DE10234086A1 - Verfahren zur Signalauswertung eines elektronischen Bildsensors bei der Mustererkennung von Bildinhalten eines Prüfkörpers - Google Patents
Verfahren zur Signalauswertung eines elektronischen Bildsensors bei der Mustererkennung von Bildinhalten eines Prüfkörpers Download PDFInfo
- Publication number
- DE10234086A1 DE10234086A1 DE10234086A DE10234086A DE10234086A1 DE 10234086 A1 DE10234086 A1 DE 10234086A1 DE 10234086 A DE10234086 A DE 10234086A DE 10234086 A DE10234086 A DE 10234086A DE 10234086 A1 DE10234086 A1 DE 10234086A1
- Authority
- DE
- Germany
- Prior art keywords
- membership
- value
- signal
- membership function
- signal evaluation
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 28
- 238000012360 testing method Methods 0.000 title claims description 11
- 238000003909 pattern recognition Methods 0.000 title claims description 5
- 230000006870 function Effects 0.000 claims abstract description 59
- 230000003595 spectral effect Effects 0.000 claims abstract description 25
- 238000001228 spectrum Methods 0.000 claims abstract description 11
- 238000011156 evaluation Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 14
- 230000009466 transformation Effects 0.000 claims description 8
- 230000004913 activation Effects 0.000 claims description 6
- 238000001994 activation Methods 0.000 claims description 6
- 230000002776 aggregation Effects 0.000 claims description 6
- 238000004220 aggregation Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 238000011430 maximum method Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000012854 evaluation process Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003703 image analysis method Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
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
- G06V10/40—Extraction of image or video features
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
- G06V10/431—Frequency domain transformation; Autocorrelation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
-
- 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
Abstract
Verfahren zur Signalauswertung eines elektronischen Bildsensors bei der Mustererkennung von Bildinhalten eines Prüfkörpers, wobei der Bildsensor ein Lichteingangssignal empfangen kann und ein elektrisches Ausgangssignal ausgeben kann, welches zum Lichteingangssignal korreliert, dadurch gekennzeichnet, dass das Lichteingangssignal wie folgt abgearbeitet wird: DOLLAR A - Analyse des Bildinhalts eines Fensters der Größe n x n Pixel durch DOLLAR A - Umwandlung des mittelbar oder unmittelbar vom Bildsensor ausgegebenen Ausgangssignals in zumindest einen translationsinvarianten Merkmalswert mittels zumindest einer Rechenvorschrift, DOLLAR A - Gewichtung des Merkmalswerts mit zumindest einer unscharfen Zugehörigkeitsfunktion, wobei die Zugehörigkeitsfunktion in funktionalem Zusammenhang mit dem Wertebereich des Merkmalswerts steht, DOLLAR A - Generierung einer übergeordneten unscharfen Zugehörigkeitsfunktion durch Verknüpfung aller Zugehörigkeitsfunktionen mittels einer aus zumindest einer Regel bestehenden Berechnungsvorschrift, DOLLAR A - Ermittlung eines Sympathiewertes aus der übergeordneten unscharfen Zugehörigkeitsfunktion, DOLLAR A - Vergleich des Sympathiewertes mit einem Schwellwert, DOLLAR A - Entscheidung über eine Klassenzugehörigkeit.
Description
- Die Erfindung betrifft ein Verfahren zur Signalauswertung eines elektronischen Bildsensors bei der Mustererkennung von Bildinhalten eines Prüfkörpers gemäß dem Oberbegriff der Ansprüche 1 oder 13.
- Bekannte Verfahren zur Analyse von Bildinhalten eines Prüfkörpers beruhen zumeist auf Metriken zur Bestimmung von Gleichartigkeiten, wie beispielsweise Abstandsmaße für segmentierte Objekte oder der Berechnung von globalen Schwellenverteilungen. Diese Verfahren beruhen auf translationsinvarianten Ausgangsspektren. In Realität treten oftmals Situationen auf, wie beispielsweise Objektverschiebungen unter dem Aufnahmesystem oder verschiedene Untergründe bei der Aufnahme oder Aliasing-Effekte, so dass ein direkter Vergleich dieser Ausgangsspektren in vielen Fällen nicht durchgeführt werden kann.
- Der Erfindung liegt die Aufgabe zugrunde, Verfahren zur Signalauswertung eines elektronischen Bildsensors bei der Mustererkennung von Bildinhalten eines Prüfkörpers zu schaffen.
- Die Aufgabe wird erfindungsgemäß durch die Merkmale der Ansprüche 1 oder 13 gelöst.
