BR102013002916A2 - Processo para o reconhecimento de um modelo especificado em um conjunto de dados de imagem - Google Patents

Abstract

Processo para o reconhecimento de um modelo especificado em um conjunto de dados de imagem. É sugerido um processo para o reconhecimento de um modelo especificado em um conjunto de dados de imagem captado por meio de um dispositivo para a captação de, pelo menos, dois espectros de frequência eletromagnéticos, que apresenta uma infinidade de dados de pixel, com as etapas seguintes: - formação de vetores de dados de referência com valores do coeficiente de referência caracteristicos para, pelo menos, dois pixels do modelo do modelo especificado; - formação respectivamente de um vetor de dados com valores do coeficiente caracteristicos como componentes para cada pixel de, pelo menos, uma área escolhida dos pixels captados, dos dados de pixel do respectivo pixel, e dos dados de pixel de, pelo menos, um ambiente de teste do pixel, constituído de pixels em intervalo predeterminado em relação ao respectivo pixel; - formação de, pelo menos, um primeiro valor de diferença para os pixels da área escolhida, em função de uma diferença entre o vetor de dados do respectivo pixel e do primeiro valor de dados de diferença; - formação de, pelo menos, um segundo valor de diferença para, pelo menos, um pixel da área escolhida, em função de uma diferença entre o vetor de dados desse pixel, e do segundo valor de dados de diferença; - determinação, se pelo menos, uma grandeza de correlação do modelo determinada em função do primeiro e do segundo valor de diferença não alcança uma valor limite predeterminado, e se essa grandeza forma um mínimo local em um ambiente do tamanho de um objeto de destino; - reconhecimento do modelo especificado, se o valor limite predeterminado não foi alcançado, e existe um mínimo local

Description

Relatório Descritivo da Patente de Invenção para "PROCESSO PARA O RECONHECIMENTO DE UM MODELO ESPECIFICADO EM UM CONJUNTO DE DADOS DE IMAGEM". Área técnica A presente invenção refere-se a um processo para o reconhecimento de um modelo especificado em um conjunto de dados de imagem de acordo com o preâmbulo da reivindicação 1.

Fundamento da invenção O reconhecimento de um modelo em um conjunto de dados de imagem, que foi registrado, por exemplo, por meio de uma câmera multies-pectral ou de um outro sistema de sensores apropriado representa um papel em uma infinidade de campos de aplicação. Alguns campos de aplicação desse tipo são o reconhecimento militar, a cirurgia, o monitoramento de tráfego ou monitoramento de terreno no contexto civil, ou também, por exemplo, o reconhecimento de língua, reconhecimento de texto e o reconhecimento de rostos. Além disso, na prática o fator tempo representa um papel importante no reconhecimento de modelo, e deve ser visto como um problema central do reconhecimento de modelo, pelo fato de que o reconhecimento de modelos para finalidades desejadas muitas vezes demora muito.

Assim, por exemplo, no contexto do reconhecimento militar, i-magens de um terreno a ser monitorado são registradas por meio de uma câmera multiespectral, em consequência do que deve ser examinado, se certos objetos como, por exemplo, veículos, edifícios ou certos dispositivos estão disponíveis no terreno. A um objeto procurado corresponde, então, no plano de dados de imagem, respectivamente um certo objeto, que deve ser reconhecido dentro de um conjunto de dados de imagem registrado. Durante um sobrevoo é registrado, por exemplo, um conjunto de dados de imagem, através do terreno a ser monitorado, e é desejável que seja reconhecido rapidamente, se e quando sim, qual dos objetos procurados está disponível no terreno. Todavia, tem-se mostrado que, uma avaliação de conjuntos de dados de imagem registra-dos dura mais tempo que o desejado.

Estado da técnica Da publicação de patente DE 10 2005 009 626 A1 tornaram-se conhecidos um processo e uma câmera para a perseguição de objetos de destino, sendo que, a câmera apresenta uma unidade de sensor de imagem para a geração de dados de imagem, e uma unidade de processamento para o processamento dos dados de imagem transmitidos pela unidade de sensor de imagem para a unidade de processamento. De acordo com o processo foi sugerido determinar áreas parciais de conjuntos de dados de imagem registrados, para os quais existe uma probabilidade elevada, que eles contenham um modelo procurado, e transmitir somente as áreas parciais da unidade de sensor de imagem para a unidade de processamento. Dessa forma, certamente o reconhecimento de modelos decorre mais rápido, contudo, o reconhecimento de modelos para muitas aplicações como, por e-xemplo, o monitoramento de terreno em tempo real no contexto do reconhecimento militar é muito lento.

Da publicação de patente DE 10 2006 060 612 A1 tornou-se conhecida uma câmera multiespectral, com quatro canais espectrais, com a qual objetos de destino podem ser captados, por exemplo, durante o sobrevoo de um terreno a ser monitorado, e os conjuntos de dados de imagem registrados são transmitidos a uma unidade de processamento estacionada, em geral no solo. Nas imagens captadas por meio da conhecida câmera multiespectral também podem ser reconhecidos objetos de destino com pequeno contraste em relação ao fundo, por exemplo, por meio do emprego de imagens de RGB e imagens de cor falsa. Também de acordo com o processo sugerido aqui, o processamento dos conjuntos de dados de imagem até ali para o reconhecimento de objetos de destino certamente é muito demorado.

Da publicação de patente DE 199 55 919 C1 finalmente tornou-se conhecido um processo para o reconhecimento de modelos em um conjunto de dados de imagem, no qual com auxílio de critérios especificados, pelo menos, uma área parcial do conjunto de dados de imagem é classificada como relevante, e dos pixels na área parcial relevante são formadas imagens da classificação, e na verdade com auxílio de regras de classificação especificadas para a determinação da correspondência de áreas de imagem a um modelo especificado. Em consequência disso, são reunidas as imagens da classificação pertencentes a uma classe de modelo determinada, e é decidido para as imagens da classificação reunidas, se elas correspondem a um modelo especificado, o que leva ao reconhecimento do modelo especificado. Também esse processo tem a desvantagem que, o reconhecimento de modelos em conjuntos de dados de imagem demora muito para muitas finalidades de aplicação.

Os processos conhecidos não são apropriados, em particular, para testar uma grande quantidade de conjuntos de dados de imagem dentro de tempo muito curto quanto à existência de um modelo. Um monítora-mente imediato de um areai maior, por exemplo, com um avião de reconhecimento, com o qual são registradas continuamente grandes quantidades de imagens do areai, e um reconhecimento do modelo simultaneamente se formando, com isso, não é possível por meio dos processos conhecidos.

Representação da invenção Por isso, é tarefa da presente invenção criar um processo para o reconhecimento de um modelo especificado em um conjunto de dados de imagem, o qual decorra mais rápido que os processos conhecidos, e o qual permita, em particular, um reconhecimento mais rápido de um modelo especificado. A invenção soluciona essa tarefa com as características de a-cordo com a reivindicação 1. Execuções vantajosas são descritas em outras reivindicações. A invenção cria um processo para o reconhecimento de um modelo especificado em um conjunto de dados de imagem captado por meio de um dispositivo para a captação de, pelo menos, dois espectros de frequência eletromagnéticos, que compreende uma infinidade de dados de pixel, sendo que, o processo compreende as etapas seguintes: - são formados vetores de dados de referência com valores do coeficiente de referência característicos para, pelo menos, dois pixels de modelo do modelo especificado; preendem a formação de vetores de dados para pixels do conjunto de dados de imagem captado até o reconhecimento do modelo especificado.

