B
und DE* den Wert 0-0' unter der Annahme, daß die Bezugsachsen
in vergleichbarer Weise definiert sind. Da die Winkelmessungen sämtlich sich auf die jeweils zugeordneten Bezugsachsen
beziehen, braucht offenbar die Beziehung zwischen den Bezugsachsen für die bekannten und die unbekannten Merkmale
keine besonderen Bedingungen zu erfüllen, so lange sie für eine gegebene Menge bekannter und unbekannter Merkmale während
der Ableitung der Meßergebnisse für die nachfolgenden Vergleichsoperationen
festgehalten wird.
-21-
109818/ 1888
Ferner wird die Länge der Strecke AB hinsichtlich der Strecke DE normiert, um den relativen Abbildungsmaßstab ÄB/de zu erhalten.
Die Anzahl der getrennten hierfür ausgeführten Berechnungen hängt von der Anzahl der aus dem Bild abgeleiteten
Merkmale ab. Die kleinste Anzahl von Merkmalen, die aus dem Bild abgeleitet werden müssen, um eine ausreichende Erkennung
zu gewährleisten, hängt von der Definition der einzelnen Klassen und der Natur des Bildhintergrundes ab.
Die Relativwerte der Orientierung und des Abbildungsmaßstabes (Drehung und Streckung) für die einzelnen Mengen Übereinstimmender
Merkmale werden klassenweise verglichen, um zu versuchen, Häufungsstellen in diesen beiden Dimensionen zu entdecken.
Die zulässige Größe einer Häufungsstelle wird durch den Lernprozeß bestimmt. Die in jeder Klasse auftretende
größte Anzahl von Punkten in einem solchen Haufen liefert ein Maß für die Wahrscheinlichkeit, daß diese Musterklasse
in dem untersuchten Bild vorhanden ist.
In Fig. 5 ist das gesamte Mustererkennungsverfahren nochmals übersichtlich dargestellt. Auf die Beobachtung des Bildes
folgt die Auswahl von Bildpunkten, die vorgeschriebene Eigenschaften aufweisen, und die Bestimmung der geometrischen
Anordnung der ausgewählten 3ild punk te. Es sei nochmals betont,
daß es keineswegs von vornherein feststeht, ob die vorgelegten Bilder Muster enthalten, auf deren Erkennung die Anlage eingeübt
ist, oder nicht. Die Vorbehandlung dient vielmehr dazu,
109818/1888
Bildpunkte zu bestimmen, die eine wesentliche Information mitführen, welche die Identifizierung etwaiger Muster ermöglicht.
Dieses Verfahren kann auch so angesehen werden, daß mittels der für die Ableitung und Identifizierung derartiger
Bildpunkte aufgestellten Kriterien eine geradlinige Approximation an den Umriß des maximalen Gradienten der
Grauskala bewirkt wird, um einen Gegenstand oder ein Muster in dem Bild darzustellen. Die Messung von mit diesen BiIdpunkteh
verknüpften Werten gestattet die Identifizierung der betreffenden Merkmale.
Von bestimmten Bildeigenschaften wie den Richtungen von den
Bildpunkten ausgehender Linien relativ zu den Richtungen der Verbindungslinien zwischen Bildpunkten, der Farbe an den
einzelnen Bildpunkten, dem maximalen Schwärzungsgradienten der Bildpunkte usw., werden invariante Meßergebnisse abgeleitet,
d. h. Meßergebnisse, die von solchen Umstanden wie Orientierung und Maßstab des Bildes und Lage des Musters
innerhalb des Bildes unabhängig sind. Die invarianten Meßergebnisse
und die gegenseitigen geometrischen Beziehungen der Bildpunkte werden als Mustermerkmale entnommen, die zur
nachfolgenden Klassifizierung der Muster innerhalb des Bildes
dienen. Die Reihenfolge, in welcher diese Schritte durchgeführt werden, ist nicht kritisch. Damit ist die Vorbehandlung
beendet.
