-
Verfahren zur Mustererkennung mit oesteuerter Meßdatenauswahl
-
1. Problemstellung Mit fortschreitender Automatisierung von Eertigungs-und
Prüfprozessen, sowie von militärischen Vorgängen, stellt sich die Aufgabe, im optischen
Erscheinungsbild von Objekten und Szenen deren Art, Bpschaffenheit und Lage durch
selbstStig arbeitende Systeme zu erkennen. Ahnliches gilt für Muster aller Art,
wie Meßsignale und Signalfelder, die den Zustand eines technische Prozesses oder
eine akustische Information bildähnlich beschreiben.
-
Üblicherweise werden Bilder punkt- oder zeilenweise vollständig abgetastet
in einen Rechner gebracht. Dabei treten zwei Probleme auf: - Es ist eine große Datenmenge
in den Rechner zu Uebertragen und dort zu speichern.
-
- Das starre Abtastraster kann sich z.B. schrägen und gekrümmten Konturen
nicht anpassen und gibt sie durch Treppenkurven wieder. So entsteht ein Abtastrauschen,
zu dem durch unterschiedliche Charakteristiken der Rezeptor-Raster-Elemente ein
Ortsraschen kommt.
-
Die Erfindung betrifft ein Verfahren zur Mustererkennung, gekennzeichnet
durch eine Steuerung der Bilddstenerfassung aufgrund der bereits vorhandenen Kenntnisse
über das zu erkennende Muster. Dabei wird jeweils nur der Teil der Bildinformation
erfaßt und verarbeitet, von dem neue, relevante Erkenntnisse über das Muster erwartet
werden. Aufgrund der bereits vorhandenen Kenntnisse kann die Abtastatruktur an die
lokalen Gegebenheiten des Musters angepaßt und Abtastrauschen weitgehend vermieden
werden.
-
Aufgabe der Erfindung ist die Erkennung von Objekten und anderen Mustern
trotz schwachem Kontrast auch bei Störungen in Muster und Hintergrund, wobei Datenmenge
und Rechenaufwand durch Vorverarbeitung und eine gezielte Auswahl der jeweils benötigten
Bildinformation auf die Kapazität eines Kleinrechners reduziert werden. Die Erfindung
erlaubt ferner blinden Menschen unter deren aktiver Mitwirkung die Erkennung von
Mustern. Die Lösung ist in Patentanspruch 1 engegeben, vorteilhafte Ausgestaltungen
sind in den UnteransprUchen gekennzeichnet.
-
Die im folgenden beschriebene beispielhafte Ausgestaltung der Erfindung
benutzt einen Kontursensor entsprechend der Patentanmeldung P 31 09 701.4 Verfahren
zur Bildauswertung mit optoelektronischer Vorverarbeitung" vom 13.3.1981. Die Abtastelemente
dieses Kontursensors werden von 32 bis 256 Sektoren einer Kreisflsche gebildet.
Verläuft die Kontur einer Fläche durch das Zentrum des Abtsstkreises, so gibt es
zwei Paare benachbarter Sektoren, die eine unterschiedliche Helligkeit ermitteln.
Die Differenz der von benachbarten Sektoren gemessenen mittleren Helligkeiten zeigt
daher durch ihre Extremwerte den Kontrast der Kontur an, während die Richtung der
zugehörigen Abtastsektoren die Konturrichtung angibt.
-
2. Konturfolge und Sesmentieruno Zu Beginn eines Lern- oder Erkennungsvorgnags
wird eine erste Kontur z.S. durch spiralenförmige Verschiebung des Abtastkreises
vom Kontursensor gesucht. Ist eine Kontur gefunden, so kennt man ihre Richtung,
kann ihren weiteren Verlauf vorhersagen und kann sie verfolgen, indem man in dieser
Richtung mit dem Abtastkreis an den Rand des vorhergehenden Abtastkreises springt.
Dabei wird bereits vorhandenes a-priori-Wissen benutzt, um die weitere Auswahl von
Bildinformation zu steuern.