Como dispositivo para o reconhecimento de um conjunto de dados de imagem a ser avaliado é empregado um dispositivo para a captação de, pelo menos, dois espectros de frequência eletromagnéticos, em outras palavras, um dispositivo para a captação de dois canais espectrais, de preferência, ele apresenta, todavia, de quatro a seis, mas em caso de necessidade, também mais canais espectrais, por exemplo, também dez canais espectrais. Como dispositivo é apropriada, por exemplo, uma câmera multiespec-tral. Essa câmera pode compreender uma câmera Kodak® KAF-8300 para a captação de luz vermelha, luz verde e infravermelho próximo, e uma câmera do tipo TriWave® CC701 visível, NIR, SWIR para a captação de infravermelho médio e/ ou distante. Um conjunto de dados de imagem captado com o dispositivo apresenta uma infinidade de dados de pixel, sendo que, a um pixel é coordenado, respectivamente, um dado de pixel com um valor registrado por canal espectral do dispositivo. O modelo especificado pode corresponder a um determinado objeto procurado. Para a realização da mencionada etapa de preparação, para a formação de vetores de dados de referência, para que um modelo especificado possa ser absolutamente reconhecido, por exemplo, um objeto especificado, no contexto do reconhecimento militar, por exemplo, um tanque, é registrado com o mencionado dispositivo, e os vetores de dados de referência são, então, formados a partir do material de imagem do modelo captado. O conceito vetor, neste caso, como também adiante, não deve ser entendido no sentido matemático estrito, mas expressa que, diversos valores de dados são mantidos como componentes em uma sequência ordenada. Se um objeto procurado não puder ser registrado por meio do dispositivo, por exemplo, um veículo inacessível, também é possível, com um programa gráfico de computador produzir um modelo por computador, e a partir do modelo por computador gerar os vetores de dados de referência. Neste caso, também pode ser determinada uma infinidade de modelos, e a busca por todos os modelo especificados pode decorrer paralelamente. Se um modelo for espe- cificado e codificado em forma de vetores de dados de referência, a mencionada etapa de preparação não precisa ser repetida, então quaisquer conjuntos de dados de imagem podem ser examinados sobre a existência do modelo.

Os dois pixels do modelo da imagem do modelo, para os quais são formados os vetores de dados de referência devem ser selecionados, de preferência, de tal modo que, eles contenham informações mais elucidativas possíveis. Se no caso da imagem do modelo se tratar, por exemplo, de uma foto de um tanque, portanto, são selecionados, por exemplo, dois pontos do tanque como pontos da imagem do modelo, que se destacam com respeito a propriedades como, por exemplo, cor, forma e etc., e contrastam bastante com o ambiente, de tal modo que os vetores de dados de referência correspondentes contem dados significativos em forma de valores de coeficiente de referência característicos como componentes do vetor de dados de referência. No caso de um tanque, por exemplo, um ponto marcante em uma torre de proteção ou, por exemplo, uma escotilha de embarque seria apropriada como ponto da imagem do modelo.

Se for especificado, pelo menos, um modelo, e for registrado um conjunto de dados de imagem, pelo menos, para uma área selecionada dos pixels do conjunto de dados de imagem, sendo que, a área selecionada também pode compreender todo o conjunto de dados de imagem, para cada pixel é formado um vetor de dados com valores de coeficiente característicos. O vetor de dados para um pixel definido, neste caso, é formado dos dados de pixel do pixel, e também de dados de pixel de pixels em intervalo predeterminado. Por conseguinte, é considerada não apenas a informação sobre o pixel propriamente dito, mas também sobre os pixels adjacentes. O pixel junto com os pixels que o envolvem em uma região de, por exemplo, cinco por cinco pixels, os quais, do mesmo modo, são considerados para a formação do vetor de dados é um ambiente de teste do pixel. Um ambiente de teste pode ser constituído, por exemplo, de um quadrado de cinco por cinco pixels, em cujo centro se encontra o pixel, cujo vetor de dados é formado. Mas também podem ser formados ambientes de teste maiores, de vários, por exemplo, nove elementos respectiva mente de 25 pontos, que são em si, de preferência, invariantes rotacionais. O ambiente de teste expandido dessa forma, portanto, é constituído do elemento central e de oito elementos marginais dispostos em torno do elemento central em um quadrado.

Para o reconhecimento do modelo, esse ambiente de teste expandido pode ser testado, respectivamente, em doze posições de rotação, se em uma das posições de rotação existe uma correlação com a imagem de busca no objeto de busca contido nela. Neste caso, doze posições de rotação são suficientes na sequência da invariância rotacional dos elementos individuais de 25 pontos, a fim de poder cobrir com falhas muito pequenas qualquer posição de rotação. A posição de rotação com o valor de diferença mínimo dos vetores de características é registrado como melhor match em um banco de dados de resultado na posição do pixel médio, e registra a soma da diferença. Todos os pixels no banco de dados de resultado, nos quais existe um mínimo local claro do valor de diferença dos vetores de características, e o valor de diferença está sob uma certa barreira, são avaliados como um ambiente de teste do objeto de busca, reconhecido como imagem de referência conhecida. O vetor de características do ambiente de teste na posição de rotação é formado pelo fato de que, os pontos médios dos elementos cinco por cinco na posição de rotação são calculados na imagem de busca. Nas coordenadas dos pontos médios transformados, a partir da imagem de busca são retirados os valores médios invariantes rotacionais depositados no banco de dados e desvios padrão dos componentes de cor normalizados e do valor de claridade, e são registrados no vetor de características do ambiente de teste sem cálculo renovado de todos os valores médios teste na posição de rotação. Isto resulta uma grande economia de dispêndio de cálculo.

Para os pixels da área escolhida é procurada uma correlação entre o pixel e um dos pixels do modelo. Neste caso, uma diferença é formada entre o vetor de dados do pixel e o primeiro vetor de dados de referência, e em função da diferença é formado, pelo menos, um valor da diferença. A diferença entre o vetor de dados e o primeiro vetor de dados de referência é para formar, por exemplo, em forma de componente, isto significa que, uma diferença é formada entre o valor de coeficiente característico do pixel e o correspondente valor de coeficiente de referência característico. O primeiro valor da diferença é, por exemplo, o valor do vetor de diferença, portanto, sua norma euclidiana. Em alternativa a isso, por exemplo, vários primeiros valores da diferença correspondem às diferenças formadas dos valores de coeficiente.

De modo análogo como foram formados o primeiro valor da diferença ou os primeiros valores da diferença, para, pelo menos, um pixel da área selecionada do conjunto de dados de imagem é formado um segundo valor da diferença. O, pelo menos um, segundo valor da diferença é formado para um pixel, porém em caso de necessidade, também para uma infinidade, por exemplo, para todos os pixels da área selecionada do conjunto de dados de imagem. A numeração dos pixels e vetores de dados, ou dos vetores de dados de referência, em outras palavras, em qual sequência o primeiro ou o segundo vetor de dados ou o primeiro e o segundo vetores de dados de referência são empregados, neste caso, não tem importância. A numeração foi criada somente para a ilustração e não representa nenhuma limitação do objeto reivindicado. Com isso, a sequência das etapas de correlação com respeito aos primeiros ou segundos vetores de dados pode variar arbitrariamente.

