DE2050941A1 - Verfahren und Vorrichtung zur Klassi fikation unbekannter Muster auf Grund von Bildmerkmalen - Google Patents
Verfahren und Vorrichtung zur Klassi fikation unbekannter Muster auf Grund von BildmerkmalenInfo
- Publication number
- DE2050941A1 DE2050941A1 DE19702050941 DE2050941A DE2050941A1 DE 2050941 A1 DE2050941 A1 DE 2050941A1 DE 19702050941 DE19702050941 DE 19702050941 DE 2050941 A DE2050941 A DE 2050941A DE 2050941 A1 DE2050941 A1 DE 2050941A1
- Authority
- DE
- Germany
- Prior art keywords
- image
- pattern
- features
- points
- measurement results
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Description
München, den '■ J ]]ti MO
*l.i'.j«ii-:.J w 548
WESTINGHOUSE ELECTKIC CORPORATION, Pittsburgh, pa., V.St.A.
Verfahren und Vorrichtung zur Klassifikation
unbekannter Muster auf Grund von Bildmerkmalen
Die Erfindung betrifft ein Verfahren zur Klassifikation unbekannter,
möglicherweise in einem Bild vorhandener Muster auf Grund von Bildmerkmalen, die in Form von gegen Orientierung,
Maßstab und Lage eines etwa vorhandenen Musters invarianter Meßergebnissen charakteristischer Bildeigenschaften in der
Umgebung ausgewählter Bildpunkte mit hervorstechendem Informationsgehalt
sowie von Angaben über gegenseitige geoemetrische Anordnung dieser Bildpunkte geliefert werden. Ferner betrifft
die Erfindung eine Vorrichtung zur Ausführung dieses Verfahrens.
Die Erfindung befaßt sich also mit der automatischen Muster- ^
erkennung, die als die Fähigkeit einer Maschine definiert werden kann, aus einem Bild selbsttätig genügend Information
zu entnehmen, um zu bestimmen, ob in dem Bild enthaltene Muster einer aus mindestens einer Klasse bestehenden Menge
von Musterklassen, die vorher in die Maschine eingegeben wurden, entsprechen.
Unter einem Bild wird hierbei ein Gesichtsfeld verstanden, d. h. eine Menge von einem oder mehreren Fühlern beobachteter
Erscheinungen. Beispielsweise ist ein Bild eine zweidimensio-
10 9 8 18/1892 -2-
nale Darstellung, die von lichtempfindlichen Vorrichtungen
abgeleitet ist (z. B. optischen Abtastern, die auf reflektiertes Licht ansprechen, oder fotografischen Geräten wie
Kameras); die zweidimensional Darstellung kann auch von
Infrarotstrahlen herrühren oder auf dem Schirm einer Kathodenstrahlröhre in Abhängigkeit von elektrischen Signalen erscheinen
usw.
Ein Bild kann ein oder mehrere Muster enthalten, muß es aber nicht. Ein Muster entspricht beispielsweise einer oder mehreren
Figuren, Gegenständen oder Zeichen innerhalb des Bildes.
Die Aufgabe der Mustererkennungsvorrichtungen ist es allgemein, die beobachteten Phänomene bestimmten Klassifikationen
zuzuordnen. Der Stand der Technik auf diesem Gebiet ergibt sich aus dem Aufsatz "State of the Art in Pattern Recognition"
von Nagy in Proc. of the IEEE, Vol. 56, Nr. 5, Mai 1968,
Seite 836 bis 862, mit ausgezeichneter Bibliographie.
Die vorliegende Erfindung befaßt sich vor allem mit der Erkennung
bestimmter Muster in zweidimensionalen Darstellungen, darunter Bildern, deren Bildelemente einen gewissen Bereich
von Intensitätswerten umfassen, z. B. Luftaufnahmen, Fernseh-.raster,
gedruckter Text usw., sowie Signalverläufe und Diagramme, ist aber nicht auf solche zweidimensionale Darstellungen
beschränkt. Bei der automatischen Zuordnung bestimmter Klassifikationen zu beobachteten Phänomenen werden
108818/1882 -3-
nahezu in jeder Mustererkennungsvorrichtung zwei aufeinanderfolgende
Schritte durchlaufen. Der erste dieser Schritte besteht in der Ableitung einer Menge spezifischer Merkmale
oder Meßergebnisse, welche die Trennung der verschiedenen interessierenden Musterklassen möglich machen, aus den
beobachteten Phänomenen. Ein"Merkmal" besteht einfach aus einem oder mehreren meßbaren Parametern einer beobachteten
Eigenschaft innerhalb eines Musters und ist demgemäß synonym mit "Meßergebnis" in dem Sinne, daß jedes Meßergebnis eine i
Gruppe von Meßgrößen umfassen kann, welche bestimmte von Fühlern beobachtete Eigenschaften wiedergeben. Der zweite
Schritt besteht in der eigentlichen Klassifikation durch Vergleich der aus den Beobachtungen erhaltenen Meßergebnisse
oder Merkmale mit einer Bezugsmenge solcher Merkmale für jede der aufgestellten Klassen.
Wenn man versucht, bestimmte Muster in bildlichen Darstellungen
zu erkennen, ist es häufig wichtig, eine selbsttätige g Ortung und Klassifikation unabhängig von solchen Faktoren
durchzuführen, wie die Lage eines Musters in der Gesamtdarstellung,
Orientierung des Musters relativ zu den Rändern bzw. der allgemeinen Richtung des Bildes, Bildmaßstab und
in manchen Fällen auch Vorhandensein von Ueberdeckungs- oder
Stcrfaktoren einschließlich Rauschen. Die bisher bekanntgewordenen Verfahren zur Mustererkennung unabhängig von mehreren
dieser Faktoren haben sich nicht als völlig erfolgreich erwiesen oder waren mindestens so kompliziert, daß das ge-
109818/1892 -4-
wünschte Ziel der selbsttätigen Erkennung, nämlich der wirksamen Auswahl der kennzeichnenden Merkmale und der
ordentlichen Lösung des Erkennungsproblems, praktisch nicht erreicht werden konnte.
Die vorliegende Erfindung befaßt sich mit dem zweiten der erwähnten Schritte, also der Klassifizierung etwa in dem betrachteten
Bild vorhandener unbekannter Muster unter Verwendung bestimmter daraus abgeleiteter Merkmale durch Vergleich
c"*rselben mit Bezugsmerkmalen, die den einzelnen Klassen bekannter
Muster zugeordnet sind.
Aufgabe der Erfindung ist es, ein solches Klassifizierungsverfahren
bereitzustellen, das unabhängig von der jeweiliger Orientierung, dem Maßstab, der Lage und/oder dem teilweise
überdeckten Charakter des unbekannten Musters in dem Bild eine Klassifikation bzw. Identifizierung des Musters auf der
Grundlage des Uebereinstimmungsgrades zwischen aus dem Bild entnommenen Merkmalen und Bezugsmerkmalen bekannter Musterklassen
ermöglicht.
Dies wird erfindungsgemäß dadurch erreicht, daß die invarianten
Meßergebnisse mit Bezugswerten, die in ähnlicher Weise
wie die Meßergebnisse des untersuchten Bildes aus verschiedenen bekannten Mustern abgeleitet wurden, verglichen werden,
daß im Falle einer Korrespondenz der verglichenen Merkmale innerhalb zulässiger Toleranzen die Angaben über, die geome-
109818/1892
trische Anordnung der betreffenden Bildpunkte in Bezug auf
entsprechende Angaben über die geometrische Anordnung der korrespondierenden Punkte der Bezugsmuster normiert werden,
daß die normierten Meßergebnisse· desselben Typs miteinander
verglichen werden, um den Correspondenzgrad zwischen dem unbekannten
Bildmuster und einem bekannten Muster dieses Typs zu ermitteln, und daß das Bild in diejenige Klasse von Mustern
eingereiht wird, deren Merkmale die größte Uebereinstimmung
mit den verwendeten Bildmerkmalen zeigen.
Im einzelnen werden die aus dem untersuchten Bild abgeleiteten Merkmale mit ebenso aus bekannten Mustern abgeleiteten Bezugsmerkmalen verglichen und es wird diejenige Musterklasse bestimmt,
mit der die Merkmale des untersuchten Bildes am ehesten übereinstimmen.
