DE19539160C1 - Verfahren zur Erstellung und Auswertung von Co-occurrence-Matrizen mit Hilfe eines Histogrammprozessors - Google Patents

Description

Die Erfindung befaßt sich mit dem Einsatz von Co-occurrence-Matrizen in der Bildauswertung, beispielsweise wenn Texturen klassifiziert werden sollen.

Die Co-occurrence-Matrix (CM) wird bislang in der Bildverarbeitung vorwiegend zur Texturanalyse herangezogen. Sie gibt die Häufigkeit an, mit der m Grauwerte in einer bestimmten Konstellation (Nachbarschaftsrelation) in einem Bild vorkommen. Zwei Grauwerte (m = 2) haben sich in der Praxis bezüglich Resultat und Datenaufwand als sinnvoll herausgestellt; es ist allerdings auch denkbar, daß mehrere Grauwerte (m < 2) zur Erstellung einer CM einbezogen werden!

Grauwerte sind hier die Intensitäten, die bei der Bildgewinnung den Bildpunkten zugeordnet werden. Einfachhalber wird hier von einem Grauwert gesprochen und damit der Intensitätswert gemeint, der einem bestimmten Bildpunkt zugeordnet wird.

Eine Nachbarschaftsrelation kann (unter Einbezug zweier Grauwerte, m = 2) heißen: a ist der Grauwert des aktuellen Bildpunktes und b der Grauwert des i-ten linken Nachbarbildpunktes. Für "links" könnte hier auch "rechts", "oben" oder "unten" stehen.

Jede Spalte und auch jede Zeile der CM steht jeweils für einen der n möglichen Grauwerte. Dies ergibt eine quadratische Matrix der Mächtigkeit n × n. Die Elemente der Matrix stellen die Häufigkeiten dar, mit der die entsprechende Nachbarschaftsrelation für die verschiedenen Werte von a und b vorkommen. Die dann aus diesen Elementen ermittelten statistischen Kenngrößen (z. B. Energie, Kontrast, Entropie, Homogenität und dgl.) beschreiben die vorliegende Textur.

Es ist bekannt, zur Bildklassifizierung Texturmerkmale heranzuziehen (vgl. IEE Trans. on Systems, Man and Cybernetics, Vol. SMC-3, No. 6, Nov. 1973, 610-621). Hierzu werden leicht zu berechnende Texturmerkmale eingesetzt, die auf räumlichen Abhängigkeiten von Grauwerten basieren und auf die Kategorisierung bzw. Identifizierung von unterschiedlichen Bilddaten angewendet werden, insbesondere auf die Luftbildauswertung bei der Exploration von Bodenschätzen. Zwei Arten von Entscheidungsregeln werden angewendet, bei der einen handelt es sich um eine stückweise-lineare Entscheidungsregel, bei der anderen um eine auf rechteckig begrenzten Bereichen fußende Entscheidungsregel.

Es ist weiterhin bekannt (DE 43 13 258 A1) zur meßtechnischen quantitativen Bestimmung der Textur der menschlichen Haut Bildinformationen aufzunehmen und zu analysieren, indem Grauwertbilder der Haut unter definierten Beleuchtungswinkeln erstellt und über mathematische Kenngrößen verarbeitet werden, wobei die Anzahl der Grauwerte reduziert wird und schließlich Vergleiche mit bereits vorhandenen, ausgewerteten Proben durchgeführt werden.

Es ist auch bekannt, ein Verfahren zur Bildanalyse der Textur einer Teppichoberfläche einzusetzen (US 5 325 301), bei welchem ein Modell herangezogen wird, welches auf einen Co-occurence-Matrix 2. Ordnung basiert. Hierbei werden räumliche Beziehungen zwischen Grauwerten der zu untersuchenden Oberfläche mit solchen Beziehungen verglichen, die die angestrebte Homogenität oder Kontrastierung repräsentieren.

Alle bekannten Verfahren beziehen sich auf die Analyse exakt bekannter Texturklassen (Satellitenbild, Haut, Teppich), indem aus der Co-occurrence-Matrix für die betreffende Texturklasse Faktoren abgeleitet werden, die mit repräsentativen Proben verglichen werden, um aus dem Vergleich heraus eine Aussage zu machen.

Bei einem Verfahren zur Erstellung und Auswertung von Co-occurance-Matrixen zwecks Bildauswertung soll aufgabengemäß die durch den Einsatz der Co-occurance-Matrixen auftretende enorme Datenmenge verringert werden.

Das Verfahren gemäß der Erfindung zur Erstellung und Auswertung von CM-Matrizen ist durch die folgenden Merkmale geprägt:
es wird die Häufigkeitsverteilung der Grauwerte der Bildpunkte in einer vorgegebenen Nachbarschaftsrelation erstellt,
es wird von dem Bilddatenstrom einer Kamera ausgegangen, der einem Filter zugeleitet wird, das die Grauwerte für jeden Bildpunkt und einen in Nachbarschaftsbeziehung stehenden Bildpunkt als Binärvektor zusammenstellt, die Grauwerte zu Paketen zusammenfaßt und niedrigwertige Bitstellen streicht,
die sich ergebenden Bitvektoren werden an einen Histogrammprozessor weitergegeben, der die Häufigkeitsverteilung und weitere statistische Kenngrößen berechnet.

Die Erfindung wird nachstehend anhand der Zeichnungen beispielsweise erläutert.