-
Die gesamte Kontur eines Objekt enthält immer noch zu viele Daten.
Diese Daten sind redundant, solange der Konturverlauf vorhersagbar ist. Wenn die
Vorhersage sich im Lauf einer Konturfolge als unzutreffend erweist, sind wir offensichtlich
dabei, ein Kontursegment zu verlassen; wir nähernd uns beispielsweise einer Ecke.
Folgen wir dem Signal des Kontursensors weiter, eo wird die Vorhersage während des
Übergangs auf das nächste Kontursegment die nächste Kante, versagen. Sobald die
Vorhersage auf Messungen am neuen Segment beruht, wir eie wieder zutreffen.
-
* KONTURSEGMENTIERUNG erfolgt dort, wo ein Prädiktor 2.Ordnung den
Konturverlauf nicht mehr zutreffend vorhersagt.
-
Aus den Daten beider Segmente wird deren Schnittpunkt als flSegmentierungspunkt"
berechnet. Nur das in solchen Punkten gemessene Sensorsignal wird zur Merkmalsextraktion
dem Rechner übergeben.
-
3. Assoziierte Sakkaden 3.1. Graphenstruktur der Seomentierurqedaten
Syntaktische Mustererkennungsverfahrrn werten Daten über die Kontursegmente des
Musters gemeinsam mit den Lagerelationen dieser Segmente zu einander aus Wie gibt
man die Lsge eines Kontursecnents an ? Ausgezeichnete Punkte eines Segments sind
seine Endpunkte, die wir Segmentierungspunkte genannt haben.
-
Die Gesamtheit der Daten, die im Segmentierungspunkt vom Kontursensor
erfaet werden, könnte herangezogen werden, um einen Knoten des zu konstruierenden
Graphen zu beschreiben. Zur Kompression der Daten, bzw zur Extraktion von Merkmalen
stehen Verfahren, wie die Loewe-Karhunen-Entwicklung zur Verfügung Gute Ergebnisse
wurden bei geradlinigen Konturen mit der folgenden einfachen Beschreibung erzielt:
* KNOTEN: Richtung eines Paares an einander stoßender Kontursegmente, zu (5+5) bit
(32 Richtungen) in 1 Gatenwort gepackt.
-
Treffen mehr als 2 Kontursegmente zusammen, so ergeben sich an der
gleichen Stelle mehrere Knoten im Graphen.
-
Zwischen zwei Knoten definieren wir die * RELATION: Richtung und Länge
der Knoten-Uerbindungslinie, zu (8+7) bit in 1 Datenwort gepackt.
-
Zwei Knoten und ihre Relation bilden ein Graphen-Element. In einer
Lernphase werden während einer Konturfolge alle Graphen-Elemente in einer essoziativ
auslesbaren Datenstruktur gespeichert; dies geschieht für alle verschiedenen Muster
zusammen mit identifizierenden Kennzeichnungen.
-
Die assoziative Datenstruktur wurde mit einem Programmsystem realisiert;
aus der Literartur sind z.3. die ProgrammsystemP LISP und LEAP bekannt.
-
Außerdem gibt es elektronische und hologrephische Assoziativspeicher.
-
3.2. Assoziation und Hypothesentest Wenn in der Erkennungsohase durch
Konturfolge ein Graphenelement erfaßt ist, wird geprüft, zu welcher Grapbenstruktur
es gehort. Es wird nicht in alle gespeicherten Graphen passen. Die passenden Graphen
werden nach jede neuen Messung als Hypothese verstärkt, nicht passende Graphen geschwächt.
-
Aus den als Hypothese jeweils stärksten Graphen wird nun eine im momentane
Segmentierungspunkt anschließendes Graphenelement herausgesucht.
-
Entsprechend der darin enthaltenen Relation wird der Abtastkreis des
Kontursensors verschoben. Wird dort der erwartete Knoten tatsächlich gefunden, so
war die Hypothese richtig und wird verstärkt, sonst wird sie geschwächt. Gehört
das neu erfaßte Graphenelement zu einem anderen Grapher so wird dieser als Hypothese
verstärkt.