Bei der Vorbehandlung der in dem betreffenden Bild enthaltenen Information ist zunächst eine Entscheidung zu treffen,
welche Punkte innerhalb des Bildes zur Weiterbehandlung besonders geeignet sind. Solche Bildpunkte können irgendwo
in dem Bild vorhanden sein. Jedes Bild besteht aus einer ungeheuer großen Menge von Punkten, die theoretisch alle
als Bildpunkte für die Weiterbehandlung in Frage kommen könnten. In Wirklichkeit scheiden jedoch zahlreiche Bildpunkte
aus praktischen Gründen aus, weil sie keine wesentliche Information tragen, so daß die Anzahl der zur Weiterbehandlung
geeigneten Punkte um mehrere Größenordnungen geringer ist. Es müssen also Auswahlkriterien aufgestellt
109818/1892 "6"
werden, um diejenigen Punkte gles Bildes bestimmen zu können,
die als Bildpunkte für die Weiterbehandlung ausgewählt werden sollen. Diese Kriterien sind so gewählt, daß nur diejenigen
Punkte als Bildpunkte im engeren Sinne ausgewählt werden, die eine möglichst große Informationsmenge hinsichtlich
einer oder mehrerer Eigenschaften des Bildes liefern. Dies
kommt darauf hinaus, daß die auszuwählenden Bildpunkte aus dem Durchschnitt herausragen bzw. singular sind und daß
sie einen erheblichen Informationswert besitzen. Es handelt sich also um verhältnismäßig selten anzutreffende Punkte,
die gerade deshalb wesentliche Informationen liefern. Die Auswahl der Bildpunkte wird somit durch den Wunsch gelenkt,
eine erhebliche Verringerung der verfügbaren InFormationsmenge
zu erzielen, ohne daß die Fähigkeit geopfert wird, die in dem Bild vorhandenen Muster mit merklichem Genauigkeitsgrad
zu erkennen. Die Auswahl der Bildpunkte ist insoweit willkürlich, als die Wahl rächt auf eine bestimmte Eigenschaft
der beobachteten Phänomene beschränkt ist, sondern vorzugsweise von Wirtschaftlichkeitsbetrachtungen hinsichtlich der
Weiterverarbeitung und der bestmöglichen Unterscheidung zwischen verschiedenen Merkmalen gelenkt wird. Beispielsweise
bilden Punkte, die sich am Ende von Linien oder Kanten einer Figur, eines Gegenstandes, eines Schriftzeichens od. dgl.
j.n einem gegebenen Bild befinden oder an Kreuzungspunkten
von Linien des Bildes liegen, solche aus der Masse herausragenden und bevorzugt auszuwählenden Bildpunkte. Auch
außergewöhnliche Farbabstufungen bzw. Abstufungen der Grauskala können theoretisch Bildpunkte ergeben, die erhebliche
10 9 818/1892
-7-
verwertbare Informationsmengen tragen, aber in der Praxis sind solche Bildeigenschaften nicht immer ausreichend
bedeutungsvoll, da z. B. in Fotografien starke Schwankungen der Beleuchtung und der Farbe mit der Tageszeit auftreten.
Nach der Auswahl dieser Bildpunkte, deren Anzahl mindestens teilweise von der Kompliziertheit des betrachteten Bildes
abhängt, werden die Punkte zu je zweien oder mehr kombiniert, die geometrischen Beziehungen der Punkte werden festgestellt
und die beobachteten Eigenschaften zu diesen geometrischen Angaben in Beziehung gesetzt. Die beobachteten Eigenschaften
bilden zusammen mit der gegenseitigen Anordnung der Bildpunkte die aus dem Bild zu entnehmenden Merkmale, und zwar
können diese Merkmale so gewählt werden, daß sie hinsichtlich des Maßstabs, der Orientierung und der Lage irgendwelcher
Muster, mit denen sie vielleicht verknüpft sind, invariant sind. Beispielsweise hat eine von einem Bildpunkt
ausgehende Linie in einem bestimmten Muster eine Orientierung, die invariant hinsichtlich einer gedachten Linie ist, welche I
diesen Bildpunkt mit einem zweiten Bildpunkt in dem gleichen Muster verbindet, unabhängig von Lage, Orientierung oder
Maßstab des Musters in dem Bild. Andererseits sind Orientierung und Maßstab der gedachten Verbindungslinie der beiden Bildpunkte
unmittelbar mit der Orientierung und dem Maßstab des Musters, zu dem die Linie gehört, verknüpft. Ferner haben die
Linien, welche andere paare von Bildpunkten im gleichen Muster verbinden, eine feste Orientierung und einen festen
109818/1892
-R-
Maßstab hinsichtlich der ersten Linie, unabhängig von Orientierung und Maßstab des Musters im Bild. Von diesen
Tatsachen wird Gebrauch gemacht, um eine Menge beobachteter Bildmerkmale mit entsprechenden Mengen von Bezugsmerkmalen
zu vergleichen, wobei jede dieser in der Maschine gespeicherten Mengen von Bezugsmerkmalen einer bestimmten Musterklasse
zugehört. Es sei ausdrücklich festgehalten, daß es für Jie Anwendung dieses Verfahrens nicht erforderlich ist,
daß ein bestimmtes Muster in dem betrachteten Bild vorhanden bzw. bereits bekannt ist; auch ist es nicht erforderlich,
daß ein Muster für die Analyse gewählt wird. Die Vorbehandlung betrifft nur die Auswahl von Merkmalen innerhalb des Bildes
zur Vorbereitung der Entscheidung, ob diese Merkmale ein bekanntes Muster darstellen.
Nach der Ableitung von Merkmalen aus dem Bild in der oben beschriebenen Weise können in dem zweiten Schritt der Mustererkennung
mit dem Bildinhalt vergleichbare Musterklassen von denjenigen Musterklassen getrennt werden, die keine Beziehung
zu der abgeleiteten Datenmenge haben. In dem Klassifizierungsverfahren
werden die beobachteten Merkmale für jede der interessierenden Klassen mit einer Bezugsmenge von
Merkmalen verglichen. Die Bezugsmerkmale werden im voraus festgelegt, z. B. durch Speichern von Musterbeispielen aus
bekannten Klassen in einer Klassifikationsvorrichtung, so daß
diese einen Lernprozeß durchmacht. Der Vergleich wird hinsichtlich der invarianten Teile der Ma^kmale eingeleitet.
109818/1892 -9-
-S-
Wenn ein Vergleichsvorgang die Übereinstimmung zwischen einem abgeleiteten Merkmal und einem Bezugsmerkmal innerhalb
bestimmter Toleranzen anzeigt, we'rden Orientierung und Maßstab der abgeleiteten Merkmale relativ zu entsprechenden
charakteristischen Werten der Bezugsmerkmale normiert. Die so erhaltene Information wird zusammen mit entsprechender
Information, die aus Vergleichen zwischen anderen abgeleiteten und Bezugsmerkmalen erhalten wurden, zur Bildung einer
Häufungsstelle (cluster) verwendet, durch welche die Erkennung g
des Musters bewirkt wird. Wenn aus irgendeinem Grunde eine gewisse Anzahl der abgeleiteten Merkmale fehlt, verringert sich
die Anzahl der in der Häufungsstelle erscheinenden Punkte, ohne daß dadurch die von Orientierung und Maßstab abhängige Lage
der Häufungsstelle wesentlich beeinträchtigt sein muß. Der letztere Umstand erlaubt die Erkennung eines Musters auch dann,
wenn es in dem betreffenden Bild teilweise verdeckt ist. Eine solche Häufungsstelle wird als Gruppierung von Punkten erhalten,
welche die einander entsprechenden Merkmale des Bildes und des Bezugsmusters nach Richtung und Maßstab in Beziehung setzen.
Das der Häufungsstelle zugeteilte Gewicht entspricht der Anzahl der übereinstimmenden Merkmale zwischen dem untersuchten
EiId und dem Bezugsmuster für eine bestimmte relative Orientierung und einen relativen Maßstab. Die Häufungsverteilung
kann mit geeigneten Mitteln, z.B. durch Druck oder Darstellung in einem Oszilloskop, sichtbar gemacht werden.
-ιο
0 9 8 1 8 / 1 8 9 2
Die Erfindung wird nachstehend an Hand der Zeichnung erläutert. Hierin sind:
Fig. 1 ein vereinfachtes Blockdiagramm einer Mustererkennungsanlage,
die zur Ausführung der Erfindung dienen kann,
Fig. 2 die Darstellung eines Bildes, das ein zu identifizierendes Muster enthält,
Fig. 3 die schematische Liniendarstellung eines aus dem Muster des Bildes in Fig. 2 entnommenen Merkmals,
Fig. 4 ein schematisches Liniendiagramm eines entsprechenden
Bezugsmerkmals, mit dem das geprüfte Merkmal verglichen wird ,
Fig. 5 ein Ablaufdiagramm des Informationsflusses, durch
den die Identifizierung des geprüften Musters bewirkt wird
und
und
Fig. 6 ein mehr ins einzelne gehendes Blockdiagramm der erfindungsgemäßen Mustererkennungsanlage.