Fig. 1 zeigt die ermittelten Grauwerte eines Bildes.

Fig. 2 zeigt eine aus den Grauwerten berechnete Co-occurrence-Matrix.

Fig. 3 zeigt eine Darstellung der zur Durchführung des Verfahrens gemäß der Erfindung verwendeten Elemente.

Die Fig. 1 zeigt ein Bild mit 9 × 9 Bildpunkten, wobei zur Vereinfachung der Erläuterung angenommen worden ist, daß die einzelnen Zeilen eine Grauwertverteilung von: 1 2 3 4 5 6 7 8 9 haben. Ausgenommen ist hiervon die vierte Zeile, bei welcher sich eine Grauwertverteilung 1 2 3 4 6 6 7 8 9 ergibt.

Fig. 2 zeigt eine berechnete Co-occurrence-Matrix für die nach Fig. 1 erhaltene Grauwertverteilung. Hierbei ist eine bestimmte Nachbarschaftsrelation zugrunde gelegt worden, nämlich, wie oft ist a direkter linker Nachbar von b. Aus der ersten Zeile der Fig. 2 läßt sich beispielsweise entnehmen, daß für b = 2 neun Mal der Fall auftritt, daß a = 1. Entsprechend ergibt sich aus der Zeile 4, daß für b = 5: acht Mal a = 4 der Fall ist.

Die Fig. 3 verdeutlicht den Ablauf des Verfahrens gemäß der vorliegenden Erfindung. Die Bilddaten gelangen zum Filter, das in gewisser Weise vor dem Histogrammbaustein "vorgeschaltet" ist.

Im vorgestellten Verfahren (Fig. 3) übernimmt das "vorgeschaltete" Filter die Berechnung des Ortes in der Matrix, an dem das Element, das mit seinem Wert die Häufigkeit darstellt, um eins zu inkrementieren ist. Dieser Ort (Koordinate) wird mittels der Grauwerte des aktuellen Bildpunktes und den entsprechenden m-1 Nachbarn ermittelt und in einem bestimmten Datenformat geliefert.

Die nachfolgende Schaltung zur Berechnung von Histogrammen (des Histogramm-Baustein) erstellt die CM, d. h. sie ermittelt die Häufigkeiten für die möglichen Konstellationen gemäß irgendeiner vorgegebenen Nachbarschaftsrelation.

Während eines Verarbeitungsschrittes steht die "Koordinate" kodiert an der Schaltung zur Berechnung von Histogrammen an: Grauwerte liegen in digitalen Systemen als Binärzahlen (Bitvektoren) vor. Durch einfaches Aneinanderhängen der m Bitvektoren entsteht ein Bitvektor der m-fachen Länge. Dieser neue Bitvektor wird als "Koordinate" der Schaltung zur Berechnung von Histogrammen übergeben.

Um die enorme Datenmenge, die bei der Erstellung der CM anfällt, zu reduzieren, werden Grauwerte oftmals in praxi zu "Grauwertpaketen" von N Grauwerten (typisch ist N = 16) zusammengefaßt. Dies läßt sich durch Streichen von Bitstellen realisieren, was einer Division mit einer 2er-Potenz entspricht. Der durch das Aneinanderhängen resultierende Bitvektor ist folglich in seiner Länge reduziert. Für N = 16 bedeutet dies das Wegstreichen der vier niedrigwertigen Bitstellen. Es ist jedoch auch ein anderes "Streichmuster" als das Wegstreichen der "niedrigwertigen Bitstellen" denkbar.

Beispiel: Bei einer Grauwertauflösung von 9 bit (n = 512) sollen diese in 16er-Pakete zusammengefaßt (N = 16) und die niedrigwertigen vier Bitstellen weggeschnitten werden. Man erhält zwei Binärzahlen a und b, die sich jeweils mit 5 bit darstellen lassen. Diese Bitvektoren ª und b nebeneinander positioniert ergeben den Bitvektor c der Länge 10 bit: (C₉, . . . C₀) (a₈, a₇, a₆, a₅, a₄, b₈, b₇, b₆, b₅, b₄), wobei ª = (a₈, a₇ . . . a₀), b = (b₈, b₇, . . . b₀) und c = (c₉, c₈, . . . c₀) ist.

Die CM hat hier die Mächtigkeit 32×32 und besitzt 1024 Elemente.

Claims (1)

1. Verfahren zur Erstellung und Auswertung von Co-occurrence-Matrizen zwecks Bildauswertung, insbesondere zur Klassifizierung von Texturen, das die Häufigkeitsverteilung der Grauwerte bzw. Intensitäten der Bildpunkte in einer Nachbarschaftsrelation erstellt, bei welchem eine Kamera einen Bilddatenstrom zunächst einem Filter zuleitet, das die Grauwerte jeweils für einen Bildpunkt und dem oder den weiteren zu der Nachbarschaftsrelation gehörenden benachbarten Bildpunkten als Binärzahlen bzw. Binärvektoren zusammenstellt, die Grauwerte zu Grauwertpaketen zusammenfaßt und niedrigwertige Bitstellen streicht, woraufhin die resultierenden Bitvektoren an einen Histogramm-Prozessor weitergegeben werden, der die Häufigkeitsverteilung der resultierenden Bitvektoren und statistischen Kenngrößen der Häufigkeitsverteilung der resultierenden Bitvektoren berechnet.