- Ein Vorteil des Verfahrens liegt insbesondere darin, dass ein Sensorsignal in einem Bildfenster der Größe n × n Pixel analysiert wird. Daraus folgend kann das Sensorsignal dieses Bildfensters als lokal angesehen werden. Das erfindungsgemäße Bildanalyseverfahren kann in die wesentliche Schritte: Merkmalsbildung, Fuzzyfizierung, Interferenz, Defuzzyfizierung und Entscheidung über Klassenzugehörigkeit gegliedert werden.
- Bei der Merkmalsbildung wird das Sensorsignal mittels zumindest einer Rechenvorschrift in ein translationsinvariantes Signal im Merkmalsraum überführt. Ziel der Merkmalsbildung ist es solche Größen zu bestimmen, durch welche typische Signaleigenschaften des Bildinhalts charakterisiert werden. Die typischen Signaleigenschaften des Bildinhalts werden durch sogenannte Merkmale repräsentiert. Die Merkmale können hierbei durch Werte im Merkmalsraum oder durch linguistische Variablen repräsentiert werden. Durch Überführung des Sensorsignals in den Merkmalsraum entsteht ein Signal, welches aus einem Merkmalswert oder aus mehreren Merkmalswerten besteht.
- Die Zugehörigkeit eines Merkmalswerts zu einem Merkmal wird durch zumindest eine unscharfe Zugehörigkeitsfunktion beschrieben. Hierbei handelt es sich um eine weiche oder auch unscharfe Zuordnung, wobei abhängig vom Wert des Merkmalswerts die Zugehörigkeit des Merkmalswerts zum Merkmal in einem normierten Intervall zwischen 0 und 1 vorliegt. Das Konzept der Zugehörigkeitsfunktion führt dazu, dass ein Merkmalswert nicht mehr entweder ganz oder gar nicht einem Merkmal zuordenbar ist, sondern vielmehr eine Fuzzyzugehörigkeit annehmen kann, welche zwischen den Bool'schen Wahrheitswerten
1 und0 liegt. Den eben beschriebenen Schritt nennt man Fuzzyfizierung. Bei der Fuzzyfizierung findet also im Wesentlichen eine Umwandlung eines scharfen Merkmalswerts in eine oder mehrere unscharfe Zugehörigkeiten statt. - Bei der Interferenz wird mittels einer Berechnungsvorschrift, welche zumindest aus einer Regel besteht, eine übergeordnete Zugehörigkeitsfunktion generiert, wobei alle Zugehörigkeitsfunktionen miteinander verknüpft werden. Im Ergebnis erhält man somit für jedes Fenster eine übergeordnete Zugehörigkeitsfunktion.
- Bei der Defuzzyfizierung wird aus der in der Interferenz gebildeten übergeordneten Zugehörigkeitsfunktion ein Zahlenwert auch Sympathiewert genannt ermittelt. Bei der Entscheidung über die Klassenzugehörigkeit findet ein Vergleich des Sympathiewertes mit einem vorher festgelegten Schwellwert statt, anhand dessen die Zugehörigkeit des Fensters zu einer bestimmten Klasse entschieden wird.
- Welcher Art die Merkmalswerte im Merkmalsraum sind, ist für das Prinzip der Erfindung von untergeordneter Bedeutung. So besteht beispielsweise bei Zeitsignalen die Möglichkeit, als Merkmalswerte den Mittelwert oder die Varianz zu bestimmen. Wird an das Auswerteverfahren die Anforderung gestellt, dass es die Bildinhalte unabhängig von der jeweils vorherrschenden Signalintensität fehlerfrei bearbeiten kann, und sollen des weiteren kleine aber zulässige Schwankungen des Bildsignals nicht zu Störungen führen, so ist es sinnvoll, wenn die Umwandlung des Sensorsignals aus dem zweidimensionalen Ortsraum mittels einer zweidimensionalen Spektraltransformation, wie beispielsweise einer zweidimensionalen Fourier-, oder einer zweidimensionalen Walsh-, oder einer zweidimensionalen Hadamard- oder einer zweidimensionalen Zirkulartransformation durchgeführt wird. Durch die zweidimensionale Spektraltransformation erhält man translationsinvariante Merkmalswerte. Eine weitere bevorzugte Ausführungsform besteht darin, den Betrag der durch Spektraltransformation gewonnenen Spektralkoeffizienten als Merkmalswert zu verwenden.
- Nach einem bevorzugten Ausführungsbeispiel sind die Zugehörigkeitsfunktionen unimodale Potentialfunktionen und die übergeordnete Zugehörigkeitsfunktion ist eine multimodale Potentialfunktion.