-23-10981 8/ 1 888
Zur Klassifizierung, d. h. Erkennung der etwa in dem Bild
enthaltenen Muster werden die aus dem beobachteten Bild abgeleiteten
Merkmale derart mit Bezugsmerkmalen verglichen, die zu verschiedenen Klassen bekannter Muster gehören, daß
zuerst die invarianten Meßergebnisse mit in ähnlicher Weise
abgeleiteten Meßergebnissen der Bezugsmerkmale verglichen
werden. Wenn keine Korrespondenz zwischen den abgeleiteten Merkmalen und den Bezugsmerkmalen wenigstens einer Klasse
auf dieser Grundlage gefunden wird, wird das betreffende Bild als nicht klassifizierbar angesehen und ausgeschieden. Wenn
eine Korrespondenz zwischen den invarianten Meßergebnissen der Bildmerkmale und den Bezugsmerkmalen wenigstens einer
Klasse innerhalb zulässiger Toleranzen existiert, werden die gegenseitigen geometrischen Beziehungen der den betreffenden
Merkmalen zugeordneten Bildpunkte hinsichtlich der Beziehungen korrespondierender Punkte für diejenigen Bezugsmerkmale, die
sich im ersten Vergleich als übereinstimmend erwiesen haben,
normiert. Wenn die Muster abgesehen vom Maßstab bzw. der Orientierung identisch sind, muß der normierte Abstand zwischer
je zwei Bildpunkten des beobachteten Musters stets gleich groß sein. Ebenso müssen normierte Winkel zwischen den Verbindungslinien
der Bildpunkte gleich groß sein. Die normierten Winkel dienen also zur Betonung der vergleichbaren Vierte im
untersuchten Muster und im Bezugsmuster; wenn z. B. der Abstand zwischen zwei Punkten im untersuchten Muster 1,62 mal
so groß wie der Abstand zwischen korrespondierenden Punkten im Bezugsmuster ist, dann muß der gleiche Faktor für alle
109818/1888 '"'""
-2A-
Entfernungsvergleiche zwischen korrespondierenden Punkten des untersuchten Musters und des Bezugsmusters auftreten. Der
zweite Klassifizierungschritt treibt also die Korrespondenz
zwischen dem geprüften Muster und dem Bezugsmuster so weit, daß die endgültige Klassifizierung ermöglicht wird' oder die
mangelnde Klassifizierungsmöglichkeit des untersuchten Musters
erkannt wird.
Die Anzeige einer Uebereinstimmung erfordert keine exakte
Gleichheit, da eine Aehnlichkeit innerhalb vorgeschriebener zulässiger Toleranzen das kleinste Maß der Wahrscheinlichkeit
bestimmt, mit der angegeben werden kann, daß das untersuchte Muster in die gleiche Klasse wie das Bezugsmuster fällt.
Fig. 6 zeigt ein mehr ins einzelne gehendes Blockdiagramm einer zur Ausführung der Erfindung geeigneten Anlage. Der
Fühler 40, der beispielsweise aus einem optischen Abtaster
besteht, überstreicht ein Gesichtsfeld (d. h. ein Bild) und erzeugt ein digitales Ausgangssignal mit vorgeschriebener
Auflösung in Horizontal- und Vertikalrichtung der Abtastung, das die beobachteten Eigenschaften des Bildes darstellt.
Beispielsweise erzeugt der Fühler 40 ein Ausgangssignal, das aus quantisierten Schwärzungsintensitäten oder irgendeinem
anderen charakteristischen Merkmal des Bildes besteht. Dieses Ausgangssignal kann entweder unmittelbar der Vorbehandlungsstufe
zugeführt oder zunächst z. B. auf einem Magnetband gespeichert werden, um es spSter vorbehandeln
zu können.
109818/1888 -25-
Jedenfalls werden die digital verschlüsselten Schwärzungssignale des beobachteten Bildes schließlich auf eine 'Auswertvorrichtung
43 bekannter Art gegeben, welche die Schwärzungs-. grädienten nach Größe und Richtung angibt. Diese Intensitätsgradienten dienen im vorliegenden Beispiel zur Definition
von Linienstücken innerhalb des Bildes durch Vereinigung von Intensitätsgradienten, welche Elementen benachbarter Lage und
Richtung zugeordnet sind, zu Untermengen. Aus diesen Untermengen können dann verschiedene Parameter wie Endpunkte abgeleitet
werden. Gekrümmte Linien werden durch eine Kette sol- ™ eher Untermengen dargestellt.