Finalmente, dos valores da diferença determinados é formada uma grandeza de correlação do modelo, sobre cuja base é tomada uma decisão, se o modelo especificado é reconhecido. A grandeza de correlação do modelo pode conter elementos parciais de todos os componentes de cor normalizados e da claridade toda, e com isso, formar um vetor de correlação multiespectral, sobre cuja base é tomada uma decisão, se o modelo especificado é reconhecido. A grandeza de correlação do modelo pode ser um único valor, por exemplo, a soma dos valores de dois valores da diferença, ou ela também pode ser uma grandeza vetorial com vários valores, por exemplo, um vetor com os valores absolutos das diferenças entre os valores de coeficiente característicos do pixel e os primeiros valores de coeficiente de referência e os segundos valores de coeficiente de referência como registros de componentes.

Finalmente como primeira condição necessária para um reconhecimento do modelo é testado se a grandeza de correlação do modelo não alcança um valor limite, sendo que, o valor limite deve especificar o tipo de objeto da grandeza de correlação do modelo, isto significa que, o valor limite é um único valor, ou uma grandeza vetorial com várias entradas. Se o valor limite não foi alcançado, isto significa que, os dois pixels apresentam quase os mesmos ou, pelo menos, valores de coeficiente característicos muito similares como os pixels do modelo. Caso o modelo especificado exista de fato no conjunto de dados de imagem e foi reconhecido, o desvio da grandeza de correlação do modelo determinada de um valor típico ideal “zero” deve ser vista como consequência de ruídos de fundo, de desfoque de medição e/ ou da influência de variáveis de interferência.

Como segunda condição necessária para um reconhecimento do modelo, a grandeza de correlação do modelo precisa apresentar no local do objeto a ser reconhecido um mínimo local do valor absoluto da grandeza de diferença em todas as direções de corte.

Uma vez que a quantidade de dados necessária para o reconhecimento do modelo se restringe primariamente a valores de coeficiente característicos ou a valores de coeficiente de referência, portanto, a vetores de dados e vetores de dados de referência, e os conjuntos de dados de imagem podem ser processados de modo altamente seletivo, o processo de acordo com a invenção decorre de modo muito rápido e permite um reconhecimento muito rápido do modelo especificado. O reconhecimento ocorre, em particular, mais rápido do que por meio dos processos conhecidos. Por isso, o processo de acordo com a invenção é apropriado também para o emprego na área militar, por exemplo, para um monitoramento em tempo real de um terreno, por meio de um objeto voador, sobre a ocorrência de objetos definidos como, por exemplo, veículos, edifícios ou determinados equipamentos.

Uma vez que os componentes de vetores de dados, que consideram valores de coeficiente característicos de pixels, não apenas informações sobre o referido pixel, mas através da filtragem digital com a matriz de coeficiente de acordo com a invenção, também informações sobre os 24 pixels adjacentes do elemento cinco por cinco pixels, o teor de informação dos valores de coeficiente característicos é altamente compactado, de tal modo que o processo sobre base de poucos dados pode trabalhar de modo muito preciso. A exatidão do processo de acordo com a invenção pode ser aumentada de forma simples, dependendo de quanta potência de cálculo está disponível para a realização do processo, ou pode ser adaptada para determinados propósitos, pelo que o número de pixels do modelo, ou ambientes de teste de um modelo especificado é aumentado ou é diminuído.

De acordo com uma forma de execução preferida do processo de acordo com a invenção, pelo menos, um valor do coeficiente característico de um vetor de dados é determinado como valor médio dos dados de pixel captados em um primeiro ambiente de teste, situado na faixa de frequência da luz visível ou na faixa de infravermelho, ou como valor médio das lu-minescências dos pixels do primeiro ambiente de teste.

Neste caso, o primeiro ambiente de teste de um pixel é, por e-xemplo, um quadrado de cinco por cinco pixels, em cujo centro o pixel se encontra. Se valores de cor foram registrados como dados de pixel, por e-xemplo, com uma câmera multiespectral, por meio de três ou quatro canais espectrais, como, por exemplo, valores de vermelho, valores de verde ou valores de infravermelho, a partir dos valores de cor de um pixel também pode ser determinada uma luminescência, portanto, um valor de claridade do pixel. Um ou vários valores de coeficiente característicos, então, são determinados a partir dos valores médios dos dados de pixel no ambiente de teste, portanto, por exemplo, a partir dos valores de vermelho de todos os pixels, de todos os valores de verde, de todos os valores de infravermelho e/ ou de todas as luminescências dos pixels no primeiro ambiente de teste. Alguns valores de coeficiente característicos de um vetor de dados de um pixel são, então, por exemplo, um valor de vermelho médio <R>1, um valor de verde médio <G>1, um valor de infravermelho médio<l>i e um valor de lumi-nescência médio <E>1, sendo que, os valores médios se referem, respectivamente, a todos os valores na primeira área de teste.

Além disso, pelo menos, um valor do coeficiente característico de um vetor de dados é determinado, de preferência, como um desvio padrão de uma cor ou claridade nos dados de pixel cinco por cinco, que foram captados para pixels situados dentro do primeiro ambiente de teste, ou é determinado como um desvio padrão entre as luminescências dos pixels do primeiro ambiente de teste. Neste caso, os ambientes de teste são formados e avaliados exatamente, como no caso dos vetores de características descritos acima para os valores de componentes de cor e valores de claridade normalizados. Ao invés de valores de intensidade, então, são empregados os desvios padrão dos valores de intensidade no vetor de características.

Se como dados de pixel estiverem disponíveis valores de cor normalizados e o valor de claridade total, então, de acordo com a forma de execução preferida, por exemplo, são determinados os desvios padrão dos valores de cor e do valor de claridade dentro do primeiro ambiente de teste como um valor do coeficiente característico do vetor de características. Neste caso, também podem ser determinados vários ou todos os valores de coeficiente característicos como desvios padrão. Um vetor de dados de um pixel, portanto, pode abranger, por exemplo, um desvio padrão dos valores de vermelho or no primeiro ambiente de teste, um desvio padrão dos valores de verde Oq, um desvio padrão dos valores de infravermelho σι, e um desvio padrão dos valores de luminescências σΕ como valores de coeficiente característicos.

De preferência, pelo menos, um valor do coeficiente característico de um vetor de dados é determinado como valor médio de dados de cor dos pixels de um segundo ambiente de teste, ou como valor médio das luminescências dos pixels do segundo ambiente de teste. O segundo ambiente de teste é do mesmo tamanho, de preferência, maior que o primeiro ambiente de teste. Neste caso, o segundo ambiente de teste é, por exemplo, um quadrado de quinze por quinze pixels, e se compõe de 9 elementos invariantes rotacionais cinco por cinco pixels, e em seu centro encontra-se o pixel nominal. Exemplos para valores de coeficiente característicos de um vetor de dados pixel são, então, por exemplo, por sua vez, um valor de vermelho médio <R>2, um valor de verde médio <G>2, um valor de infravermelho médio<l>2e um valor de luminescência médio <E>2, sendo que, os valores médios se referem, então, porém ao segundo e não ao primeiro ambiente de teste. Neste caso, os valores médios, que se referem ao primeiro ambiente de teste e os que se referem ao segundo ambiente de teste também podem coexistir como valores de coeficiente característicos.