- Nach einem weiteren bevorzugten Ausführungsbeispiel ist zumindest eine Zugehörigkeitsfunktion parametrisiert. Weist die Zugehörigkeitsfunktion positive und negative Steigungen auf, so ist es vorteilhaft, wenn die Parameter der positiven und negativen Steigung getrennt bestimmt werden können. Dadurch wird eine bessere Anpassung der Parameter an die zu untersuchenden Datensätze gewährleistet.
- Nach einem besonders bevorzugten Ausführungsbeispiel kann das Verfahren in eine Lernphase und eine Arbeitsphase unterteilt werden. Sind die Zugehörigkeitsfunktionen parametrisiert, so können in der Lernphase aus gemessenen Datensätzen die Parameter der Zugehörigkeitsfunktion ermittelt werden. In der Lernphase werden die Parameter der Zugehörigkeitsfunktionen an sogenannte Referenzbilder angeglichen, d. h. in der Lernphase wird eine Zugehörigkeit der Merkmalswerte, die sich aus den Referenzbildern ergeben, zu den entsprechenden Merkmalen mittels der Zugehörigkeitsfunktionen und deren Parametern hergeleitet. In der nachfolgenden Arbeitsphase werden die Merkmalswerte, die sich aus den nun gemessenen Datensätzen ergeben, mit den Zugehörigkeitsfunktionen, deren Parameter in der Lernphase ermittelt wurden, gewichtet, wodurch eine Zugehörigkeit der Merkmalswerte der nun gemessenen Datensätze zu den entsprechenden Merkmalen hergestellt wird. Durch die Unterteilung des Verfahrens in eine Lern- und eine Arbeitsphase werden also die Parameter der Zugehörigkeitsfunktionen anhand von gemessenen Referenzdatensätzen ermittelt und in der nachfolgenden Arbeitsphase die gemessenen, zu prüfenden Datensätze mit den in der Lernphase festgelegten Zugehörigkeitsfunktionen gewichtet und bewertet.
- Nach einem weiteren bevorzugten Ausführungsbeispiel ist zumindest eine Regel, mittels der die Zugehörigkeitsfunktionen miteinander verknüpft werden, eine konjunktive Regel im Sinne einer WENN...DANN-Verknüpfung.
- Ein weiteres bevorzugtes Ausführungsbeispiel unterteilt die Generierung der übergeordneten unscharfen Zugehörigkeitsfunktion in die Abarbeitung der Teilschritte: Prämissenauswertung, Aktivierung und Aggregation. Hierbei wird bei der Prämissenauswertung für jeden WENN-Teil einer Regel ein Zugehörigkeitswert bestimmt und bei der Aktivierung eine Zugehörigkeitsfunktion für jede WENN...DANN-Regel festgelegt. Nachfolgend wird bei der Aggregation die übergeordnete Zugehörigkeitsfunktion durch Überlagerung aller bei der Aktivierung erzeugten Zugehörigkeitsfunktionen generiert.
- Nach einem weiteren bevorzugten Ausführungsbeispiel wird die Sympathiewertermittlung insbesondere nach einer Schwerpunkts- und/oder Maximumsmethode durchgeführt.
- Ein Ausführungsbeispiel der Erfindung ist in der Zeichnung dargestellt und wird im folgenden näher beschrieben.
- Die einzige Zeichnung zeigt ein Flussdiagramm des Signalauswerteverfahrens.