Die von der Stufe 43 abgeleiteten Parameter , die diese Untermengen definieren, werden dann einem Merkmalserzeuger
45 zugeführt. Der Merkmalserzeuger bildet invariante Merkmale aus Kombinationen der erwähnten Parameter. Zu diesem Zweck
kann der Merkmalserzeuger 45 durch ein entsprechendes Programm einer Universalrechenmaschine oder durch ein Spezialgerät,
das entsprechend angepaßt bzw. entworfen ist, dargestell· I werden. Der Merkmalserzeuger wählt solche Bildpunkte aus, die
in bestimmten Kombinationen der die Untermengen der Schwärzungsgradienten definierenden Parameter enthalten sind, und
gewinnt Meßergebnisse bezüglich der Bildpunkte mit vorzugsweise dem größten Informationsgehalt. Wie erwähnt, können
solche Bildpunkte am Schnittpunkt zweier Linien, an einer durch zwei Linien gebildeten Ecke usw. auftreten. Nach der
Berechnung der Merkmale, die sich, wie oben erläutert, aus
109818/1888 " _26-
205092A
invarianten Meßergebnissen und aus auf die gegenseitige geometrische Anordnung der Bildpunkte bezüglichen Informationen
zusammensetzen, ist die Vorbehandlung abgeschlossen.
Die Ausgangssignale des Merkmalsgenerators 45 werden direkt oder über eine Zwischenspeicherung dem Klassifikationsteil
der Mustererkennungsanlage zugeführt. Vorzugsweise wird diese Information auf mehrere parallel geschaltete Kanäle gegeben,
die je einer der bekannten Musterklassen 1, 2, 3 ...N entsprechen,
mit deren Bezugsmerkmalen die von der Vorbehandlungsstufe gebildeten Merkmale des untersuchten Bildes verglichen
werden sollen. Jeder Kanal enthält einen Speicher 48-1 ... 48-N für die Bezugsmerkmale der betreffenden Musterklasse,
der die gespeicherten Bezugsmerkmale den anderen Bestandteilen des betreffenden Kanals zuführt, nämlich einem
Komparator 50, einer Normierungsstufe 51 und einer Haufenbildungsstufe
52. Jeder Komparator 50 vergleicht die invarianten Eigenschaften der abgeleiteten Merkmale des unbekannten
Musters mit den invarianten Eigenschaften der Bezugsmerkmale
der betreffenden Musterklasse. Der Abstand je zweier Bildpunkte und die Orientierung der gedachten Verbindungslinie
zwischen ihnen werden dann hinsichtlich der Information über Bezugsmaßstab und Bezugsorientierung normiert. Schließlich
werden entsprechend den normierten Ausgangssignalen Haufen gebildet, welche die mittlere Lage der Orientierung
und des Maßstabes auf der Grundlage der Anzahl der erzielten Uebereinstimmungen zwischen Bildmerkmalen und Bezugsmerkmalen
109818/1888
-27-
der betreffenden Musterklasse darstellen. Das Ausgangssignal der Haufenbildungsstufe 52 ist somit eine numerische Darstellung
des Uebereinstimmungsgrades zwischen dem unbekannten Muster und dem Bezugsmuster und liefert ferner eine Anzeige
fur den relativen Maßstab und die relative Orientierung des betrachteten Bildes und des Bezugsrr.usters.
Die Information über die Häufungsgewichte aus den verschiedenen Kanälen wird einer Klassenentscheidungsstufe 55 zugeführt,
welche auf Grund eines Vergleichs der einzelnen Häufungsgewichte diejenige Klasse bestimmt, zu der das unbekannte
Muster gehört, sowie seine Orientierung und seinen Maßstab hinsichtlich des ihm am nächsten kommenden Bezugsrciusters
angibt.