Die in Fig. 1 vereinfacht dargestellte Mustererkennungsanlage enthält einen Fühler 10 (bzw. eine Mehrzahl von Fühlern),
-11-
109818/1892
der auf beobachtbare Phänomene in einem Gesichtsfeld anspricht. Das Gesichtsfeld kann ein oder mehrere statische
oder dynamische zu erkennende Muster umfassen. Beispielsweise befindet sich im Gesichtsfeld eine bildliche Darstellung in
zweidimensionaler Form, wie das in Fig. 2 schematisch dargestellte Foto. In diesem Falle besteht der Fühler 10 ζ. B.
aus einem Lichtfleckabtaster bekannter Art, durch den das Bild nach einem vorgeschriebenen Raster selektiv mit einem
Lichtstrahl abgetastet wird. Der Fühler 10 kann auch aus i einem fotoelektrischen Wandler bestehen, der auf das vom
Bild reflektierte Licht anspricht, wobei die Reflexionsstärke entsprechend den verschiedenen Schwärzungsgraden der
einzelnen Bildstellen schwankt, so daß ein elektrisches
Signal erzeugt wird, dessen Amplitude den Schwankungen der Lichtintensität folgt. Gegebenenfalls läßt sich aber auch
eine unmittelbare Abtastung des dreidimensionalen Raumes mit einem passenden Fühler 10 durchführen, um*die Bildpunkte
zu gewinnen. ".
Das elektrische Signal, das Analogcharakter hat, kann in bekannter Weise in digitale Form umgewandelt werden, um eine
Codierung entsprechend vorbestimmten Bereichen des analogen Eingangssignals zu erreichen. Jedenfalls wird das Ausgangssignal
des Fühlers 10 einer Vorbehandlungsstufe 11 zugeführt,
die aus den beobachteten Phänomenen, hier dem abgetasteten Bild, bestimmte Merkmale ableitet, falls diese
Merkmale in dem Bild vorhanden sind, und verschiedene Werte
109818/1892
analysiert, die aus diesen Merkmalen bestehen. Die Merkmale werden so ausgewählt und analysiert, daß die Mustererkennung
unabhängig von Lage, Richtung, Maßstab oder teilweiser Verdeckung des betrachteten Musters ist.
Die Menge der ausgewählten Bildpunkte beruht auf bestimmten
durc1" den Fühler in dem Bild festgestellten Eigenschaften.
Aus Gründen der Wirtschaftlichkeit und der optimalen Unterscheidung
zwischen verschiedenen Merkmalen werden vorzugsweise diejenigen Bildpunkte ausgewählt, die an oder auf wohl—definierten
Eigenschaften des Bildmusters liegen. Hierzu gehören z. B. Punkte auf Linien, Ecken, Endpunkten von Linien oder
Kreuzungspunkten an Figuren, Gegenständen oder Zeichen in dem Bild, weil solche Punkte eine erhebliche Informationsmenge hinsichtlich der Bildeigenschaften liefern. Ebenso sind
Punkte in Bereichen von bestimmter Farbe oder in der Gegend von Färb- oder Schwärzungsumschlägen von großer Bedeutung.
In Fig. 2 werden nachstehend die Bildpunkte 13 und 14, die am Schnittpunkt von zwei oder mehr Linien im zweidimensionalen
Gesichtsfeld (z. B. einem Foto) auftreten, als Beispiele für solche herausragende , für die Merkmalsanalyse in Betracht
kommende Punkte behandelt. Hierzu gehören natürlich auch die ebenfalls an Kreuzungsstellen von Linien liegenden Bildpunkte
15, 16, 17 und 18; zur Erläuterung genügt es aber, die beiden Punkte 13 und 14 herauszugreifen. Wichtig ist jedoch, daß
mindestens zwei Punkte verwendet werden, um die gewünschten invarianten Meßergebnisse abzuleiten.
109818/1892 _13_
Die Merkmale eines Musters, die bei der nachfolgenden Klassifizierung
mit Bezugsmerkmalen verglichen werden sollen, werden wie gesagt in Form von Meßergebnissen relativ zu bestimmten
Bildpunkten und zu der gegenseitigen Anordnung dieser Bildpunkte gewonnen. So kann im vorliegenden Falle ein Merkmal
aus der gegenseitigen Anordnung der Bildpunkte 13 und 14 in Fig. 2 und den von den Bildpunkten 13 und 14 ausgehenden
Linien, nämlich den Linien 21 und 22 an der Stelle 13 und den Linien 23, 24 und 25 an der Stelle 14, gebildet werden. Das j
Merkmal besteht aus den Richtungen der Linien 21 bis 25 in Bezug auf eine gedachte Linie 20, welche die Punkte 13 und
verbindet. Diese Richtungen sind invariant gegen Maßstab, Orientierung und Lage der zweidimensionalen Darstellung des
GebSudes 26 im Bild , sowie Orientierung und Länge der gedachten
Verbindungslinie 20 zwischen den Bildpunkten 13 und 14.
Die Bildpunkte 13 und 14 mit ihrer Umgebung und ihrer Verbindungslinie
sind in Fig. 3 der Deutlichkeit halber herausgezeichnet. Ferner ist noch eine Bezugsachse angenommen, die
der Richtung der Kante 22 in Fig. 2 entspricht. Die Punkte A und B entsprechen den Punkten 13 und 14 in Fig. 2 und kennen
in einem cartesischen Koordinatensystem durch die Koordinaten XA, YA bzw. Xg, Yß definiert werden. Die Länge der Strecke
A"B ist dann die Quadratwurzel der Koordinatendifferenzen,
also
= []xB - xA)S + (rB - YA)a] 1/2
109818/1892 _14_
Die Streckenlänge AB ist selbstverständlich abhängig vom Maßstab des betreffenden Bildes. Diese Länge im Verhältnis
zur Länge der Verbindungsstrecken anderer Bildpunkte ist aber unabhängig vom Bildmaßstab und stellt somit eine der
geforderten Invarianten dar.
Die Richtung der Linie AB hinsichtlich der willkürlich gewählten Bezugsrichtung (Fig. 3) in Punkt A wird durch den
Winkel 0 zwischen beiden definiert. Ebenso werden die Richtungen der Linien AA1 und AA" relativ zur Bezugsrichtung
durch die Winkel O, und O_ definiert, wobei alle Winkel in
positiver Richtung gemessen werden. Die Richtung der Linie AA1 relativ zur Linie A~B ist somit durch den Winkel Q-,-0
definiert und dieser Winkel und damit die relative Abweichung von A~B und AA' ist invariant, also unabhängig von der Richtung
des Musters, se:inern Maßstab und seiner Lage. Ebenso definiert
der Winkel Qo-0 die Richtung der Linie AA" hinsichtlich AB
und ist invariant.
Die Orientierung der Linien im Punkt B wird relativ zu BA definiert, deren Richtung 0 +It ist, gemessen relativ zu der
gleichen Bezugsrichtung. Damit erhält man für die Richtungen der Linien BB1, BB" und BB1" relativ zu BA" drei weitere
invariante Winkel, nämlich Q- 0, Q4- 0 und O5 - 0, alle in
gleicher Richtung gemessen. So hat man insgesamt fünf invariante Winkel zur Verfügung, die zusammen mit der Orientierung
0 und der Länge der Strecke Ά~Β eine Basis für ein Merkmal
109818/1892 ~15~
BAD ORIGINAL
des Musters abgeben. Die Anzahl der invarianten Winkel in den Bildpunkten kann übrigens in verschiedener Weise festgelegt
werden. Beispielsweise können invariante Eichtungen
einzeln oder paarweise oder in irgendeiner anderen Kombination gewonnen werden.
Die Anzahl der Merkmale, die aus einem Bild entnommen-werden
können, ist eine Punktion der Anzahl der möglichen Kombinationen von Bildpunkten, um die in-variante Meßergebnisse
ausgewählt werden. Wenn jedes Merkmal wie oben aus Meßergeb- f nissen hinsichtlich zwei Bildpunkten besteht und wenn ferner
die Anzahl der ausgewählten Bildpunkte η ist, dann ist die Anzahl der so zu gewinnenden Merkmale ii(n-l)/2. Dieser Ausdruck
gilt allerdings nicht, wenn mehr als zwei einander schneidende Linien einen Bildpunkt definieren.