Esse ambiente de teste precisa ser calculado e testado no tamanho indicado acima, pelo menos, em 12 posições de rotação, cuja posição de rotação leva a melhor concordância com o pixel de busca. A melhor posição de rotação é, então, empregada como vetor de característica do modelo. Também para o segundo ambiente de teste pode ser formado um vetor de característica, a partir dos desvios padrão dos componentes de cor e da claridade e, assim, a nitidez de separação do processo de reconhecido do modelo pode ser melhorada mais ainda.

Se depois de um primeiro ambiente de teste também um segundo ambiente de teste foi definido para a imagem de referência especificada do objeto de busca correspondente, resulta, por um lado que, a imagem de referência especificada foi reconhecida, e da posição relativa dos dois ambientes de teste, por outro lado, também a posição do objeto de busca no conjunto de dados de imagem, bem como, a posição de rotação do objeto de busca. O número dos outros ambientes de teste pode ser elevado arbitrariamente para o aumento da exatidão. O intervalo, no qual os outros ambientes de teste do primeiro ambiente de teste são especificados na imagem de referência para o objeto de busca pode ser medida novamente na imagem de busca, a fim de captar e considerar eventuais desvios de escala com respeito ao intervalo entre os ambientes de teste na imagem de busca e na imagem de referência.

Ao objeto de busca especificado corresponde, então, uma imagem de referência especificada. O processo pode ser aplicado, neste caso, para quaisquer objetos de busca mapeáveis especificados. Na área de aplicação militar, o objeto de busca especificado pode ser, por exemplo, um determinado veículo como, por exemplo, um tanque. Do teste objeto de busca, então, por exemplo, com uma câmera multiespectral é registrada uma imagem de referência em escala conhecida, de tal modo que existe um conjunto de dados de imagem do objeto. Se o objeto de busca não estiver acessível, também pode ser gerado um conjunto de dados de imagem do objeto por meio de um sistema gráfico do computador, se existir informações suficientes quanto a cores e contorno externo do objeto de busca.

Durante a busca de objetos complexos, que se destaquem bem do fundo, a busca pode ser bastante acelerada pelo fato de que, a busca é iniciada em uma imagem de busca representada com uma resolução bastante grosseira de, por exemplo, seis metros em um objeto de 150 metros, que é selecionada de tal modo que, o objeto procurado é captado em um ambiente de teste de 25 por 25 pixels.

Assim que o objeto de busca é reconhecido, é testado um segundo conjunto de ambientes de teste com resolução mais alta de, por e-xemplo, uma resolução de um metro, o qual capta um navio em, por exemplo, seis ambientes de teste que encostam um no outro, contra a base de dados de referência, e o reconhecimento do objeto é refinado.

Se com isso ainda não for possível nenhuma coordenação exata do objeto encontrado à base de dados de referência, a partir da base de dados de referência são aproximados, por exemplo, objetos individuais no convés de um objeto do navio com resolução completa da câmera de, por e-xemplo, 0,2 metros, a fim de, com isso, realizar uma clarificação mais exata da identidade do objeto do navio observado com relação à base de dados de referência.

Além disso, objetos, por exemplo, armas, que são descobertas no convés de um navio normalmente conhecido como legal, dão indicações que, neste caso, existe um delito. Para o reconhecimento exato de armas e objetos similares perigosos, com a câmera podem ser feitas fotos com resolução muito alta de 2,5 cm, e podem ser comparadas com fotos de referência. Fotos desse tipo podem ser empregadas como evidências em tribunal.

Pelo menos, um valor do coeficiente característico de um vetor de dados é determinado, de preferência, como um valor de curvatura de uma superfície de cor ou superfície de luminescência, portanto, como uma diferença entre o valor médio dos dados de pixel ou luminescências do primeiro ambiente de teste, e o valor médio dos dados de pixel ou luminescências do segundo ambiente de teste.

Um vetor de características (vetor de dados) de um pixel pode compreender como componentes, salvo os valores médios e o desvio padrão, também um valor de curvatura vermelho KR = <R>1 - <R>2, um valor de curvatura verde KG = <G>! - <G>2, um valor de curvatura de infravermelho K, = <I>1 - <l>2, e um valor de curvatura de luminescências KE = <E>! -<E>2.

De acordo com uma forma de execução preferida do processo de acordo com a invenção, dos pixels captados são escolhidos aqueles pixels como, nos quais o primeiro valor da diferença não alcança um primeiro valor limite predeterminado. Os pixels da pré-seleção devem ser considerados como pixels potencialmente correspondentes ao modelo especificado.

Neste caso, de acordo com a forma de execução, como condição, que precisa ser preenchida, a fim de ser recebida na pré-seleção, só é exigido que um único primeiro valor da diferença não alcance um valor limite, ou ele pode ser predeterminado também para vários valores da diferença, de tal modo que, cada um dos valores limite individuais precisa não ser alcançado. Através da pré-seleção a outra avaliação é limitada a um número menor, de tal modo que, o processo decorre mais rápido.

De acordo com uma outra forma de execução do processo, uma pré-seleção de pixels é formada, pelo fato de que são escolhidos pixels, nos quais um ou vários valores da diferença são mínimos.

Pode ser pretendido predeterminar, por exemplo, um número de pixels, por exemplo, vinte e, então, entre todos os pixels até o número prede- terminado são selecionados aqueles, nos quais o valor ou os valores da diferença são mínimos Dessa forma a quantidade de dados a ser analisada mais adiante pode ser reduzida, de tal modo que, o processo decorre mais rápido.

De acordo com um aperfeiçoamento vantajoso da invenção, os vetores de dados de referência são formados de dados de pixel do modelo de um ambiente de teste de referência, para os pixels da área selecionada ou da pré-seleção, em função das diferenças entre os dados de pixel captados e os dados de pixel do modelo, a partir do ambiente de teste de referência é criado um histograma, e em função de uma avaliação do histograma é formada uma seleção de pixels.

Através da avaliação de um histograma das diferenças entre os dados de pixel captados no primeiro ou no segundo ambiente de teste e os dados de pixel do modelo no ambiente de teste de referência é testado, se os dados de pixel no ambiente de teste são muito similares aos dados de pixel do modelo. Por isso, a avaliação do histograma é mais exata do que uma verificação do desvio entre os coeficientes característicos do pixel e de um pixel do modelo, uma vez que os coeficientes característicos podem se assemelhar casualmente, porque, por exemplo, dois conjuntos de dados de valores muito diferentes apresentam dois valores médios similares. Com a avaliação do histograma, por conseguinte, é realizado um teste muito exato, o quanto um pixel e um pixel do modelo são similares.

Uma vez que, a etapa do processo da avaliação do histograma, contudo, com respeito à quantidade de dados a ser processada é mais dispendiosa que as etapas anteriores, ela é realizada, por exemplo, somente para os pixels, que já são parte da pré-seleção, e por isso com probabilidade maior pertencem ao modelo especificado. Neste caso, a seleção de pixels é, de preferência, uma restrição maior aos pixels correspondentes potencialmente ao modelo, que a pré-seleção mencionada anteriormente. Dessa forma, devido às sucessivas restrições a quantidades de dados sempre menores, portanto, por exemplo, do conjunto de dados de imagem captado para uma área parcial selecionada, para uma pré-seleção, e então, para uma se- leção sempre são realizadas etapas de teste mais dispendiosas e mais exatas para a determinação se um pixel pertence a um modelo especificado, com processo que decorre, ao mesmo tempo, muito rápido, uma vez que as quantidades de dados a serem processadas são mantidas menores em cada etapa.