Es ist übrigens ohne weiteres möglich, der Mustererkennungsanlage ein Bild zur Auswertung vorzulegen, das aus verschiedenen
Quellen zusammengesetzt ist und verschiedene Spektralbereiche umfaßt. So kann z. B. ein Teil des Bildes von einem "
optischen Abtaster abgeleitet sein, während ein anderer Teil von Infrarotdetektoren abgeleitet ist und ein weiterer Teil
des Bildes von einem Radargerät geliefert wird. Eine solche
Abtastung in mehreren Spektren beeinflußt das beschriebene Verfahren als solches nicht und hat auch keinen Einfluß
auf die Arbeitsweise des beschriebenen Gerätes, da diese von der Quelle und der spektralen Zusammensetzung des Bildes
unabhängig ist. Auch die Bezugsmerkmale, mit denen die
109818/1888 "28~
_ 28 - 205092A
Bildmerkmale verglichen werden, können von Quellen verschiedener spektraler Empfindlichkeit abgeleitet sein, ohne daß
hierdurch etwas an dem beschrieben Verfahren bzw. der Arbeitsweise des beschriebenen Gerätes geändert wird. Durch die
Berücksichtigung mehrerer Spektralbereiche kann eine weit größere Anzahl von Merkmalen erfaßt werden, nämlich nicht
nur die in jedem Spektralbereich für sich gewonnenen Merkmale, sondern auch die aus der Korrespondenz verschiedener Spektralbereiche
gewonnenen Merkmale. Dadurch wird die Möglichkeit der Mustererkennung auch bei Vorhandensein starker Bildstörungen
stark verbessert.
Dasselbe gilt für den Fall, daß zwei oder mehr untersuchte Bilder das gleiche Gesichtsfeld betreffen, aber von verschiedenen
Standpunkten aus aufgenommen sind. So können z. B. zwei oder mehr Luftbilder der gleichen Gegend von verschiedenen
Stellen aus aufgenommen werden. Auch in diesem Falle kann das beschriebene Verfahren angewandt werden, um übereinstimmende
Muster der verschiedenen Bilder zu erkennen.
109818/ 1 888
•eld Mr.
1» ß«ofc)»cht· das Bild
2. «uhle Blldpunkte nach vorbestisnten Kriterien aus
3· tie β ti»·· dl« geoaetrisohe *noronun^ der dlldputtkte
4. Oewlnne Invariant« Aettereebnisse von äildeisensohaften in der
Uageuun*. ausgewählter runktw
5. . relttlö invariant· Maeargeonisee sueamtn alt u*oaetri«ch«r
ünorattunu dar ülldpunkt· alt Kutttmarkmai·
6· ir rufe ijiluM*rk**le an litaxu. dmr ^acu^«a«rJuwüL· bakaaufear Mustar
durchs
7· /argitioh der invarianten Hadargabniaaa «it ahaiioh abgtlaita*
tan ^r^ataniasan in üMu^eaerkamlen
8. &orraapondans in lor^aaonriabanan Xblaranean
9· üaina ikorraspondan« in vor^atohriabamam guläaaigaA
11« toraiara gaooiatriseha ^inordnun^ der Bildpunkto »it dar jenigen
annXiohar ök
12· keine
13· >.nnlich)cait dar korrespondierenden normierten wert· in vor·
geschriebene Toleransen
14· Jüa»·!fielere geprüfte· nutter als uexugsautter
i«ihler
luswertvorrichtung f» LlnienstdcMe
4ö.l uexugsaerkJtal spei eher klasse 1 I
50- i iLosiparator für invariant· bigensehaften
5i-i Λ cn C axi^·- und
50-2 feonparator für invariante -,l*tnsqh»rten
51-2 tilcntuaga- und Uorttierun^sstufe
kti-k iiasu&saerkaiaispeicher blasse k
tup inrariant«
·* und
-b uattf enbUdun^stuf e 10 9 8 18/1 B R B
:;t. irifjioufle ν. I nr. t.fi f.