- Beim Verfahren zur Signalauswertung von Bildinhalten eines Prüfkörpers wird über das gesamte zu analysierende Bild ein Raster aus N × N Fenstern
01 gelegt. Jedes Fenster01 besteht hierbei aus n × n Pixel02 . Bei der Bildanalyse wird das Signal jedes Fensters01 getrennt analysiert. Daraus folgend kann der Bildinhalt03 jedes Fensters01 als lokal betrachtet werden. - Durch eine oder mehrere Spektraltransformationen
04 wird das zweidimensionale Bild des Ortsraums in ein zweidimensionales Bild im Frequenzraum transformiert. Das erhaltene Spektrum nennt man Frequenzspektrum. Da es sich im vorliegenden Ausführungsbeispiel um ein diskretes Spektrum handelt, ist auch das Frequenzspektrum diskret. Das Frequenzspektrum wird durch die Spektralkoeffizienten06 – auch Spektralwerte06 genannt – gebildet. - Im nächsten Verfahrensschritt findet die Betragsbildung
07 der Spektralwerte06 statt. Der Betrag der Spektralwerte06 wird Spektralamplitudenwert08 genannt. Die Spektralamplitudenwerte08 bilden im vorliegenden Ausführungsbeispiel die Merkmalswertem d. h. sie sind identisch den Merkmalswerten. - Als weiterer Verfahrensschritt folgt die Merkmalsauswahl
09 ; Ziel bei der Merkmalsauswahl09 ist es, die Merkmale11 , die charakteristisch für den Bildinhalt03 des zu analysierenden Bilds sind, auszuwählen. Als Merkmale11 sind sowohl charakteristische Spektralamplitudenwerte08 , welche durch ihre Position im Frequenzraum und durch ihre Amplitude das Merkmal11 definieren, als auch linguistische Variablen wie beispielsweise „grau", „schwarz" oder „weiß" möglich. - Im nun folgenden Verfahrensschritt, der Fuzzyfizierung
12 , wird die Zugehörigkeit jedes Spektralamplitudenwerts08 zu einem Merkmal11 durch eine weiche oder unscharfe Zugehörigkeitsfunktion13 festgelegt; d. h. es findet eine Gewichtung statt. - Sollen die Zugehörigkeitsfunktionen
13 in einer Lernphase an sog. Referenzdatensätze angepasst werden können, ist es sinnvoll, wenn die Zugehörigkeitsfunktionen13 parametrisierte monomodale, d.h. eindimensionale Potentialfunktionen sind, bei denen die Parameter der positiven und negativen Steigung getrennt an die zu untersuchenden Datensätze angepasst werden können. In der der Lernphase nachfolgenden Arbeitsphase werden dann die Datensätze des Bildinhalts, aus welchen sich die Merkmalswerte08 der Prüfbilder ergeben, mit den jeweiligen Zugehörigkeitsfunktionen13 gewichtet, deren Parameter in der vorangegangenen Lernphase ermittelt wurden. D. h. es findet für jedes Merkmal11 eine Art SOLL-IST Vergleich zwischen Referenzdatensatz, der in den Parametern der Zugehörigkeitsfunktionen13 zum Ausdruck kommt, und dem Datensatz des Prüfbildes statt. Durch die Zugehörigkeitsfunktionen13 wird eine weiche oder unscharfe Zuordnung zwischen dem jeweiligen Merkmalswert08 und dem Merkmal11 hergestellt. - Im nächsten Verfahrensschritt, der Interferenz
14 , findet im Wesentlichen eine konjunktive Verknüpfung15 – auch Aggregation15 genannt – aller Zugehörigkeitsfunktionen13 der Merkmale11 statt, wodurch eine übergeordnete Zugehörigkeitsfunktion16 erzeugt wird. - Der nächste Verfahrensschritt, die Defuzzyfizierung
17 , ermittelt aus der übergeordneten Zugehörigkeitsfunktion16 einen konkreten Zugehörigkeits- oder Sympathiewert18 . - Dieser Sympathiewert
18 wird bei der Klassifikation19 mit einem vorher eingestellten Schwellwert21 verglichen, wodurch eine Klassifikationsaussage getroffen werden kann. Der Schwellwert21 wird entweder manuell oder automatisch eingestellt. Die Einstellung des Schwellwerts21 erfolgt ebenfalls in der Lernphase. -
- 01
- Fenster, N × N Fenster
- 02
- n × n Pixel
- 03
- Bildinhalt
- 04
- 2-dimensionale Spektraltransformation, Rechenvorschrift
- 05
- –
- 06
- Spektralkoeffizient, Spektralwert
- 07
- 2-dimensionale Betragsbildung, Rechenvorschrift
- 08
- Spektralamplitudenwert=Merkmalswert
- 09
- Merkmalsauswahl
- 10
- –
- 11
- Merkmal
- 12
- Fuzzyfizierung
- 13
- Zugehörigkeitsfunktion
- 14
- Interferenz, Berechnungsvorschrift
- 15
- –
- 16
- übergeordnete Zugehörigkeitsfunktion, Verknüpfung, Aggregation,
- Berechnungsvorschrift
- 17
- Defuzzyfizierung
- 18
- Zugehörigkeitswert, Sympathiewert
- 19
- Klassifikation, Klassenzugehörigkeit
- 20
- –
- 21
- Schwellwert
Claims (13)
- Verfahren zur Signalauswertung eines elektronischen Bildsensors bei der Mustererkennung von Bildinhalten eines Prüfkörpers, wobei der Bildsensor ein Lichteingangssignal empfangen kann und ein elektrisches Ausgangssignal ausgeben kann, welches zum Lichteingangssignal korreliert, dadurch gekennzeichnet, dass das Lichteingangssignal wie folgt abgearbeitet wird, – Analyse des Bildinhalts (