De acordo com uma forma de execução preferida do processo de acordo com a invenção, para um pixel, que pertence à pré-seleção ou à seleção de pixels, em um intervalo predeterminado em relação ao pixel são escolhidos outros pixels dispostos em grande parte de forma circular, e um outro dos pixels, cujo segundo valor da diferença correspondente é mínimo e não alcança um segundo valor limite predeterminado, é definido como o segundo pixel do modelo.

Se depois de um primeiro pixel também for definido um segundo pixel como modelo especificado correspondente, por um lado resulta que, o modelo especificado foi reconhecido, e da combinação dos dois pixels, por outro lado, também a posição do modelo no conjunto de dados de imagem, bem como, a posição de rotação do modelo. Dependendo de quão exato o processo deve ser, e, em particular, quão exata a posição de rotação deve ser definida, para a etapa do processo mencionada por último pode ser determinado um número correspondente de outros pixels. Um exemplo seria a condição de doze outros pixels em um círculo que envolve o primeiro pixel. Neste caso, a posição de rotação do modelo pode ser definida a 30 graus exatos. O número dos outros pixels pode ser aumentado arbitrariamente para o aumento da exatidão. O intervalo, no qual os outros pixels são especificados do primeiro pixel, além disso, pode ser predeterminado, por exemplo, em função de dados sobre o modelo especificado, a fim de considerar eventuais desvios de escala com respeito ao intervalo entre os pixels do modelo e o primeiro e os outros pixels na imagem de busca.

De acordo com um aperfeiçoamento vantajoso da invenção, um vetor de dados é determinado em função dos dados de pixel de pixels de um ambiente de teste, que envolve o pixel na maior parte de forma quadrada ou circular. Neste caso, podem ser empregados também mais que um ambiente de teste, por exemplo, como descrito acima, um primeiro ambiente de teste menor, com, por exemplo, aproximadamente 25 pixels, e um segundo ambiente de teste maior como, por exemplo, aproximadamente 225 pixels. Um ambiente de teste é formado, por exemplo, pelos pixels dentro de um quadrado ou de um círculo que envolve o pixel.

De acordo com uma forma de execução preferida do processo de acordo com a invenção, um vetor de dados de referência é determinado a partir de um conjunto de dados de imagem captado por meio do dispositivo, de um objeto predeterminado, el ou a partir de um conjunto de dados de i-magem, que foi gerado a partir de um modelo do objeto predeterminado.

Ao objeto predeterminado corresponde, então, um modelo especificado. O processo pode ser aplicado, neste caso, a quaisquer objetos predeterminados. Na área de aplicação militar, o objeto predeterminado pode ser, por exemplo, um determinado veículo como, por exemplo, um tanque. O objeto é registrado, então, por exemplo, com uma câmera multiespectral, de tal modo que, existe um conjunto de dados de imagem do objeto. Se o objeto não estiver acessível, também pode ser gerado um conjunto de dados a partir de um modelo do objeto.

Além disso, de acordo com um aperfeiçoamento do processo de acordo com a invenção, é captada uma imagem de referência de fundo, e os vetores de dados são preparados por pixels em função dos dados de pixel da imagem de referência de fundo. A imagem de referência de fundo é um registro do fundo, pelo qual o modelo especificado é procurado em seguida. Na imagem de referência de fundo, de preferência, o fundo é captado certamente sem o modelo especificado, e serve em seguida para o propósito de poder colocar os dados de pixel em relação com dados de pixel do fundo.

Se com emprego do processo de acordo com a invenção tiver que ser procurado, por exemplo, um veículo no deserto, o deserto é registrado como imagem de referência de fundo. Se o mesmo veículo for procurado, por exemplo, em uma paisagem de grama, a paisagem de grama é registrada como imagem de referência de fundo. A imagem de referência de fundo fornece dados de pixel de fundo como, por exemplo, valores de cor característicos, por exemplo, valores de vermelho ou valores de verde, os quais podem ser empregados para a finalidade de reduzir em uma imagem de busca captada variáveis de interferência. Uma variável de interferência desse tipo pode ser fundamentada pelo fato de que, um veículo no deserto de dia emite principalmente valores de vermelho mais altos que durante a noite, e com isso, apresenta uma outra cor diferente do fundo neutro, como o que é empregado para a foto das imagens de referência. Por meio de imagens de referência de fundo apropriadas, que foram registradas em diversas horas do dia, e em situações meteorológicas diferentes, do mesmo modo, podem ser reduzidas variáveis de interferência em função da hora do dia e/ ou da situação meteorológica. Dados de pixel e/ ou vetores de dados de pixels captados podem ser normalizados levando em consideração as imagens de referência de fundo, de tal modo que, por exemplo, em todas as horas do dia e situações meteorológicas devem ser esperados valores de cor e valores de luminescência similares, normalizados, do objeto procurado.

De preferência, para a normalização de um valor de claridade el ou de um valor de contraste de cor é aplicada uma transformação afim sobre os dados de pixel captados não normalizados dos dados de pixel. Os parâmetros especificados ou a serem aplicados da transformação afim são determinados, por exemplo, a partir dos dados de pixel da imagem de referência de fundo, ou são depositados como modelo em um programa de simulação computacional. Depois da transformação afim pode ser aplicada uma filtragem linear com um valor de componente de cor ou valor de claridade ponderado, médio para componentes de cor captados dos dados de pixel. Essa filtragem pode compreender uma diferenciação e um reforço de cantos na superfície e um alisamento no detalhe.

Além disso, de preferência, para a expansão de, pelo menos, um componente de cor dos dados de imagem e/ ou para a compressão de, pelo menos, um componente de cor é aplicada uma transformação afim sobre os dados de pixel captados ou dados do vetor de cor captados de todos os pi- xels de uma imagem de busca, a fim de aumentar e, com isso, otimizar de modo intencional o contraste de cor dos objetos procurados na imagem de busca.

Dessa forma, a sensitivídade em relação a diferenças menores entre os dados de pixel e os dados de referência é aumentada na faixa de frequência, que é expandida, e na faixa que é comprimida, ela é reduzida. A faixa de frequência que é expandida, neste caso, é colocada em frequências particularmente significativas. Outras faixas de frequência, que são menos significativas, pelo contrário, são comprimidas. Como expansão, neste caso, deve ser entendida uma alteração linear ou não linear da escala de cor ou de claridade. As faixas expandidas, neste caso, são representadas de modo excessivo e, por isso, mais exato, e as faixas comprimidas são representadas de modo menos exato.

No caso de uma aplicação militar do processo, uma faixa de frequência, que deve ser expandida, por exemplo, na faixa de valores de cor da cores de camuflagem, portanto, por exemplo, no caso de determinados valores de verde e valores de marrom ou de vermelho das cores, com as quais veículos militares são camuflados tipicamente. Dessa forma, por e-xemplo, pode ser diferenciado mais exatamente, se um valor de verde captado corresponde de fato a uma cor de camuflagem do objeto predeterminado ou a um valor de verde que ocorre tipicamente no fundo, aproximadamente na vegetação. Dessa forma o contraste entre um objeto procurado e um fundo é aumentado.