Claims (13)
- WESTINGHOUSE ELECTRIC CORPORATION, Pittsburgh, Pa., V.St.A,Patentansprüche(\/. Verfahren zum Vorbehandeln der in einem Bild enthaltenen Information zwecks Einordnung eines möglicherweise darin enthaltenen Musters in eine vorgegebene Menge von nach Klassen eingeteilten Bezugsmustern, dadurch gekennzeichnet, daß eine Gruppe derjenigen Dildpunkte, die als wesentliche Informationsträger in Frage kommen, zur weiteren Untersuchung ausgewählt wird, daß Meßergebnisse hinsichtlich der ausgewählten Bildpunkte, die invariant gegen Orientierung, Maßstab und Lage eines etwa einem solchen Punkt zugeordneten Musters sind, gewonnen werden und daß als Merkmale dieses Musters die Meßergebnisse zusammen mit zur Bestimmung der gegenseitigen geometrischen Anordnung der ausgewählten Bildpunkte ausreichenden Daten zum Vergleich η Lt entsprechend bestimmten, Merkmalen der einzelnen Bezugs-MusterkLassen gebracht werden .η „„ /η 1 0 9 8 1 B / 1 8 8 8Dr.Hk/Du.Vi
- 2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß solche Bildpunkte ausgewählt werden, die durch eine hervorstechende Eigenschaft* innerhalb des Bildes ausgezeichnet sind .
- 3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, daß mindestens einige der gewonnenen Meßergebnisse die Orientierung von den ausgewählten Punkten ausgehender Linien relativ zu der Verbindungslinie zweier solcher Bildpunkte angeben. ' Λ
- 4. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, daß mindestens einige Meßergebnisse die Farbe oder Farbintensität an den ausgewählten Bildpunkten angeben.
- 5. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet,daß mindestens einige Meßergebnisse den maximalen Schwärzungsgradienten des Bildes an den ausgewählten Bildpunkten angeben.
- 6. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß jedes Merkmal aus den Meßergebnissen für zwei ausgewählte Bildpunkte gebildet wird und daß die Anzahl der so gebildeten Merkmale n(n-i)/2 ist, wobei n_ die Gesamtzahl der ausgewählten Bildpunkte ist.
- 7. Verfahren nach Anspruch 1, 2 oder 3, dadurch gekennzeichnet, daß die Meßergebnisse dazu dienen, die Orientierung mindestens109818/1888 _3_-Jk-von einem der ausgewählten Bildpunkte ausgehender Linien relativ zu der Verbindungslinie zwischen zwei solchen Punkten festzulegen, wobei die erwähnten Linien (AA1, AA") so gewählt sind, daß sie wirklichen Linien oder Schwärzungssprüngen (21, 22) des Bildes entsprechen.
- 8. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, daß die Information in zwei oder mehr Bildern enthalten ist, die von Fühlern für verschiedene Spektralbereiche abgeleitet sind.
- 9. Verfahren nach einem der Ansprüche 1 bis 7, dadurch gekennzeichnet, daß zwei oder mehr Bilder verarbeitet werden, die sich auf das gleiche Gesichtsfeld beziehen, aber von verschiedenen Standpunkten aus gewonnen sind.
- 10. Verfahren zur Mustererkennung in einem zweidimensionalen ■ Bild, bei dem die aus dem Bild entnommene Information nach einem der Ansprüche 1 bis 9 vorbehandelt wird, dadurch gekennzeichnet, daß neben den gegen Orientierung, Maßstab und Lage eines Musters invarianten Meßergebnissen der Abstand zwischen den diesen Meßergebnissen zugeordneten Punktpaaren und die Orientierung der Verbindungslinie derselben hinsichtlich einer Bezugsachse zum Vergleich mit entsprechenden Daten der verschiedenen Klassen von Bezugsmustern herangezogen werden.10981 8/ 1888
- 11. Vorrichtung zur Ausführung des Verfahrens nach einem der vorhergehenden Ansprüche, gekennzeichnet durch einen Fühler (10) zur Gewinnung für das Gesichtsfeld charakteristischer Informationen und eine Vorbehandlungsstufe (ll), die aus der gewonnenen Information eine kleinere Informat'ionsmenge . ableitet, deren Inhalt im wesentlichen hervorstehende Eigenschaften des Gesichtsfeldes berücksichtigt, während der Bildhintergrund mit geringem Informationsgehalt weniger stark berücksichtigt ist.