03 ) eines Fensters (01 ) der Größe n × n Pixel (02 ) durch, – Umwandlung des mittelbar oder unmittelbar vom Bildsensor ausgegebenen Ausgangssignals in zumindest einen translationsinvarianten Merkmalswert (08 ) mittels zumindest einer Rechenvorschrift (04 ,07 ), – Gewichtung des Merkmalswerts (08 ) mit zumindest einer unscharfen Zugehörigkeitsfunktion (13 ), wobei die Zugehörigkeitsfunktion (13 ) in funktionalem Zusammenhang mit dem Wertebereich des Merkmalswerts (08 ) steht, – Generierung einer übergeordneten unscharfen Zugehörigkeitsfunktion (16 ) durch Verknüpfung aller Zugehörigkeitsfunktionen (13 ) mittels einer aus zumindest einer Regel bestehenden Berechnungsvorschrift (14 ,15 ), – Ermittlung eines Sympathiewertes (18 ) aus der übergeordneten unscharfen Zugehörigkeitsfunktion (16 ), – Vergleich des Sympathiewertes (18 ) mit einem Schwellwert (21 ), – Entscheidung über eine Klassenzugehörigkeit (19 ). - Verfahren zur Signalauswertung nach Anspruch 1, dadurch gekennzeichnet, dass die Rechenvorschrift (
04 ) zur Umwandlung des Signals des Bildsensors in einen translationsinvarianten Merkmalswert (08 ) ein zweidimensionales mathematisches Spektraltransformationsverfahren (04 ), insbesondere eine zweidimensionale Fourier-, oder Walsh-, oder Hadamard-, oder Zirkulartransformation ist. - Verfahren zur Signalauswertung nach Anspruch 2, dadurch gekennzeichnet, dass ein Merkmalswert (
08 ) durch den Betrag eines Spektralkoeffizienten (06 ) repräsentiert - Verfahren zur Signalauswertung nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, dass zumindest eine Zugehörigkeitsfunktion (
13 ) durch zumindest einen Parameter beschrieben wird. - Verfahren zur Signalauswertung nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, dass die Zugehörigkeitsfunktionen (
13 ) unimodale Funktionen sind. - Verfahren zur Signalauswertung nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, dass die übergeordnete Zugehörigkeitsfunktion (
16 ) eine multimodale Funktion ist. - Verfahren zur Signalauswertung nach einem der Ansprüche 1 bis 6, dadurch gekennzeichnet, dass die Zugehörigkeitsfunktionen (
13 ) und/oder die übergeordnete Zugehörigkeitsfunktion (16 ) Potentialfunktionen) ist (sind). - Verfahren zur Signalauswertung nach einem der Ansprüche 1 bis 7, dadurch gekennzeichnet, dass das Verfahren in eine Lernphase und eine Arbeitsphase unterteilt wird, wobei in der Lernphase zumindest ein Parameter und/oder zumindest ein Schwellwert (
21 ) bestimmt und angeglichen wird, und wobei in der Arbeitsphase der Bildinhalt (03 ) eines Prüfkörpers anhand der Ergebnisse aus der Lernphase beurteilt wird. - Verfahren zur Signalauswertung nach einem der Ansprüche 1 bis 8, dadurch gekennzeichnet, dass zumindest eine Berechnungsvorschrift (
14 ;15 ) mittels der die Zugehörigkeitsfunktionen (13 ) miteinander verknüpft werden eine konjunktive Berechnungsvorschrift (14 ;15 ) im Sinne einer WENN...DANN-Verknüpfung ist. - Verfahren zur Signalauswertung nach einem der Ansprüche 1 bis 9, dadurch gekennzeichnet, dass die Generierung der übergeordneten unscharfen Zugehörigkeitsfunktion (
16 ) durch die Abarbeitung der Teilschritte Prämissenauswertung, Aktivierung und Aggregation (15 ) erfolgt, wobei bei der Prämissenauswertung für jeden WENN-Teil einer Berechnungsvorschrift (14 ;15 ) ein Zugehörigkeitswert bestimmt wird, und wobei bei der Aktivierung eine Zugehörigkeitsfunktion für jede WENN ... DANN-Berechnungsvorschrift bestimmt wird, und wobei bei der Aggregation (15 ) die übergeordnete Zugehörigkeitsfunktion (16 ) durch Überlagerung aller bei der Aktivierung erzeugten Zugehörigkeitsfunktionen (13 ) generiert wird. - Verfahren zur Signalauswertung nach einem der Ansprüche 1 bis 10, dadurch gekennzeichnet, dass der Sympathiewert (
18 ) insbesondere nach einer Schwerpunkts- und/oder Maximumsmethode ermittelt wird. - Verfahren zur Signalauswertung nach einem der Ansprüche 1 bis 11, dadurch gekennzeichnet, dass das Bild des zu begutachtenden Prüfkörpers in N × N rasterförmig angeordnete Fenster (
01 ) der Größe n × n Pixel (02 ) unterteilt wird. - Verfahren zur Signalauswertung eines elektronischen Bildsensors bei der Mustererkennung von Bildinhalten eines Prüfkörpers, wobei der Bildsensor ein Lichteingangssignal empfangen kann und ein elektrisches Ausgangssignal ausgeben kann, welches zum Lichteingangssignal korreliert, dadurch gekennzeichnet, dass das Lichteingangssignal wie folgt abgearbeitet wird, – Analyse des Bildinhaltes (
03 ) eines Fensters (01 ) der Größe n × n Pixel (02 ), – aus diesen Bildinhalten (03 ) werden zweidimensionale Spektren bestimmt, – aus diesen zweidimensionalen Spektren werden Spektralamplitudenwerte berechnet und miteinander verknüpft, so dass nur ein Referenzwert (18 ) (Sympathiewert) pro Fenster entsteht.