-
Sobald Sakkaden ausgeführt werden, ist der Informationsfluß vom Sensor
zur Rechner besonders gering: Aus der großen Informationsmenge des Bildes wir nur
die Information ausgewählt, die zum Testen der gebildeten Hypothesen benötigt wird.
-
Wird eine Ecke nicht gefunden, weil sie durch ein anderes Objekt verdeckt
ist, so wird die an sich richtige Hypothese zwar geschwächt, bleibt aber erhalten.
Es wird sodann ein weiteres Graphenelement der jeweils stärkste Hypothese geprüft.
Daher lassen sich Objekte erkennen und orten, die sich teilweise überlagern.
-
Die Richtung der ersten erfaßten Kontur wird als Orientierungshypothese
verwendet: Knoten und Relationen werden entsprechend transformiert.
-
Gelangt die Konturfolge von einem Objekt auf ein anderes, so entstehen
eu die Winkeltransformation Graphenelemente, die dem System unbekannt sind.
-
Daraufhin wird die Orientierungshypothese durch die Richtung einer
neuen Kante ersetzt.
-
Die erfaßten Kpnn- und Lagedaten stehen zur Steuerung von Handhabugs-,
Searbeitunge oder Prüfmaschinen zur Verfügung.
-
4. Weitere Mrthoden zur Mpßdatensuswehl Bisher wurde davon susgegangen,
daß die einen Knoten beschreibenden Bilddaten vom Kontursensor erfaßt werden, wenn
dessen Abtastkreiszentrum im Segmentierungspunkt liegt. Nach einer Sakkade wird
er infolge verschiebe artiger Toleranzen nicht genau dort liegen, aber doch so nahe,
daß die Abtastkreissektoren die dort an einender stoBenden Konturen erfassen.
-
Damit ist unter Berücksichtigung des Radius der Abtastsektoren je
ein FunKt dieser Konturen zu berechnen. Legt der Rechner durch diese Punkte Geraden,
deren Richtungen im angesteuerten Segmentierungspunkt erwartet werden, so schneiden
sich diese Geraden im Segmentierungspunkt. Dieser Schnittpunkt kann nunmehr berechnet
und vom Kontursensor angesteuert werden.
-
Ist der Verlauf der Objektkontur vor und nach einem Segmentierungspunkt
bereits vermessen worden, so läßt sich hieraus die Beschreibung und Positio des
Knotens im dazwischen liegenden Segmentierungspunkt rechnerisch ermitteln, ohne
daß der Punkt selbst angesteuert werden muß.
-
Der Kontursesor läßt sich so klein bauen, daß er am menschlichen Finger
angebracht und mit diesem zur Erfassung von Konturen der optischen Umwelt bewegt
werden kann. Hierbei wird die Bilddatenselektion vom Blinden gesteue und redukziert
die Daten so weit, daß die von den Abtastsektoren gemessenen Signale beispielsweise
durch taktile Reizelemente über die Fingerkuppen dem Blinden übermittelt werden
können. Bei der Auswertung dieser Signale zur Erkennung von Objekten und Szenen
kann der Blinde ähnlich vorgehen, tiiie für technische Systeme beschrieben.
-
Die Erfindung ist nicht nur auf Bildmuster anwendbar, sondern auch
auf andere Signalmuster, die sich bildhaft darstellen lassen. Bei akustischen Signalen
ist es üblich, das über kurze Zeiten gemittelte Frequenzspektrum als Funktion der
Zeit bildlich darzustellen. Statt der Segmentierungspunkte lassen sich hier lokale
Extrema durch Gradientenverfahren oder durch Sakkaden ansteuern. Zur Knotenbeschreibung
eignen sich Momente oder Parameter einer GauB-Funktion, die den Verlauf des Frequenzspektrums
in der Umgebung eines Extremums annähert.