- 12. Vorrichtung nach Anspruch 11, dadurch gekennzeichnet, daß der Fühler aus einem Bildabtaster (40) besteht, der ein digitales Ausgangssignal abgibt, daß eine Stufe (43) aus dem digitalen Ausgangssignal Parameter ableitet, die Linienstücken in dem abgetasteten Bild entsprechen, und daß ein Merkmalserzeuger (45) aus den Parametern von Linienstücken, die je einem Bildpunkt zugeordnet sind, Merkmale ableitet, die gegenüber Maßstab, Orientierung und Lage eines etwa vorhandenen Musters innerhalb des Bildes invariant sind und zur Mustererkennung verwendet werden können.
- 13. Vorrichtung nach Anspruch 11 oder 12, dadurch gekennzeichnet, daß der Merkmalserzeuger auch Angaben über die relative Lage von je zwei Bildpunkten, auf die sich die bereitgestellten Merkmale beziehen, liefert.109818/1888ι Lee rs eι te
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US86725069A | 1969-10-17 | 1969-10-17 |
Publications (1)
Publication Number | Publication Date |
---|---|
DE2050924A1 true DE2050924A1 (de) | 1971-04-29 |
Family
ID=25349421
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE19702050924 Pending DE2050924A1 (de) | 1969-10-17 | 1970-10-16 | Verfahren und Vorrichtung zum Vorbe handeln der in einem Bild enthaltenen In formation |
Country Status (5)
Country | Link |
---|---|
US (1) | US3636513A (de) |
CA (1) | CA929667A (de) |
DE (1) | DE2050924A1 (de) |
FR (1) | FR2066088A5 (de) |
GB (1) | GB1331986A (de) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE2740395A1 (de) * | 1976-09-10 | 1978-03-16 | Rockwell International Corp | Automatisches system zum identifizieren unbekannter muster |
DE2749682A1 (de) * | 1977-10-04 | 1979-04-05 | Bbc Brown Boveri & Cie | Verfahren und einrichtung zur identifizierung von gegenstaenden |
DE3117870A1 (de) * | 1980-05-08 | 1982-02-04 | Chesebrough-Pond's Inc., 6830 Greenwich, Conn. | Videoueberwachungssystem |
DE19516431A1 (de) * | 1995-05-04 | 1996-11-07 | Siemens Ag | Verfahren zum Auswählen eines Bildes aus einer Bildersammlung für die photogrammetrische Berechnung der räumlichen Koordinaten eines Objektpunktes |
Families Citing this family (35)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5214112B2 (de) * | 1973-02-22 | 1977-04-19 | ||
CH609795A5 (de) * | 1976-04-30 | 1979-03-15 | Gretag Ag | |
US4322716A (en) * | 1976-11-15 | 1982-03-30 | Environmental Research Institute Of Michigan | Method and apparatus for pattern recognition and detection |
US4237539A (en) * | 1977-11-21 | 1980-12-02 | E. I. Du Pont De Nemours And Company | On-line web inspection system |
JPS5487251A (en) * | 1977-12-23 | 1979-07-11 | Toshiba Corp | Personal discriminator |
US4301443A (en) * | 1979-09-10 | 1981-11-17 | Environmental Research Institute Of Michigan | Bit enable circuitry for an image analyzer system |
US4464788A (en) * | 1979-09-10 | 1984-08-07 | Environmental Research Institute Of Michigan | Dynamic data correction generator for an image analyzer system |
US4442543A (en) * | 1979-09-10 | 1984-04-10 | Environmental Research Institute | Bit enable circuitry for an image analyzer system |
US4290049A (en) * | 1979-09-10 | 1981-09-15 | Environmental Research Institute Of Michigan | Dynamic data correction generator for an image analyzer system |
JPS605037B2 (ja) * | 1980-01-28 | 1985-02-07 | 株式会社東芝 | 図面読取装置 |
US4369430A (en) * | 1980-05-19 | 1983-01-18 | Environmental Research Institute Of Michigan | Image analyzer with cyclical neighborhood processing pipeline |