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE10234086A DE10234086B4 (de) | 2002-07-26 | 2002-07-26 | Verfahren zur Signalauswertung eines elektronischen Bildsensors bei der Mustererkennung von Bildinhalten eines Prüfkörpers |
CNB038179881A CN1331086C (zh) | 2002-07-26 | 2003-07-22 | 对试样图像内容进行图形识别的电子图像传感器的信号评价方法 |
PCT/DE2003/002467 WO2004017252A1 (de) | 2002-07-26 | 2003-07-22 | Verfahren zur signalauswertung eines elektronischen bildsensors bei der mustererkennung von bildinhalten eines prüfkörpers |
US10/522,590 US7483573B2 (en) | 2002-07-26 | 2003-07-22 | Method for evaluating the signals of an electronic image sensor during pattern recognition of image contents in a test piece |
EP03787716A EP1525554A1 (de) | 2002-07-26 | 2003-07-22 | Verfahren zur signalauswertung eines elektronischen bildsensors bei der mustererkennung von bildinhalten eines pr fk rpe rs |
AU2003258460A AU2003258460A1 (en) | 2002-07-26 | 2003-07-22 | Method for evaluating the signals of an electronic image sensor during pattern recognition of image contents in a test piece |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE10234086A DE10234086B4 (de) | 2002-07-26 | 2002-07-26 | Verfahren zur Signalauswertung eines elektronischen Bildsensors bei der Mustererkennung von Bildinhalten eines Prüfkörpers |
Publications (2)
Publication Number | Publication Date |
---|---|
DE10234086A1 true DE10234086A1 (de) | 2004-02-19 |
DE10234086B4 DE10234086B4 (de) | 2004-08-26 |
Family
ID=30469125
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE10234086A Expired - Fee Related DE10234086B4 (de) | 2002-07-26 | 2002-07-26 | Verfahren zur Signalauswertung eines elektronischen Bildsensors bei der Mustererkennung von Bildinhalten eines Prüfkörpers |
Country Status (6)
Country | Link |
---|---|
US (1) | US7483573B2 (de) |
EP (1) | EP1525554A1 (de) |
CN (1) | CN1331086C (de) |
AU (1) | AU2003258460A1 (de) |
DE (1) | DE10234086B4 (de) |
WO (1) | WO2004017252A1 (de) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10314071B3 (de) * | 2003-03-28 | 2004-09-30 | Koenig & Bauer Ag | Verfahren zur qualitativen Beurteilung eines Materials mit mindestens einem Erkennungsmerkmal |
WO2005106792A2 (de) * | 2004-04-29 | 2005-11-10 | Koenig & Bauer Aktiengesellschaft | Verfahren zum vergleich eines bildes mit mindestens einem referenzbild |
US7672486B2 (en) | 2004-04-23 | 2010-03-02 | Koenig & Bauer Aktiengesellschaft | Method for evaluating the quality of a printed matter, provided by a printing machine |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10234086B4 (de) * | 2002-07-26 | 2004-08-26 | Koenig & Bauer Ag | Verfahren zur Signalauswertung eines elektronischen Bildsensors bei der Mustererkennung von Bildinhalten eines Prüfkörpers |
US8233712B2 (en) * | 2006-07-28 | 2012-07-31 | University Of New Brunswick | Methods of segmenting a digital image |
US10042813B2 (en) * | 2014-12-15 | 2018-08-07 | Intel Corporation | SIMD K-nearest-neighbors implementation |
CN104598919B (zh) * | 2014-12-22 | 2017-09-19 | 宁波力芯科信息科技有限公司 | 用于相似度智能匹配的模糊识别器及方法 |
TWI675331B (zh) | 2018-08-31 | 2019-10-21 | 財團法人工業技術研究院 | 儲物裝置及儲物方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5602938A (en) * | 1994-05-20 | 1997-02-11 | Nippon Telegraph And Telephone Corporation | Method of generating dictionary for pattern recognition and pattern recognition method using the same |
US6002807A (en) * | 1996-01-11 | 1999-12-14 | Northrop Grumman Corporation | Rotationally invariant correlator |