Além disso, de modo geral como descrito acima, sobre toda a imagem de busca é aplicada uma filtragem linear através de um filtro de So-bel modificado, que causa uma diferenciação e um destaque de cantos em grande escala, e um alisamento de gradientes de contraste e de cor em pequena escala sobre dados de pixel. Para isso, por exemplo, é empregada uma matriz de coeficiente de acordo com a invenção, e é aplicada sobre um vetor de dados formado.

Dessa forma, por exemplo, se os valores de cor foram captados como dados de pixel, em zonas de passagem de cor, as passagens se tor- nam mais íngremes e mais estreitas, de tal modo que, valores de cor mais puros resultam com contraste melhor em relação a regiões adjacentes com outros valores de cor.

De acordo com uma forma de execução preferida do processo de acordo com a invenção, para um pixel são determinados vetores de dados com, pelo menos, dezesseis valores de coeficiente característicos.

Os dezesseis valores de coeficiente característicos são, por e-xemplo, valores médios de valores de vermelho captados <R>1, valores de verde captados <G>!, valores de infravermelho captados <I>1, e valores médios de luminescências calculadas <E>1; de pixels em um primeiro ambiente de teste, desvios padrão das mencionadas grandezas dentro do primeiro ambiente de teste, or, oq, σι, oe, valores médios das mesmas grandezas dentro de um segundo ambiente de teste <R>1, <G>1, <l>1r <E>-i, e da diferença dos valores médios e valores de curvatura Kr = <R>i - <R>2, Kg = <G>1 - <G>2, Ki = <l>-i - <l>2, KE = <E>1 - <E>2- determinados nos dois ambientes de teste.

De preferência, portanto, são fixados, pelo menos, trinta e dois valores de coeficiente característicos, para o reconhecimento de um modelo especificado em relação a trinta e dois valores de coeficiente de referência característicos, ou seja, dezesseis coeficientes do primeiro vetor de dados e dezesseis coeficientes do segundo vetor de dados. Outros coeficientes característicos, com os quais possam ser testadas correlações entre o modelo e pixels do conjunto de dados de imagem captado devem ser determinados, por exemplo, por meio da formação de uma diferença entre os componentes do primeiro e do segundo, e em caso de necessidade, entre componentes de outros vetores de dados. Aos trinta e dois valores de coeficiente característicos podem ser acrescentados, por exemplo, quatro outros, que são determinados através da formação de diferença entre os valores de cor e valores de luminescências do primeiro e do segundo vetor de dados.

De acordo com uma outra forma de execução preferida do processo de acordo com a invenção, para um ambiente de teste com 15 por 15 pixels são empregados nove elementos de cinco por cinco pixels. Para isso os vetores de dados são determinados com nove por quatro componentes de cor e valores de claridade, portanto, 36 com valores de coeficiente característicos, quando só são empregados valores médios. Se forem empregados os desvios padrão, do mesmo modo, o conjunto de coeficientes do vetor de característica compreende um ambiente de teste de 72 coeficientes.

De acordo com uma outra forma de execução preferida do processo de acordo com a invenção, é empregado um ambiente de teste com 25 por 25 pixels formado de nove elementos de cinco por cinco pixels e quatro elementos anulares de 15 por 15, que estão dispostos nos cantos do ambiente de teste. Para isso são determinados vetores de dados com 13 por quatro componentes de cor e valores de claridade, portanto, 52 valores de coeficiente característicos, quando só são empregados valores médios. Se forem empregados os desvios padrão, do mesmo modo, o conjunto de coeficientes do vetor de característica desse ambiente de teste compreende 104 coeficientes.

Para a avaliação de imagem com esses dois ambientes de teste é suficiente testar, respectivamente, doze posições de rotação do objeto de destino distribuídas de modo uniforme, a fim de obter a nitidez de separação de reconhecimento total do algoritmo de reconhecimento de imagem.

Os oito valores de coeficiente característicos de um pixel são, por exemplo, valores médios e desvios padrão de valores de vermelho captados <R>1, de valores de verde captados <G>1, de valores de infravermelho captados <I>1, e de luminescências captadas <E>1, das mencionadas grandezas dentro do primeiro pixel do primeiro ambiente de teste, or, Og, σι, σε.

Breve descrição dos desenhos A seguir a invenção será esclarecida em detalhes a título de e-xemplo, com auxílio dos desenhos anexos. São mostradas: Na fig. 1 uma representação de um modelo reconhecido por meio do processo de acordo com a invenção, em seis posições de rotação diferentes; e Na fig. 2 uma representação gráfica, esquemática para a explicação da invenção. A fig. 1 mostra um modelo reconhecido por meio do processo de acordo com a invenção, em seis posições de rotação diferentes. O exemplo de execução representado do modelo especificado, neste caso, corresponde a um registro realizado por meio de uma câmera multiespectral de um tanque de combate em seis posições de rotação diferentes.

As fotos do tanque foram feitas durante o sobrevoo de um terreno, sendo que, a mencionada câmera multiespectral estava estacionada a bordo de um corpo voador e apresentou quatro canais espectrais. Ela é executada para o registro de valores de cor vermelhos, valores de cor verdes, infravermelho próximo e infravermelho remoto. Para o tanque representado, antes que a foto fosse feita, foram formados dois vetores de dados de referência para dois pixels do modelo selecionados de uma imagem do modelo fotografada antes a mesma câmera. Na forma de execução representada, os dois pixels do modelo selecionados estão situados na torre de proteção do tanque, e em um tubo de canhão que parte da torre de proteção.

Os tanques mostrados na fig. 1 foram reconhecidos pelo fato de que, em primeiro lugar foi determinado um pixel, que corresponde ao primeiro pixel do modelo, no presente caso, àquele pixel no tubo de proteção. Depois em uma região circular redonda, em torno do primeiro pixel foi procurado por outros pixels e determinado se um dos outros pixels e, se sim, qual corresponde ao segundo pixel, portanto, àquele pixel no tubo de canhão.

Na fig. 1, o primeiro pixel se situa, respectivamente, entre duas barras brancas marcadas, o segundo pixel se situa, respectivamente, entre duas barras escuras marcadas. No caso do primeiro tanque 1, mostrado em cima à direita na fig. 1, foram encontrados um primeiro pixel 2 e, à esquerda e abaixo do primeiro pixel 2, um segundo pixel 3. A partir da posição relativa dos dois pixels 2, 3, um em relação ao outro, por um lado, foi definida a posição e, por outro lado, a posição de rotação do tanque 1. Esse tanque está orientado com seu tubo de canhão, aproximadamente em um ângulo de 20 graus para a direita acima no plano da figura.

No caso de um segundo tanque 4, por sua vez, foram identificados um primeiro modelo do pixel 5 correspondente, correspondente ao tan- que, e um segundo pixel 6, sendo que, o segundo pixel 6 no caso desse tanque 4 foi encontrado à direita, acima do primeiro pixel 5. Dos pixels 5, 6 definidos, por sua vez, foi determinada a posição e a posição de rotação do tubo de canhão do tanque 4.

Também os outros tanques 7, 8, 9, 10 foram reconhecidos por meio do processo de acordo com a invenção. Neste caso, foram reconhecidos, respectiva mente os pixels mencionados acima, sendo que, no caso dos tanques 7, 8 e 10 também foram reconhecidos ainda pixels adicionais como informação adicional, que possibilitaram uma definição de posição e de posição de rotação mais exata. A descrição a seguir, em ligação com a fig. 2 do desenho, serve para mais esclarecimento do processo de acordo com a invenção.