US4441205A (en) * | 1981-05-18 | 1984-04-03 | Kulicke & Soffa Industries, Inc. | Pattern recognition system |
US4396903A (en) * | 1981-05-29 | 1983-08-02 | Westinghouse Electric Corp. | Electro-optical system for correlating and integrating image data from frame-to-frame |
US4988189A (en) * | 1981-10-08 | 1991-01-29 | Westinghouse Electric Corp. | Passive ranging system especially for use with an electro-optical imaging system |
US4491960A (en) * | 1982-04-05 | 1985-01-01 | The United States Of America As Represented By The Secretary Of The Navy | Handprinted symbol recognition system |
US4497065A (en) * | 1982-07-12 | 1985-01-29 | Westinghouse Electric Corp. | Target recognition system enhanced by active signature measurements |
US4581762A (en) * | 1984-01-19 | 1986-04-08 | Itran Corporation | Vision inspection system |
US4903309A (en) * | 1988-05-25 | 1990-02-20 | The United States Of America As Represented By The Secretary Of The Army | Field programmable aided target recognizer trainer |
US5231675A (en) * | 1990-08-31 | 1993-07-27 | The Boeing Company | Sheet metal inspection system and apparatus |
US5265173A (en) * | 1991-03-20 | 1993-11-23 | Hughes Aircraft Company | Rectilinear object image matcher |
CA2097095A1 (en) * | 1992-07-29 | 1994-01-30 | Frank William Sinden | Method of normalizing handwritten symbols |
JP2723118B2 (ja) * | 1992-08-31 | 1998-03-09 | インターナショナル・ビジネス・マシーンズ・コーポレイション | 2次元オブジェクトの認識に用いるためのニューラル・ネットワーク及び光学式文字認識装置 |
US5822454A (en) * | 1995-04-10 | 1998-10-13 | Rebus Technology, Inc. | System and method for automatic page registration and automatic zone detection during forms processing |
US6059268A (en) * | 1998-05-06 | 2000-05-09 | Santelli, Jr.; Albert | Bumper system for limiting the mobility of a wheeled device |
SE514377C2 (sv) | 1998-08-26 | 2001-02-19 | Gunnar Sparr | Teckenigenkänning |
JP2002172117A (ja) * | 2000-09-05 | 2002-06-18 | Fuji Photo Film Co Ltd | 光断層画像診断情報出力装置 |
US6915025B2 (en) * | 2001-11-27 | 2005-07-05 | Microsoft Corporation | Automatic image orientation detection based on classification of low-level image features |
US7167587B2 (en) * | 2002-08-30 | 2007-01-23 | Lockheed Martin Corporation | Sequential classifier for use in pattern recognition system |
US20050286767A1 (en) * | 2004-06-23 | 2005-12-29 | Hager Gregory D | System and method for 3D object recognition using range and intensity |
US8290765B2 (en) * | 2005-03-16 | 2012-10-16 | Research In Motion Limited | Handheld electronic device with reduced keyboard and associated method of providing improved disambiguation |
GB2471885A (en) | 2009-07-16 | 2011-01-19 | Buhler Sortex Ltd | Sorting apparatus |
GB2471886A (en) | 2009-07-16 | 2011-01-19 | Buhler Sortex Ltd | Inspection apparatus |
GB2481804A (en) | 2010-07-05 | 2012-01-11 | Buhler Sortex Ltd | Dual sensitivity browser for optical sorting machines |
CN103502811B (zh) * | 2011-03-17 | 2015-11-25 | 纽约大学 | 用于检验和鉴别物理对象的设备和方法 |
US11562505B2 (en) | 2018-03-25 | 2023-01-24 | Cognex Corporation | System and method for representing and displaying color accuracy in pattern matching by a vision system |
-
1969
- 1969-10-17 US US867250A patent/US3636513A/en not_active Expired - Lifetime
-
1970
- 1970-09-24 CA CA093909A patent/CA929667A/en not_active Expired
- 1970-09-30 GB GB4642070A patent/GB1331986A/en not_active Expired
- 1970-10-16 FR FR7037442A patent/FR2066088A5/fr not_active Expired
- 1970-10-16 DE DE19702050924 patent/DE2050924A1/de active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE2740395A1 (de) * | 1976-09-10 | 1978-03-16 | Rockwell International Corp | Automatisches system zum identifizieren unbekannter muster |
DE2749682A1 (de) * | 1977-10-04 | 1979-04-05 | Bbc Brown Boveri & Cie | Verfahren und einrichtung zur identifizierung von gegenstaenden |
DE3117870A1 (de) * | 1980-05-08 | 1982-02-04 | Chesebrough-Pond's Inc., 6830 Greenwich, Conn. | Videoueberwachungssystem |
DE19516431A1 (de) * | 1995-05-04 | 1996-11-07 | Siemens Ag | Verfahren zum Auswählen eines Bildes aus einer Bildersammlung für die photogrammetrische Berechnung der räumlichen Koordinaten eines Objektpunktes |
Also Published As
Publication number | Publication date |
---|---|
CA929667A (en) | 1973-07-03 |
US3636513A (en) | 1972-01-18 |
GB1331986A (en) | 1973-09-26 |
FR2066088A5 (de) | 1971-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE2050924A1 (de) | Verfahren und Vorrichtung zum Vorbe handeln der in einem Bild enthaltenen In formation | |
DE2050941A1 (de) | Verfahren und Vorrichtung zur Klassi fikation unbekannter Muster auf Grund von Bildmerkmalen | |
DE112018006337T5 (de) | Verfahren und System zum Klassifizieren eines Objekts von Interesse unter Verwendung eines künstlichen neuronalen Netzes | |
EP0692089B1 (de) | Produktionsnahe farbkontrolle mit bildgebenden sensoren | |
DE3854996T2 (de) | Anlage und Verfahren zur Zellbildverarbeitung | |
DE60307583T2 (de) | Auswertung der Schärfe eines Bildes der Iris eines Auges | |
DE2063932A1 (de) | Verfahren zum Korrelieren zweier Bilder | |
DE10000364B4 (de) | Merkmalbasierende Feststellung von Fehlern | |
DE10157958B4 (de) | Bildverarbeitungsverfahren und-vorrichtung | |
DE10043460C2 (de) | Auffinden von Körperpartien durch Auswerten von Kantenrichtungsinformation | |
DE60303138T2 (de) | Vergleichen von mustern | |
EP3123208B1 (de) | Detektion von gegenständen in einem objekt | |
DE2740483A1 (de) | Merkmal-detektor | |
DE3639636A1 (de) | Automatische inspektion von textilbahnen | |
DE102019133685A1 (de) | Informationsverarbeitungssystem und -verfahren | |
WO2019002114A1 (de) | Vorrichtung und verfahren zum rundum-inspizieren von behältnissen am transportband | |
DE102015207903A1 (de) | Vorrichtung und Verfahren zum Erfassen eines Verkehrszeichens vom Balkentyp in einem Verkehrszeichen-Erkennungssystem | |
DE102016100134A1 (de) | Verfahren und Vorrichtung zum Untersuchen eines Objekts unter Verwendung von maschinellem Sehen | |
DE102019127283A1 (de) | System und Verfahren zum Erfassen eines Objekts in einer dreidimensionalen Umgebung eines Trägerfahrzeugs | |
DE102005049017B4 (de) | Verfahren zur Segmentierung in einem n-dimensionalen Merkmalsraum und Verfahren zur Klassifikation auf Grundlage von geometrischen Eigenschaften segmentierter Objekte in einem n-dimensionalen Datenraum | |
DE1924253A1 (de) | System zum automatischen elektrischen Erkennen von optisch erfassbaren Bildmerkmalen | |
DE2262914A1 (de) | Verfahren und vorrichtung zum erzeugen einer visuellen darstellung der bildpunkte des zu analysierenden feldes und der zugehoerigen information | |
DE102023107476A1 (de) | Ultraschall-defekterkennung und klassifikationssystem unter verwendung von maschinellem lernen | |
DE102020210887B3 (de) | Vermehrung und Verarbeitung von Radardaten mit Machine Learning | |
DE4419395C2 (de) | Verfahren und Einrichtung zur Analyse und Verarbeitung von Farbbildern |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OHW | Rejection |