US6594392B2 (en) * | 1999-05-17 | 2003-07-15 | Intel Corporation | Pattern recognition based on piecewise linear probability density function |
US7187810B2 (en) * | 1999-12-15 | 2007-03-06 | Medispectra, Inc. | Methods and systems for correcting image misalignment |
US20040022436A1 (en) * | 2001-03-16 | 2004-02-05 | Paul Patti | System and method for data analysis of x-ray images |
US7376242B2 (en) * | 2001-03-22 | 2008-05-20 | Digimarc Corporation | Quantization-based data embedding in mapped data |
FR2829343A1 (fr) * | 2001-09-04 | 2003-03-07 | St Microelectronics Sa | Procede d'insertion de messages binaires dans une image numerique |
US7050629B2 (en) * | 2002-05-31 | 2006-05-23 | Intel Corporation | Methods and systems to index and retrieve pixel data |
DE10234086B4 (de) * | 2002-07-26 | 2004-08-26 | Koenig & Bauer Ag | Verfahren zur Signalauswertung eines elektronischen Bildsensors bei der Mustererkennung von Bildinhalten eines Prüfkörpers |
US7260251B2 (en) * | 2003-03-31 | 2007-08-21 | Cdm Optics, Inc. | Systems and methods for minimizing aberrating effects in imaging systems |
WO2005027491A2 (en) * | 2003-09-05 | 2005-03-24 | The Regents Of The University Of California | Global motion estimation image coding and processing |
US7853071B2 (en) * | 2006-11-16 | 2010-12-14 | Tandent Vision Science, Inc. | Method and system for learning object recognition in images |
-
2002
- 2002-07-26 DE DE10234086A patent/DE10234086B4/de not_active Expired - Fee Related
-
2003
- 2003-07-22 EP EP03787716A patent/EP1525554A1/de not_active Withdrawn
- 2003-07-22 AU AU2003258460A patent/AU2003258460A1/en not_active Abandoned
- 2003-07-22 US US10/522,590 patent/US7483573B2/en not_active Expired - Fee Related
- 2003-07-22 WO PCT/DE2003/002467 patent/WO2004017252A1/de not_active Application Discontinuation
- 2003-07-22 CN CNB038179881A patent/CN1331086C/zh not_active Expired - Fee Related
Non-Patent Citations (8)
Title |
---|
ARNEMANN, P.: "Mustererkennung mit Fuzzy-Logik" Elektronik 22/1992, S. 88-92 * |
CHARLAMPIDIS, D. * |
CHARLAMPIDIS, D.; KASPARIS, T.; GEORGIOPOULOS, M. |
GEORGIOPOULOS, M. * |
KASPARIS, T. * |
ROLLAND, J.: "A fuzzy ARTMAP based classification technique of natural textures" Fuzzy Information Processing Society, 1999. NAFIPS. 18th Interna- tional Conference of the North American, 10.-12.06.1999, S. 507-511 * |
TILL, Th.: "Mustererkennung mit Fuzzy-Logik: Analysieren, klassifizieren, erkennen und diagnos- tizieren" Franzis-Verlag GmbH, München 1993, S. 183/184, 208-210, 235-237 |
TILL, Th.: "Mustererkennung mit Fuzzy-Logik: Analysieren, klassifizieren, erkennen und diagnos-tizieren" Franzis-Verlag GmbH, München 1993, S. 183/184, 208-210, 235-237 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10314071B3 (de) * | 2003-03-28 | 2004-09-30 | Koenig & Bauer Ag | Verfahren zur qualitativen Beurteilung eines Materials mit mindestens einem Erkennungsmerkmal |
WO2004086291A2 (de) | 2003-03-28 | 2004-10-07 | Koenig & Bauer Aktiengesellschaft | Verfahren zur qualitativen beurteilung eines materials mit mindestens einem erkennungsmerkmal |
US7447353B2 (en) | 2003-03-28 | 2008-11-04 | Koenig & Bauer Aktiengesellschaft | Methods for qualitative evaluation of a material with at least one identification characteristic |
US7672486B2 (en) | 2004-04-23 | 2010-03-02 | Koenig & Bauer Aktiengesellschaft | Method for evaluating the quality of a printed matter, provided by a printing machine |
WO2005106792A2 (de) * | 2004-04-29 | 2005-11-10 | Koenig & Bauer Aktiengesellschaft | Verfahren zum vergleich eines bildes mit mindestens einem referenzbild |