De todos os objetos de destino, que devem ser procurados, em um banco de dados de referência de imagem de destino 11 são criadas ilustrações dos detalhes característicos, e com os dados de posição necessários para o objeto de destino e são depositadas na imagem de referência de detalhe. Para isso são armazenados dados, onde o destino ocorre. Se não estiverem disponíveis quaisquer imagens diretas do destino, então essas imagens podem ser geradas com informação suficiente sobre o objeto de destino pelo sistema gráfico do computador.

Através de um telescópio óptico 12 e de um espelho de escane-amento 13 são captados por uma câmera de NIR 14 pixels registrados com roda de filtro de cor, e são preparados por um computador de processamento da imagem 15 com filtro de coeficiente para os elementos a serem captados. Por meio de um dispositivo 16 representado esquematicamente é realizado o reconhecimento de imagem multiespectral previsto de acordo com a invenção. A resolução de pixel da imagem de busca precisa ser convertida, de tal modo que possam ser reproduzidos muitos detalhes característicos reconhecíveis de modo suficientemente bom e mais inequívoco possíveis do objeto de busca em uma superfície de imagem de, respectivamente, 15 por 15 pixels. De acordo com a invenção o vetor de característica de um detalhe é formado a partir dos dados característicos de pequenas superfícies de i- magem com, respectivamente, tamanho de cinco por cinco pixels. No caso mais simples, como dados característicos são empregados, neste caso, os valores médios dos componentes de cor e da claridade total dos 25 pixels. De acordo com a invenção, com potência de reconhecimento melhor são empregados os valores médios ponderados da claridade total com a matriz de filtro 17, e os valores médios ponderados das claridades normalizadas dos componentes de cor individuais das superfícies de imagem como vetor de característica.

Os coeficientes 18 da matriz de filtro 17 são selecionados, de tal modo que, ocorre um efeito de diferenciação e de alisamento. Deste modo a imagem aparece com mais contraste e mais nitidez nos cantos. Os coeficientes 18 da matriz de filtro 17 das superfícies de imagem individuais de cinco por cinco pixels, neste caso, são selecionados de tal modo que seu vetor de característica (portanto, seus valores médios ponderados) são invariantes rotacionais, portanto, é igual em cada posição de rotação.

Isto resulta a vantagem de cálculo que, o vetor de característica dos pixels de imagem individuais com média e filtragem só precisa ser calculado uma vez antecipadamente. Disso, por meio de transformação de coordenadas simples dos pixels, podem ser calculados os 12 vetores de característica empregados para os testes das 12 posições de rotação do ambiente de teste. Na forma de execução representada na fig. 2, o ambiente de teste 20 apresenta nove elementos, e possui um pixel médio 21. Para o cálculo de um detalhe maior com diâmetros de 15 pixels esse detalhe é composto de nove das superfícies de cinco por cinco pixels. As superfícies de pixels são dispostas nas diagonais em uma ordem de grandeza, que precisa ser transformada para os destes das 12 posições de rotação. O detalhe total é formado, com isso, de acordo com a invenção de uma disposição especial de 8 elementos de pixel de cinco por cinco, dispostos, respectivamente, em torno de um elemento médio com pixels médios 21 (no contexto da resolução de pixel). Para o cálculo do vetor de característica do detalhe total, para cada posição de rotação do destino a ser testada, os pontos centrais dos elementos de pixel cinco por cinco são trans- formados para a posição de rotação procurada. Então, para cada ponto central o valor do ponto central ponderado é lido para todas as cores e a claridade do banco de dados de imagem total, e é reunido para o vetor de característica do detalhe total na posição de rotação testada. Experiências resultaram que, 12 posições de rotação testadas são suficientes para um reconhecimento do modelo com potencial total.

Para a caracterização de um destino, que se encontra antes de um ambiente, cujo modelo é muito similar ao destino, portanto, por exemplo, um veículo camuflado com manchas antes de um fundo de vegetação, agora, respectivamente, são escolhidos pelo menos, dois ambientes de teste, que representam, na medida do possível, detalhes inequívocos com o fundo e empregam imagens na resolução mais alta possível, na qual os modelos de manchas são resolvidos completamente. No caso desse tipo de imagens, já com os valores médios são obtidos bons resultados para os vetores de característica.

Durante a busca por objetos muito complexos, que se destacam bem do fundo, a busca pode ser bastante acelerada, pelo fato de que, a busca é iniciada em uma imagem de busca representada com uma resolução bastante grosseira de, por exemplo, seis metros com um objeto de 150 metros, que é selecionado de tal modo que, o objeto procurado já é captado em um ambiente de teste de 25 por 25 pixels. Com isso, o tamanho do ambiente de teste precisa ser adaptado a cada destino especialmente, a fim de obter um processo de busca mais efetivo possível. Além disso, neste caso, os valores médios e o desvio padrão precisam sempre ser aproximados para a formação dos vetores de característica, a fim de otimizar a nitidez de separação.

Assim que o objeto de busca é reconhecido, é testado um segundo conjunto de ambientes de teste com resolução mais alta de, por e-xemplo, um metro de resolução, o qual capta, por exemplo, um navio em, por exemplo, seis ambientes de teste que encostam um no outro, contra a base de dados de referência, e o reconhecimento do objeto é refinado. Também neste caso, são empregados valores médios e desvio padrão.

Se, com isso, ainda não for possível nenhuma coordenação exata do objeto encontrado para a base de dados de referência, a partir da base de dados de referência são utilizados, por exemplo, objetos individuais no convés de um objeto do navio com a resolução total da câmera de, por e-xemplo, 0,2 metros, a fim de realizar com isso, uma clarificação mais exata da identidade do objeto do navio observado com relação à base de dados de referência. Para a busca por detalhes são suficientes os valores médios para a formação dos vetores de característica.

Além disso, objetos, por exemplo, armas, que são descobertas no convés de um navio normalmente conhecido como legal, dão indicações que, neste caso, existe um delito. Para o reconhecimento exato de armas e de objetos similares perigosos, com a câmera podem ser feitas fotos com uma resolução muito alta de 2,5 cm, e podem ser comparadas com fotos de referência. Fotos desse tipo podem ser empregadas como evidências em tribunal.

Os números de referência nas reivindicações, na descrição e nos desenhos servem somente para o melhor entendimento da invenção, e não devem restringir o âmbito de proteção.

Claims (20)

1. Processo para o reconhecimento de um modelo especificado em um conjunto de dados de imagem captado por meio de um dispositivo para a captação de, pelo menos, dois espectros de frequência eletromagnéticos, que compreende uma infinidade de dados de pixel, caracterizado pelas etapas seguintes: - formação de vetores de dados de referência com valores do coeficiente de referência característicos para, pelo menos, dois pixels do modelo do modelo especificado; - formação respectiva mente de um vetor de dados com valores do coeficiente característicos como componentes para cada pixel de, pelo menos, uma área escolhida dos pixels captados, dos dados de pixel do respectivo pixel, e dos dados de pixel de, pelo menos, um ambiente de teste do pixel, constituído de pixels em intervalo predeterminado em relação ao respectivo pixel; - formação de, pelo menos, um primeiro valor de diferença para os pixels da área escolhida, em função de uma diferença entre o vetor de dados do respectivo pixel e do primeiro valor de dados de diferença; - formação de, pelo menos, um segundo valor de diferença para, pelo menos, um pixel da área escolhida, em função de uma diferença entre o vetor de dados desse pixel, e do segundo valor de dados de diferença; - determinação, se pelo menos, uma grandeza de correlação do modelo determinada em função do primeiro e do segundo valor de diferença não alcança um valor limite predeterminado, e se essa grandeza forma um mínimo local em um ambiente do tamanho de um objeto de destino; - reconhecimento do modelo especificado, se o valor limite predeterminado não foi alcançado, e existir um mínimo local.

2. Processo de acordo com a reivindicação 1, caracterizado pelo fato de que, pelo menos, um valor do coeficiente característico de um vetor de dados é determinado como valor médio dos dados de pixel captados para pixels em um primeiro ambiente de teste, situado na faixa de frequência da luz visível ou na faixa de infravermelho, ou como valor médio das lumines- cêncías dos pixels do primeiro ambiente de teste.

3. Processo de acordo com a reivindicação 1 ou 2, caracterizado pelo fato de que, pelo menos, um valor do coeficiente característico de um vetor de dados é determinado como um desvio padrão entre os dados de pixel, que foram captados para pixels situados dentro do primeiro ambiente de teste, ou é determinado como um desvio padrão entre as luminescências dos pixels do primeiro ambiente de teste.

4. Processo de acordo com uma das reivindicações anteriores, caracterizado pelo fato de que, pelo menos, um valor do coeficiente característico de um vetor de dados é determinado como valor médio de dados de pixel dos pixels de um segundo ambiente de teste, ou como valor médio das luminescências dos pixels do segundo ambiente de teste.

5. Processo de acordo com uma das reivindicações anteriores, caracterizado pelo fato de que, pelo menos, um valor do coeficiente característico de um vetor de dados é determinado como uma diferença entre o valor médio dos dados de pixel ou luminescências do primeiro ambiente de teste, e o valor médio dos dados de pixel ou luminescências do segundo ambiente de teste.

6. Processo de acordo com uma das reivindicações anteriores, caracterizado pelo fato de que, dos pixels captados são escolhidos aqueles pixels como pré-seleção, nos quais o valor absoluto dos valores da diferença de vetores de característica não alcança um primeiro valor limite predeterminado, e ao mesmo tempo, o valor absoluto dos valores da diferença de vetores de característica do ambiente de teste testado em todas as direções de corte em uma região, que cobre o tamanho do objeto de destino procurado forma um mínimo local.

7. Processo de acordo com uma das reivindicações anteriores, caracterizado pelo fato de que, uma pré-seleção de pixels é formada, pelo fato de que são escolhidos pixels, nos quais um ou vários valores da diferença são mínimos.

8. Processo de acordo com uma das reivindicações anteriores, caracterizado pelo fato de que, os vetores de dados de referência são for- mados de dados de pixel do modelo de um ambiente de teste de referência, para os pixels da área ou da pré-seleção, em função das diferenças entre os dados de pixel captados e os dados de pixel do modelo, a partir do ambiente de teste de referência é criado um histograma, e em função de uma avaliação do histograma é formada uma seleção de pixels.

9. Processo de acordo com uma das reivindicações de 6 a 8, caracterizado pelo fato de que, em um intervalo predeterminado de um ponto de vista da pré-seleção, ou da seleção são escolhidos outros pixels dispostos em grande parte de forma circular, e um outro dos pixels, cujo segundo valor da diferença correspondente é mínimo e não alcança um segundo valor limite predeterminado, é definido como o segundo pixel do modelo.

10. Processo de acordo com uma das reivindicações anteriores, caracterizado pelo fato de que, um vetor de dados é determinado em função dos dados de pixel de pixels de um ambiente de teste, que envolve o pixel na maior parte de forma quadrada.

11. Processo de acordo com uma das reivindicações anteriores, caracterizado pelo fato de que, um vetor de dados de referência é determinado a partir de um conjunto de dados de imagem de um objeto predeterminado, e/ ou a partir de um conjunto de dados de imagem, que foi gerado de um modelo do objeto predeterminado.

12. Processo de acordo com uma das reivindicações anteriores, caracterizado pelo fato de que, é captada uma imagem de referência de fundo, e os vetores de dados são preparados em função dos dados de pixel da imagem de referência de fundo.

13. Processo de acordo com uma das reivindicações anteriores, caracterizado pelo fato de que, para a normalização de um valor de claridade e/ ou de um valor de contraste de cor é aplicada uma transformação afim sobre os dados de pixel captados.

14. Processo de acordo com uma das reivindicações anteriores, caracterizado pelo fato de que, para a expansão de, pelo menos, uma faixa de frequência dos dados de imagem e/ ou para a compressão de, pelo menos, uma faixa de frequência é aplicada uma transformação afim sobre os dados de pixel captados.

15. Processo de acordo com uma das reivindicações anteriores, caracterizado pelo fato de que, uma filtragem linear com um filtro digital bidimensional é aplicada sobre os dados de pixel captados, compreendendo uma diferenciação e/ ou um reconhecimento de cantos e/ ou alisamento.

16. Processo de acordo com uma das reivindicações anteriores, caracterizado pelo fato de que, vetores de dados são determinados com, pelo menos, trinta e seis valores de coeficiente característicos.

17. Processo de acordo com uma das reivindicações anteriores, caracterizado pelo fato de que, um ambiente de teste é composto de elementos menores, em variantes de rotação em formato circular e anelar, e pelo fato de que, posições giradas do ambiente de teste de valores de coeficiente dos elementos calculados e depositados uma vez antes de tudo, são definidas através de rotação de coordenadas e soma dos coeficientes calculados antes dos elementos com dispêndio de calculo reduzido.

18. Processo de acordo com uma das reivindicações anteriores, caracterizado pelo fato de que, por meio de um ambiente de teste 15 vezes 15 pixels formado de três por três elementos circulares, e de um ambiente de teste maior 25 por 25 formado de três por três elementos circulares e diâmetros com 15 pixels de quatro elementos circulares dispostos nos quatro cantos, por meio de cálculo e de testes de doze posições de rotação, qualquer posição de rotação do objeto de destino é captada e correlacionada.

19. Processo de acordo com uma das reivindicações anteriores, caracterizado pelo fato de que, como vetor de característica para cada elemento, de preferência, de cinco por cinco pixels de tamanho é empregado um meio ponderado com a matriz de coeficiente dos valores de luminescên-cia e de cor, e o vetor de característica é invariante rotacional devido à forma da matriz de coeficiente.

20. Processo de acordo com uma das reivindicações anteriores, caracterizado pelo fato de que, durante o treinamento, o objeto de destino precisa ser depositado somente em uma única posição de rotação em resolução suficiente, e pelo fato de que, durante o treinamento do sistema de reconhecimento de imagem o vetor de característica do ambiente de teste não é calculado antes de tudo, em tamanho do objeto de destino em um pequeno número de posições de rotação do objeto de destino durante o treinamento, para o que imagens separadas do objeto de destino são necessárias em todas as posições de rotação, que precisam ser depositadas na base de dados de imagem de destino de referência, mas pelo fato de que, os vetores de característica para as necessárias posições de rotação do objeto de destino durante a avaliação são definidos com dispêndio de cálculo reduzido.