Man wird selbstverständlich danach streben, mit einer möglichst kleinen Anzahl von Merkmalen auszukommen, um ein Muster in
zulässigen Toleranzen zu klassifizieren. Zu diesem Zweck ä
kennen gewisse Zusatzbedingungen hinsichtlich der Bildung
von Merkmalen an der Stelle von Bildpunkten auferlegt werden, die auf praktischen Ueberlegungen wie der Trennung der Bildpunkte
beruhen. Da aber jedes dem Bild entnommene Merkmal einzeln zur Klassifikation eines bestimmten Musters beiträgt,
ist eine gewisse Redundanz verfügbar und erwünscht, um eine zuverlässige Klassifikation auch für den Fall teilweise eintretender
Bildstörungen zu gewährleisten.
109818/1892
Wie erwähnt, können statt der Linienrichtung andere invariante Meßergebnisse als kennzeichnende Merkmale des Bildes herangezogen werden. Hierzu gehören z. B. die Farbintensität oder
Intensität auf der Grauskala in bestimmten Bildpunkten, vorausgesetzt,
daß der Fühler einen genügend definierten Bezugspunkt hat (z. B. durch periodische Eichung), so daß keiner
dieser Parameter wesentlich durch zeitliche Empfindlichkeitsschvankungen
des Fühlers beeinflußt wird. Ferner muß in diesem Falle sichergestellt sein, daß das Gesichtsfeld selbst nicht
wesentlich durch kurzzeitige Beleuchtungsschwankungen beeinflußt wird. Es sind noch zahlreiche andere Kriterien denkbar,
die als Merkmale ausgewählter Bildpunkte herangezogen werden können, wobei allerdings Wirtschaftlichkeits- und Erkennbarkeits-Kriterien
praktisch nicht außer acht gelassen werden dürfen. A
Die in der beschriebenen V/eise gewonnenen Merkmale können nun zur Untersuchung des durch die Merkmale charakterisierten
Musters herangezogen werden. Vor jeder Durchführung eines
Erkennungsvorgangs muß allerdings ein Vorrat an Vergleichsmustern erstellt werden. Zu diesem Zweck wird in der Anlage
nach Fig. 1 der Schalter 30 auf den Kontakt 31 umgelegt, so daß die Vorbehandlungsstufe 11 mit einer Lern- und Speicherstufe
32 verbunden wird. So kann aus bekannten, in das Gesichtsfeld gebrachten Mustern ein Vorrat von Bezugsmustern
abgeleitet werden, mit denen unbekannte Muster dann verglichen werden können. Man kann selbstverständlich nur das
1098 18/1892
-17-
erkennen, was man irgendwie gelernt hat, obwohl man sich
entscheiden kann, etwas als gleichwertig oder ähnlich mit einem früher erlernten Gegenstand anzusehen, wenn die beiden
Dinge viele Merkmale gemeinsam haben, auch wenn sie nur eine unvollständige oder gar nur sehr entfernte Uebereinstimmung
zeigen. In einer lernenden Maschine, mit der eine selbsttätige Mustererkennung erreicht_-werden soll, hängt die Fähigkeit,
eines aus einer Mehrzahl von Mustern zu erkennen, von der Verfügbarkeit der Mengen von Bezugsmerkmalen ab, mit denen §
die Merkmale eines unbekannten Musters verglichen werden können. Die Fähigkeit, mit den Bezugsmustern ähnliche, aber
nicht identische Muster zu erkennen, kann dadurch erworben werden, daß man die zulässigen Toleranzen, innerhalb deren eine
Uebereinstimmung festgestellt werden soll, großzügig bemißt.
Wenn alle Bezugsmuster bzw. die aus diesen Mustern entnommenen Merkmalmengen in der Stufe 32 gespeichert sind, d.h.
in seine Speicherzellen, Matrizen usw. eingelesen wurden, g
wird der Schalter 30 in die in Fig. 1 dargestellte Lage umgelegt. Dann können die aus einem unbekannten Muster entrnommenen
Merkmale unmittelbar einer Klassifizierstufe 33 zugeführt werden, die andererseits von der Speicherstufe 32
mit den Bezugsmustern versorgt wird. So kann in der Klassifizierstufe
das unbekannte Muster nacheinander mit den verschiedenen gespeicherten Bezugsmerkmalen verglichen werden.
Die von der Klassifizierstufe getroffene Entscheidung erscheint am Ausgang derselben, z. B. in Form einer sichtbaren
109818/1892 ~18~
Anzeige oder eines Registrierstreifens.
Beispielsweise sei angenommen, daß die an Hand der Fig. 3 erläuterten Merkmale mit den für die einzelnen Musterklassen
gespeicherten Bezugsmerkmalen verglichen werden sollen. Die Klassifizierung geschieht grundsätzlich in zwei Schritten;
Zuerst wird ein Vergleich zwischen den invarianten Meßergebnissen des unbekannten-Musters und den Bezugsmeßergebnissen
vorgenommen und danach werden die geometrischen Beziehungen zwischen denjenigen Bildpunkten, die sich als Ergebnis des
ersten Vergleichsschrittes entsprechen, hinsichtlich des unbekannten Musters und des Bezugsmusters verglichen. Die
Korrespondenz der invarianten Meßergebnisse entsprechender Merkmale und das Ausmaß der geometrischen Korrespondenz zwischen
den zugeordneten Bildpunkten liefert ein Maß für die Aehnlichkeit zwischen unbekanntem Muster und Bezugsmuster.
Nachdem das unbekannte Muster mit den Mustern verschiedener Bezugsklassen verglichen wurde, läßt sich diejenige Klasse
angeben, in die sich das Muster am besten einordnen läßt.
Im Hinblick auf das Beispiel der Fig. 3 bedeutet dies, daß die gemessenen invarianten Winkel mit Winkeln der einzelnen
gespeicherten Bezugsmerkmale verglichen werden, um eine Äequivalenz innerhalb vorgeschriebener Toleranzen festzustellen.
Wie erwähnt, können die für diesen Vergleich benutzter Toleranzen aus dem Lernprozeß der Speicherstufe 32 abgeleitet
werden, wobei für jede Musterklasse repräsentative Beispiele
109818/1892
-19
(Merkmale) benutzt werden. Stattdessen können auch aus der
Praxis gewonnene Festwerte für die Toleranzen vorgegeben werden. Wenn festgestellt wird, daß die einem unbekannten
Muster gemäß Fig. 3 zukommenden Merkmale innerhalb der zugelassenen Toleranzen mit gespeicherten Merkmalen einer bestimmten
Musterklasse hinsichtlich aller invarianten Meßergebnisse übereinstimmen, so kann der zweite Schritt des
Klassifikationsverfahrens beginnen. Dieses Vorgehen verfolgt zwei Ziele. Einerseits kann die invariante Information direkt j
mit der für jede Bezugsklasse gespeicherten Information verglichen
werden und es können korrespondierende Punkte unabhängig von der relativen Orientierung, Lage und dem Maßstab
der Bild- und Bezugsdaten identifiziert werden; andererseits
braucht bei mangelnder Uebereinstimmung zwischen den invarianten Parametern des Bildmusters und des Bezugsmusters kein
weiterer Vergleich in dieser Klasse durchgeführt zu werden, so daß die Klassifikation rasch und wirksam erfolgt.
Wenn der erste Schritt des Klassifizierungsverfahrens eine ™
Uebereinstimmung der Merkmale innerhalb zulässiger Toleranzen ergibt, wird der zweite Schritt begonnen, bei dem die relative
Lage der korrespondierenden Punkte verglichen wird. Hierbei bestimmt der gegenseitige Abstand von je zwei korrespondierenden
Bildpunkten in dem untersuchten Muster und dem Bezugsmuster den Abbildungsmaßstab, während die relative
Orientierung der Verbindungslinien, längs derer diese Abstände gemessen werden, den Drehwinkel zwischen den korrespon-
109818/1892 -20-
dierenden Punktpaaren bestimmt.
In Fig. 4 ist ein Beispiel für ein Bezugsmerkmal entsprechend dem beobachteten Merkmal in Fig. 3 gegeben. Die invarianten
Meßergebnisse bestehen aus den Winkeln 0 - 0, Q- 0, Q3- (0 +TT), Q4- (0 +!() und O- (0 +lf) für das Merkmal des
unbekannten Musters und aus den Winkeln 0 , - 0X , Q - 01 t
O3, - (01 +TT), Q41 - (0· +Tf) und Q5, - (0· +Tf) für das
Bezugsmerkmal. Zunächst werden diese invarianten Informationen
verglichen, um eine befriedigende Uebereinstirnmung zwischen
den geprüften und den Bezugsmerkmalen herzustellen. Wenn eine solche Uebereinstimmung vorliegt, werden die geometrischen
Beziehungen zwischen korrespondierenden Punkten nach Normierunc verglichen, um Informationen in Bezug auf den gegenseitigen
Abbildungsnaßstab und die gegenseitige Orientierung zu erhalten. Z. B. hat der relative Winkel zwischen den Linien "Kb
und DE- den Wert 0-0' unter der Annahme, daß die Bezugsachsen
in vergleichbarer Weise definiert sind. Da die Winkelmessungen sämtlich sich auf die jeweils zugeordneten Bezugsachsen
beziehen, braucht offenbar die Beziehung zwischen den Bezugsachsen für die bekannten und die unbekannten Merkmale
keine besonderen Bedingungen zu erfüllen, so lange sie für eine gegebene Menge bekannter und unbekannter Merkmale während
der Ableitung der Meßergebnisse für die nachfolgenden Vergleichsoperationen
festgehalten wird.
-21-
109818/1892
Ferner wird die Länge der Strecke AB hinsichtlich der Strecke DE normiert, um den relativen Abbildungsmaßstab ÄB/D~E zu erhalten.
Die Anzahl der getrennten hierfür ausgeführten Berechnungen hängt von der Anzahl der aus dem Bild abgeleiteten
Merkmale ab. Die kleinste Anzahl von Merkmalen, die aus dem Bild abgeleitet werden müssen, um eine ausreichende Erkennung
zu gewährleisten, hängt von der Definition der einzelnen nassen und der Natur de£ Bildhintergrundes ab.
Die Relativwerte der Orientierung und des Abbildungsmaßstabes (Drehung und Streckung) für die einzelnen Mengen übereinstimmender
Merkmale werden klassenweise verglichen, um zu versuchen, Häufungsstellen in diesen beiden Dimensionen zu entdecken.
Die zulässige Größe einer Häufungsstelle wird durch den Lernprozeß bestimmt. Die in jeder Klasse auftretende
größte Anzahl von Punkten in einem solchen Haufen liefert ein Maß für die Wahrscheinlichkeit, daß diese Musterklasse
in dem untersuchten Bild vorhanden ist.
In Fig. 5 ist das gesamte Mustererkennungsverfahren nochmals übersichtlich dargestellt. Auf die Beobachtung des Bildes
folgt die Auswahl von Bildpunkten, die vorgeschriebene Eigenschaften aufweisen, und die Bestimmung der geometrischen
Anordnung der ausgewählten Bildpunkte. Es sei nochmals betont, daß es keineswegs von vornherein feststeht, ob die vorgelegten
Bilder Muster enthalten, auf deren Erkennung die Anlage eingeübt ist, oder nicht. Die Vorbehandlung dient vielmehr dazu,
109818/1892 -22-
Bildpunkte zu bestimmen, die eine wesentliche Information mitführen, welche die Identifizierung etwaiger Muster ermöglicht.
Dieses Verfahren kann auch so angesehen werden, daß mittels der für die Ableitung und Identifizierung derartiger
Bildpunkte aufgestellten Kriterien eine geradlinige Approximation an den Umriß des maximalen Gradienten der
Grauskala bewirkt wird, um einen Gegenstand oder ein Muster in dem Bild darzustellen. Die Messung von mit diesen Bildpunkten
verknüpften Werten gestattet die Identifizierung der betreffenden Merkmale.
Von bestimmten Bildeigenschaften wie den Richtungen von den
Bildpunkten ausgehender Linien relativ zu den Richtungen der Verbindungslinien zwischen Bildpunkten, der Farbe an den
einzelnen Bildpunkten, dem maximalen Schwärzungsgradienten der Bildpunkte usw., werden invariante Meßergebnisse abgeleitet,
d. h. Meßergebnisse, die von solchen Umständen wie ™ Orientierung und Maßstab des Bildes und Lage des Musters
innerhalb des Bildes unabhängig sind. Die invarianten Meßergebnisse und die gegenseitigen geometrischen Beziehungen
der Bildpunkte werden als Mustermerkmale entnommen, die zur nachfolgenden Klassifizierung der Muster innerhalb des Bildes
dienen. Die Reihenfolge, in welcher diese Schritte durchgeführt werden, ist nicht kritisch. Damit ist die Vorbehandlung
beendet.
-23-
109818/1892
Zur Klassifizierung, d. h. Erkennung der etwa in dem Bild enthaltenen Muster werfen die aus dem beobachteten Bild abgeleiteten
Merkmale derart mit Bezugsmerkmalen verglichen, die zu verschiedenen Klassen bekannter Muster gehören, daß
zuerst die invarianten Meßergebnisse mit in ähnlicher Weise abgeleiteten Meßergebnissen der Bezugsmerkmale verglichen
werden. Wenn keine Korrespondenz zwischen den abgeleiteten Merkmalen und den Bezugsmerkmalen wenigstens einer Klasse
auf dieser Grundlage gefunden wird, wird das betreffende Bild g
als nicht klassifizierbar angesehen und ausgeschieden. Wenn
eine Korrespondenz zwischen den invarianten Meßergebnissen der Bildmerkmale und den Bezugsmerkmalen wenigstens einer
Klasse innerhalb zulässiger Toleranzen existiert, werden die gegenseitigen geometrischen Beziehungen der den betreffenden
Merkmalen zugeordneten Bildpunkte hinsichtlich der Beziehungen korrespondierender Punkte für diejenigen Bezugsmerkmale, die
sich im ersten Vergleich als übereinstimmend erwiesen haben,
normiert. Wenn die Muster abgesehen vom Maßstab bzw. der Orientierung identisch, sind, muß der normierte Abstand zwischer '
je zwei Bildpunkten des beobachteten Musters stets gleich groß sein. Ebenso müssen normierte Winkel zwischen den Verbindungslinien
der Bildpunkte gleich groß sein. Die normierten Winkel dienen also zur Betonung der vergleichbaren Werte im
untersuchten Muster und im Bezugsmuster; wenn z. B. der Abstand zwischen zwei Punkten im untersuchten Muster 1,62 mal
so groß wie der Abstand zwischen korrespondierenden Punkten, im Bezugsmuster ist, dann muß der gleiche Faktor für alle
-24-
109818/1892
205
Entfernungsvergleiche zwischen korrespondierenden Punkten des
untersuchten Musters und des Bezugsmusters auftreten. Der zweite Klassifizierungschritt treibt also die Korrespondenz
zwischen dem geprüften Muster und dem Bezugsmuster so weit, daß die endgültige Klassifizierung ermöglicht wird oder die
mangelnde Klassifizierungsmöglichkeit des untersuchten Musters erkannt wird.
Die Anzeige einer Uebereinstimmung erfordert keine exakte
Gleichheit, da eine Aehnlichkeit innerhalb vorgeschriebener zulässiger Toleranzen das kleinste Maß der Wahrscheinlichkeit
bestimmt, mit der angegeben werden kann, daß das untersuchte Muster in die gleiche Klasse wie das Bezugsmuster fällt.
Fig. 6 zeigt ein mehr ins einzelne gehendes Blockdiagramm einer zur Ausführung der Erfindung geeigneten Anlage. Der
Fühler 40, der beispielsweise aus einem optischen Abtaster besteht, überstreicht ein Gesichtsfeld (d. h. ein Bild) und
erzeugt ein digitales Ausgangssignal mit vorgeschriebener
Auflösung in Horizontal- und Vertikalrichtung der Abtastung, das die beobachteten Eigenschaften des Bildes darstellt.
Beispielsweise erzeugt der Fühler 40 ein Ausgangssignal, das aus quantisierten Schwärzungsintensitäten oder irgendeinem
anderen charakteristischen Merkmal des Bildes besteht.
Dieses Ausgangssignal kann entweder unmittelbar der Vorbehandlungsstufe
zugeführt oder zunächst z. B. auf einem Magnetband gespeichert werden, um es später vorbehandeln
• zu können.
109818/1892 -25-
205
JedenfaIls werden die digital verschlüsselten Schwärzungssignale
des beobachteten Bildes schließlich auf eine Auswertvorrichtung 43 bekannter Art gegeben, welche die Schwärzungsgradienten nach Größe und Richtung angibt. Diese Intensitätsgradienten dienen im vorliegenden Beispiel zur Definition
von Linienstücken innerhalb des Bildes durch Vereinigung von Intensitätsgradienten, welche Elementen benachbarter Lage und
Richtung zugeordnet sind, zu Untermengen. Aus diesen Untermengen können dann verschiedene Parameter wie Endpunkte abgeleitet
werden. Gekrümmte Linien werden durch eine Kette solcher Untermengen dargestellt.
Die von der Stufe 43 abgeleiteten Parameter , die diese Untermengen definieren, werden dann einem Merkmalserzeuger
45 zugeführt. Der Merkmalserzeuger bildet invariante Merkmale aus Kombinationen der erwähnten Parameter. Zu diesem Zweck
kann der Merkmalserzeuger 45 durch ein entsprechendes Programm einer Universalrechenmaschine oder durch ein Spezialgerät,
das entsprechend angepaßt bzw. entworfen ist, dargestell ™
werden. Der Merkmalserzeuger wählt solche Bildpunkte aus, die in bestimmten Kombinationen der die Untermengen der Schwärzungsgradienten
definierenden parameter enthalten sind, und gewinnt Meßergebni.sse bezüglich der Bildpunkte mit vorzugsweise
dem größten Informationsgehalt. Wie erwähnt, können solche Bildpunkte am Schnittpunkt zweier Linien, an einer
durch zwei Linien gebildeten Ecke usw. auftreten. Nach der Berechnung der Merkmale, die sich, wie oben erläutert, aus
109818/1892
-26-
2050341
invarianten Meßergebnissen und aus auf die gegenseitige geometrische Anordnung der Bildpunkte bezüglichen Informationen
zusammensetzen, ist die Vorbehandlung abgeschlossen.
Die Ausgangssignale des Merkmalsgenerators 45 werden direkt . oder über eine Zwischenspeicherung dem Klassifikationsteil
der Mustererkennungsanlage zugeführt. Vorzugsweise wird diese Information auf mehrere parallel geschaltete Kanäle gegeben,
die je einer der bekannten Musterklassen 1, 2, 3 ...N entsprechen, mit deren Bezugsmerkmalen die von der Vorbehandlungsstufe
gebildeten Merkmale des untersuchten Bildes verglichen werden sollen. Jeder Kanal enthält einen Speicher
48-1 ... 48-N für die Bezugsmerkmale der betreffenden Musterklasse, der die gespeicherten Bezugsmerkmale den anderen
Bestandteilen des betreffenden Kanals zuführt, nämlich einem Komparator^ 50, einer Normierungsstufe 51 und einer Haufenbildungsstufe
52. Jeder Komparator 50 vergleicht die invarianten Eigenschaften der abgeleiteten Merkmale des unbekannten
Musters mit den invarianten Eigenschaften der Bezugsmerkmale der betreffenden Musterklasse. Der Abstand je zweier Bildpunkte
und die Orientierung der gedachten Verbindungslinie zwischen ihnen werden dann hinsichtlich der Information
über Bezugsmaßstab und Bezugsorientierung normiert. Schließ-.lich
werden entsprechend den normierten Ausgangssignalen Haufen gebildet, welche die mittlere Lage der Orientierung
und des Maßstabes auf der Grundlage der Anzahl der erzielten Uebereinstimmungen zwischen Bildmerkmalen und Bezugsmerkmalen
109818/1892 -27-
der betreffenden Musterklasse darstellen. Das Ausgangssignal der Haufenbildungsstufe 52 ist somit eine numerische Darstellung
des Uebereinstimmungsgrades zwischen dem unbekannten
Muster und dem Bezugsmuster und liefert ferner eine Anzeige für den relativen Maßstab und die relative Orientierung des
betrachteten Bildes und des Bezugsmusters.
Die Information über die Häufungsgewichte aus den verschiedenen Kanälen wird einer Klassenentscheidungsstufe 55 zugeführt,
welche auf Grund eines Vergleichs der einzelnen f
Häufungsgewichte diejenige Klasse bestimmt, zu der das unbekannte Muster gehört, sowie seine Orientierung und seinen
Maßstab hinsichtlich des ihm am nächsten kommenden Bezugsmusters angibt.
Es ist übrigens ohne weiteres möglich, der Mustererkennungsanlage ein Bild zur Auswertung vorzulegen, das aus verschiedenen
Quellen zusammengesetzt ist und verschiedene Spektralbereiche umfaßt. So kann z. B. ein Teil des Bildes von einem ä
optischen Abtaster abgeleitet sein, während ein anderer Teil von Infrarotdetektoren abgeleitet ist und ein weiterer Teil
des Bildes von einem Radargerät geliefert wird. Eine solche Abtastung in mehreren Spektren beeinflußt das beschriebene
Verfahren als solches nicht und hat auch keinen Einfluß auf die Arbeitsweise des beschriebenen Gerätes, da diese
von der Quelle und der spektralen Zusammensetzung des Bildes unabhängig ist. Auch die Bezugsmerkmale, mit denen die
-28-
109818/1892
Bildmerkmale verglichen werden, können von Quellen verschiedener spektraler Empfindlichkeit abgeleitet sein, ohne daß
hierdurch etwas an dem beschrieben Verfahren bzw. der Arbeitsweise des beschriebenen Gerätes geändert wird. Durch die
Berücksichtigung mehrerer Spektralbereiche kann eine weit größere Anzahl von Merkmalen erfaßt werden, nämlich nicht
nur die in jedem Spektralbereich für sich gewonnenen Merkmale, sondern auch die aus der Korrespondenz verschiedener Spektralbereiche
gewonnenen Merkmale. Dadurch wird die Möglichkeit der Mustererkennung auch bei Vorhandensein starker Bildstörungen
stark verbessert.
Dasselbe gilt für den Fall, daß zwei oder mehr untersuchte Bilder das gleiche Gesichtsfeld betreffen, aber von verschiedenen
Standpunkten aus aufgenommen sind. So können z. B. zwei oder mehr Luftbilder der gleichen Gegend von verschiedenen
Stellen aus aufgenommen werden. Auch in diesem Falle kann das beschriebene Verfahren angewandt werden, um übereinstimmende
Muster der verschiedenen Bilder zu erkennen.
109818/1892
Claims (11)
- München, den W 548WESTINGHOUSE ELECTRIC CORPORATION, Pittsburgh, pa., V.St.A.PatentansprücheVerfahren zur Klassifikation unbekannter, möglicherweise in einem Bild vorhandener Muster auf Grund von Bildmerkmalen, die in Form von gegen Orientierung, Maßstab und Lage eines etwa vorhandenen Musters invarianten Meßergebnissen charakteristischer Bildeigenschaften in der Umgebung ausgewählter Bildpunkte mit hervorstechendem Informationsgehalt sowie von Angaben über die gegenseitige geometrische Anordnung dieser Bildpunkte geliefert werden, dadurch gekennzeichnet, daß die invarianten Meßergebnisse mit Bezugswerten, die in " ahnlicher Weise aus verschiedenen bekannten Mustern abgeleitet wurden, verglichen werden, daß im Falle einer Korrespondenz der verglichenen Merkmale innerhalb zulässiger Toleranzen die Angaben über die geometrische Anordnung der diesen Meßergebnissen zugeordneten Bildpunkte in Bezug auf die geometrische Anordnung der korrespondierenden Punkte des betreffenden Bezugsmusters normiert werden, daß die invarianten Meßergebnisse desselben Typs miteinander verglichen wer-· 108618/1832den, um den Korrespondenzgrad zwischen dem unbekannten Bildmuster und einem Bezugsmuster dieses Typs zu ermitteln, und daß das untersuchte Bild in diejenige Klasse von Bezugsmustern eingereiht wird, deren Merkmale die größte Uebereinstimmung mit den verwendeten Bildmerkmalen zeigen.
- 2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß die ausgewählten.Bildpunkte an Stellen liegen, die ausgeprägten Kontrast gegenüber dem Rest des Bildes haben.
- 3. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß mindestens einige Meßergebnisse sich auf die Orientierung von den ausgewählten Bildpunkten ausgehender Linien relativ zur Richtung der Verbindungslinie zwischen zwei Bildpunkten beziehen.
- 4. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß mindestens einige Meßergebnisse sich auf die Farbe oder Farbintensität an den ausgewählten Bildpunkten beziehen.
- 5. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß mindestens einige Meßergebnisse sich auf den maximalen Schwärzungsgradienten an gewissen Bildpunkten beziehen.
- 6. Verfahren nach Anspruch 2, dadurch gekennzeichnet, daß die Meßergebnisse sich auf die Orientierung von Linienstücken, die in dem untersuchten Bild von den ausgewählten Bildpunkten ausgehen, hinsichtlich der Verbindungslinie109818/1892zwischen je zwei derartigen Bildpunkten beziehen.
- 7. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß die Klassifikation so durchgeführt wird, daß für jede Bezugsmusterklasse Häufungsstellen gebildet werden, die der Anzahl der festgestellten Uebereinstimmungen zwischen den Bildmerkmalen und den Bezugsmerkmalen entsprechen, und daß der Umfang der einzelnen Häufungsstellen verglichen wird .
- 8. Verfahren nach einem der Ansprüche 1 bis 7, dadurch gekennzeichnet, daß die Bezugswerte, mit denen die invarianten Meßergebnisse des untersuchten Bildes verglichen werden, ebenfalls invariant gegenüber Maßstab, Orientierung und Lage der Bezugsmuster sind.
- 9. Verfahren nach Anspruch 8, dadurch gekennzeichnet, daß die Entscheidung über die Identität eines unbekannten in dem untersuchten Bild enthaltenen Musters mit einem bekannten Muster auf die beste Gesamtübereinstimmung zwischen den Meßergebnissen des Bildes und den Bezugsmeßergebnissen der bekannten Muster gestützt wird.
- 10. Vorrichtung zur Ausführung des Verfahrens nach Anspruch 1, · gekennzeichnet durch Speicherstufen (48) für die Bezugsmerkmale, die von den einzelnen Klassen bekannter Muster erhalten wurden, Vergleichsstufen (50) zum Vergleich der inva-109818/1892 "4"-Ar-VLrianten Meßergebnisse der Bildmerkmale mit den gespeicherten Bezugsmerkmalen, Normierungsstufen (5l), die nach Peststellung eines bestimmten Ausmaßes von Korrespondenz zwischen den Bildmerkmalen und den Bezugsmerkmalen einer bestimmten Musterklasse die von Maßstab und Orientierung des unbekannten Musters abhängigen Meßergebnisse mittels der von Maßstab und Orientierung abhängigen Daten des Bezugsmusters in der betreffenden Klasse normieren, und Haufenbildungsstufen (52), die entsprechend den Vergleichs- und Normierungsergebnissen eine Häufungsstelle P bilden, welche die Anzahl der Uebereinstimmungen zwischen den Bezugsmerkmalen des betreffenden Bezugsmusters und den Merkmalen des untersuchten Bildes, sowie Maßstab und Orientierung eines etwa vorhandenen unbekannten Musters relativ zu dem Bezugsmuster in der betreffenden Klasse angeben und als Basis für den Vergleich mit anderen Häufungsstellen dienen, welche die entsprechende Anzahl von Merkmalsübereinstimmungen hinsichtlich anderer Klassen von Bezugsmustern angeben.fc
- 11. Vorrichtung nach Anspruch 10, gekennzeichnet durch eine gemeinsame Entscheidungsstufe (55), di'e sämtliche Häufungsstellen vergleicht und diejenige Klasse von Bezugsmustern bestimmt, mit denen die untersuchten Bildmerkmale die größte Uebereinstimmung zeigen.
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US86724769A | 1969-10-17 | 1969-10-17 |
Publications (1)
Publication Number | Publication Date |
---|---|
DE2050941A1 true DE2050941A1 (de) | 1971-04-29 |
Family
ID=25349413
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE19702050941 Pending DE2050941A1 (de) | 1969-10-17 | 1970-10-16 | Verfahren und Vorrichtung zur Klassi fikation unbekannter Muster auf Grund von Bildmerkmalen |
Country Status (4)
Country | Link |
---|---|
US (1) | US3638188A (de) |
DE (1) | DE2050941A1 (de) |
FR (1) | FR2066087A5 (de) |
GB (1) | GB1331987A (de) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3015026A1 (de) * | 1980-04-18 | 1981-10-29 | ESG Elektronik-System-Gesellschaft mbH, 8000 München | Einrichtung zur identifizierung eines fliegenden objekts |
DE3112093A1 (de) * | 1981-03-27 | 1982-10-07 | Eike Prof. Dr.-Ing. 3392 Clausthal-Zellerfeld Mühlenfeld | Verfahren zur mustererkennung mit gesteuerter messdatenauswahl |
DE3203897A1 (de) * | 1981-11-07 | 1983-05-19 | Licentia Patent-Verwaltungs-Gmbh, 6000 Frankfurt | Vorrichtung zur erkennung und verarbeitung von zeichen und/oder vorgegebenen optischen details |
Families Citing this family (51)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SE365325B (de) * | 1971-11-04 | 1974-03-18 | Rothfjell R | |
US3893080A (en) * | 1973-06-29 | 1975-07-01 | Ibm | Minutiae recognition system |
US4323880A (en) * | 1974-07-22 | 1982-04-06 | The United States Of America As Represented By The Secretary Of The Navy | Automatic target screening |
US4185270A (en) * | 1976-07-19 | 1980-01-22 | Fingermatrix, Inc. | Fingerprint identification method and apparatus |
US4135147A (en) * | 1976-09-10 | 1979-01-16 | Rockwell International Corporation | Minutiae pattern matcher |
US4322716A (en) * | 1976-11-15 | 1982-03-30 | Environmental Research Institute Of Michigan | Method and apparatus for pattern recognition and detection |
US4237539A (en) * | 1977-11-21 | 1980-12-02 | E. I. Du Pont De Nemours And Company | On-line web inspection system |
US4464788A (en) * | 1979-09-10 | 1984-08-07 | Environmental Research Institute Of Michigan | Dynamic data correction generator for an image analyzer system |
US4442543A (en) * | 1979-09-10 | 1984-04-10 | Environmental Research Institute | Bit enable circuitry for an image analyzer system |
US4301443A (en) * | 1979-09-10 | 1981-11-17 | Environmental Research Institute Of Michigan | Bit enable circuitry for an image analyzer system |
US4290049A (en) * | 1979-09-10 | 1981-09-15 | Environmental Research Institute Of Michigan | Dynamic data correction generator for an image analyzer system |
US4369430A (en) * | 1980-05-19 | 1983-01-18 | Environmental Research Institute Of Michigan | Image analyzer with cyclical neighborhood processing pipeline |
DE3176625D1 (en) * | 1980-10-20 | 1988-02-25 | De La Rue Printrak | Fingerprint minutiae matcher |
US4396903A (en) * | 1981-05-29 | 1983-08-02 | Westinghouse Electric Corp. | Electro-optical system for correlating and integrating image data from frame-to-frame |
US4490848A (en) * | 1982-03-31 | 1984-12-25 | General Electric Company | Method and apparatus for sorting corner points in a visual image processing system |
US4497065A (en) * | 1982-07-12 | 1985-01-29 | Westinghouse Electric Corp. | Target recognition system enhanced by active signature measurements |
JPS5975357A (ja) * | 1982-10-22 | 1984-04-28 | Hitachi Ltd | 画像処理装置 |
US4611346A (en) * | 1983-09-29 | 1986-09-09 | International Business Machines Corporation | Method and apparatus for character recognition accommodating diacritical marks |
US4581762A (en) * | 1984-01-19 | 1986-04-08 | Itran Corporation | Vision inspection system |
DE3650496T2 (de) * | 1985-04-17 | 1996-10-31 | Hitachi Ltd | Bildverarbeitungsgerät |
FR2597636B1 (fr) * | 1986-04-18 | 1988-06-17 | Commissariat Energie Atomique | Procede de reconnaissance automatique d'objets susceptibles de se chevaucher |
US4891750A (en) * | 1986-10-29 | 1990-01-02 | Pitney Bowes Inc. | Optical character recognition by forming and detecting matrices of geo features |
JPH01158579A (ja) * | 1987-09-09 | 1989-06-21 | Aisin Seiki Co Ltd | 像認識装置 |
JP2810152B2 (ja) * | 1989-10-13 | 1998-10-15 | 株式会社日立製作所 | ポイントパターンマッチング方法 |
US5231675A (en) * | 1990-08-31 | 1993-07-27 | The Boeing Company | Sheet metal inspection system and apparatus |
DE59208632D1 (de) * | 1992-01-31 | 1997-07-24 | Mars Inc | Einrichtung zur Klassifizierung eines Musters, insbesondere von einer Banknote oder von einer Münze |
FR2688911B1 (fr) * | 1992-02-24 | 1994-07-29 | Robert Pierre | Procede de creation de la signature d'un objet represente sur une image numerique, du type consistant a definir au moins un calibre dimensionnel caracteristique dudit objet, et procede correspondant de verification de la signature d'un objet. |
US5721788A (en) * | 1992-07-31 | 1998-02-24 | Corbis Corporation | Method and system for digital image signatures |
JP2723118B2 (ja) * | 1992-08-31 | 1998-03-09 | インターナショナル・ビジネス・マシーンズ・コーポレイション | 2次元オブジェクトの認識に用いるためのニューラル・ネットワーク及び光学式文字認識装置 |
US6118886A (en) * | 1993-03-30 | 2000-09-12 | The United States Of America As Represented By The United States Department Of Energy | Automatic target recognition apparatus and method |
DE69423607T2 (de) * | 1993-10-15 | 2000-11-09 | At & T Corp | Verfahren zum klassifizieren von bildern mit ausgabeabbildungen |
US5768426A (en) | 1993-11-18 | 1998-06-16 | Digimarc Corporation | Graphics processing system employing embedded code signals |
US5748763A (en) | 1993-11-18 | 1998-05-05 | Digimarc Corporation | Image steganography system featuring perceptually adaptive and globally scalable signal embedding |
US6449377B1 (en) | 1995-05-08 | 2002-09-10 | Digimarc Corporation | Methods and systems for watermark processing of line art images |
US6983051B1 (en) * | 1993-11-18 | 2006-01-03 | Digimarc Corporation | Methods for audio watermarking and decoding |
US6560349B1 (en) | 1994-10-21 | 2003-05-06 | Digimarc Corporation | Audio monitoring using steganographic information |
JP3990002B2 (ja) * | 1997-05-22 | 2007-10-10 | 株式会社トプコン | 画像測定装置 |
US6130959A (en) * | 1997-07-16 | 2000-10-10 | Cognex Corporation | Analyzing an image of an arrangement of discrete objects |
US6059268A (en) * | 1998-05-06 | 2000-05-09 | Santelli, Jr.; Albert | Bumper system for limiting the mobility of a wheeled device |
US6952484B1 (en) * | 1998-11-30 | 2005-10-04 | Canon Kabushiki Kaisha | Method and apparatus for mark detection |
US6631211B1 (en) * | 1999-07-08 | 2003-10-07 | Perkinelmer Las, Inc. | Interactive system for analyzing scatter plots |
WO2001050608A1 (en) * | 2000-01-03 | 2001-07-12 | Levenson David J | Adjustable ergonomic keyboard for use with stationary palm and elements thereof |
NL1023793C2 (nl) * | 2003-07-02 | 2005-01-04 | Rijksuniversiteit | Methode voor het detecteren van een object in een gepresenteerd beeld dat identiek is of gelijkenis vertoont met een gegeven referentieobject vaneen referentiebeeld. |
EP1658579B1 (de) * | 2003-08-15 | 2016-09-28 | Scape A/S | Verfahren zur klassifikation und räumlichen lokalisierung von begrenzten 3d-objekten |
US8290765B2 (en) * | 2005-03-16 | 2012-10-16 | Research In Motion Limited | Handheld electronic device with reduced keyboard and associated method of providing improved disambiguation |
GB2471885A (en) | 2009-07-16 | 2011-01-19 | Buhler Sortex Ltd | Sorting apparatus |
GB2471886A (en) | 2009-07-16 | 2011-01-19 | Buhler Sortex Ltd | Inspection apparatus |
GB2481804A (en) | 2010-07-05 | 2012-01-11 | Buhler Sortex Ltd | Dual sensitivity browser for optical sorting machines |
CN112033962B (zh) * | 2013-12-12 | 2024-01-12 | 梅斯医疗电子系统有限公司 | 家庭测试设备 |
US11562505B2 (en) | 2018-03-25 | 2023-01-24 | Cognex Corporation | System and method for representing and displaying color accuracy in pattern matching by a vision system |
CN112270373A (zh) * | 2020-11-06 | 2021-01-26 | 广东电网有限责任公司 | 一种基于图像识别技术的调度主站三遥变化自动识别方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
NL221902A (de) * | 1956-10-26 | |||
US3196398A (en) * | 1962-05-21 | 1965-07-20 | Ibm | Pattern recognition preprocessing techniques |
US3440617A (en) * | 1967-03-31 | 1969-04-22 | Andromeda Inc | Signal responsive systems |
-
1969
- 1969-10-17 US US867247A patent/US3638188A/en not_active Expired - Lifetime
-
1970
- 1970-09-30 GB GB4642170A patent/GB1331987A/en not_active Expired
- 1970-10-16 FR FR7037441A patent/FR2066087A5/fr not_active Expired
- 1970-10-16 DE DE19702050941 patent/DE2050941A1/de active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3015026A1 (de) * | 1980-04-18 | 1981-10-29 | ESG Elektronik-System-Gesellschaft mbH, 8000 München | Einrichtung zur identifizierung eines fliegenden objekts |
DE3112093A1 (de) * | 1981-03-27 | 1982-10-07 | Eike Prof. Dr.-Ing. 3392 Clausthal-Zellerfeld Mühlenfeld | Verfahren zur mustererkennung mit gesteuerter messdatenauswahl |
DE3203897A1 (de) * | 1981-11-07 | 1983-05-19 | Licentia Patent-Verwaltungs-Gmbh, 6000 Frankfurt | Vorrichtung zur erkennung und verarbeitung von zeichen und/oder vorgegebenen optischen details |
Also Published As
Publication number | Publication date |
---|---|
US3638188A (en) | 1972-01-25 |
GB1331987A (en) | 1973-09-26 |
FR2066087A5 (de) | 1971-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE2050941A1 (de) | Verfahren und Vorrichtung zur Klassi fikation unbekannter Muster auf Grund von Bildmerkmalen | |
DE2050924A1 (de) | Verfahren und Vorrichtung zum Vorbe handeln der in einem Bild enthaltenen In formation | |
DE19521346C2 (de) | Bilduntersuchungs/-Erkennungsverfahren, darin verwendetes Verfahren zur Erzeugung von Referenzdaten und Vorrichtungen dafür | |
DE60307583T2 (de) | Auswertung der Schärfe eines Bildes der Iris eines Auges | |
EP0425595B1 (de) | Verfahren und anordnung zur automatischen optischen klassifikation von pflanzen | |
EP0692089B1 (de) | Produktionsnahe farbkontrolle mit bildgebenden sensoren | |
DE2063932A1 (de) | Verfahren zum Korrelieren zweier Bilder | |
DE112018006337T5 (de) | Verfahren und System zum Klassifizieren eines Objekts von Interesse unter Verwendung eines künstlichen neuronalen Netzes | |
DE10043460C2 (de) | Auffinden von Körperpartien durch Auswerten von Kantenrichtungsinformation | |
DE60307967T2 (de) | Bildverarbeitungsverfahren für die untersuchung des erscheinungsbildes | |
DE3505331C2 (de) | Verfahren und Gerät zur Vermessung des bei der Eindringhärteprüfung in einer Probe hinterlassenen Eindrucks | |
DE102009051826A1 (de) | Verfahren zum Vergleichen der Ähnlichkeit von 3D-bildlichen Objekten | |
DE60303138T2 (de) | Vergleichen von mustern | |
DE102019127282A1 (de) | System und Verfahren zum Analysieren einer dreidimensionalen Umgebung durch tiefes Lernen | |
DE102015207903A1 (de) | Vorrichtung und Verfahren zum Erfassen eines Verkehrszeichens vom Balkentyp in einem Verkehrszeichen-Erkennungssystem | |
DE19633693C1 (de) | Verfahren und Vorrichtung zur Erfassung von Targetmustern in einer Textur | |
WO2010133204A1 (de) | Vorrichtung und verfahren zur identifizierung des urhebers eines kunstwerkes | |
DE102021201124A1 (de) | Trainieren von bildklassifizierernetzen | |
DE102016100134A1 (de) | Verfahren und Vorrichtung zum Untersuchen eines Objekts unter Verwendung von maschinellem Sehen | |
DE102019127283A1 (de) | System und Verfahren zum Erfassen eines Objekts in einer dreidimensionalen Umgebung eines Trägerfahrzeugs | |
DE102008015535B4 (de) | Verfahren zur Bildverarbeitung von Stereobildern | |
DE102005049017B4 (de) | Verfahren zur Segmentierung in einem n-dimensionalen Merkmalsraum und Verfahren zur Klassifikation auf Grundlage von geometrischen Eigenschaften segmentierter Objekte in einem n-dimensionalen Datenraum | |
DE102021104352A1 (de) | Transporter-segmentierung für datenerfassungssystem | |
EP3543901B1 (de) | Vorrichtung und verfahren zur robusten ermittlung der position, ausrichtung, identität und ausgewählter zustandsinformationen von objekten | |
DE102020210887B3 (de) | Vermehrung und Verarbeitung von Radardaten mit Machine Learning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OHW | Rejection |