WO2005106792A3 (de) * | 2004-04-29 | 2006-01-26 | Koenig & Bauer Ag | Verfahren zum vergleich eines bildes mit mindestens einem referenzbild |
Also Published As
Publication number | Publication date |
---|---|
WO2004017252A1 (de) | 2004-02-26 |
CN1331086C (zh) | 2007-08-08 |
AU2003258460A1 (en) | 2004-03-03 |
EP1525554A1 (de) | 2005-04-27 |
US7483573B2 (en) | 2009-01-27 |
US20060050995A1 (en) | 2006-03-09 |
CN1672167A (zh) | 2005-09-21 |
DE10234086B4 (de) | 2004-08-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE4416801C2 (de) | Verfahren zur Mustererkennung | |
DE4445386C1 (de) | Verfahren und Vorrichtung zur Trennung einer Vordergrundinformation von einer Hintergrundinformation in einer Vorlage | |
EP0523407B1 (de) | Verfahren zur Klassifikation von Signalen | |
DE69530566T2 (de) | Hough-Transform mit Fuzzy-Gradient und Wahl | |
DE2909153A1 (de) | Einrichtung zur elektronischen verarbeitung von bild- und/oder zeichenmustern | |
DE10234086B4 (de) | Verfahren zur Signalauswertung eines elektronischen Bildsensors bei der Mustererkennung von Bildinhalten eines Prüfkörpers | |
EP3983936A1 (de) | Verfahren und generator zum erzeugen von gestörten eingangsdaten für ein neuronales netz | |
DE19636074C2 (de) | Lernfähiges Bildverarbeitungssystem zur Klassierung | |
EP2064672A2 (de) | Verfahren und vorrichtung zur bildverarbeitung | |
DE102005049017A1 (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 | |
DE102019208735B4 (de) | Verfahren zum Betreiben eines Fahrassistenzsystems eines Fahrzeugs und Fahrerassistenzsystem für ein Fahrzeug | |
DE102019117680A1 (de) | Automatisiertes segmentierungsverfahren für die qualitätsprüfung | |
DE19612465C2 (de) | Automatisches Optimieren von Objekt-Erkennungssystemen | |
DE19834718C2 (de) | Digitale Bildverarbeitung für ein Qualitätskontrollsystem | |
DE102013224382A1 (de) | Beschleunigte Objekterkennung in einem Bild | |
DE102021201833A1 (de) | Vorrichtung zur Verarbeitung von mindestens einem Eingangsdatensatz unter Verwendung eines neuronalen Netzes sowie Verfahren | |
EP0469315B1 (de) | Verfahren zur visuellen Inspektion zwei- oder dreidimensionaler Bilder | |
EP3316216B1 (de) | Verfahren zum prüfen eines gegenstands | |
DE102021200821B3 (de) | Erzeugung von Trainingsdaten für zweidimensionale Scans eines Bodenradar- Systems | |
DE19810162C2 (de) | Verfahren zur Bildanalyse nach stochastischen Eigenschaften | |
DE102021204343A1 (de) | Steuergerät zum Erzeugen von Trainingsdaten zum Trainieren eines Algorithmus des maschinellen Lernens | |
DE102020212235A1 (de) | Verfahren zur Qualitätssicherung eines beispielbasierten Systems | |
EP4097647A1 (de) | Verfahren zur qualitätssicherung eines beispielbasierten systems | |
DE102022128149A1 (de) | Verfahren zum Betreiben eines Überwachungssystems einer Produktionseinrichtung für ein Kraftfahrzeug, Computerprogrammprodukt sowie Überwachungssystem | |
DE102021130505A1 (de) | Verfahren zur Bestimmung einer Beleuchtungsfarbe, Bildverarbeitungsvorrichtung und Aufnahmesystem |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OP8 | Request for examination as to paragraph 44 patent law | ||
8364 | No opposition during term of opposition | ||
8327 | Change in the person/name/address of the patent owner |
Owner name: KOENIG & BAUER AKTIENGESELLSCHAFT, 97080 WUERZB, DE |
|
R081 | Change of applicant/patentee |
Owner name: KOENIG & BAUER AG, DE Free format text: FORMER OWNER: KOENIG & BAUER AKTIENGESELLSCHAFT, 97080 WUERZBURG, DE |
|
R119 | Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee |