DE4211904A1 - Verfahren und vorrichtung zum erstellen einer artenliste fuer eine fluessige probe - Google Patents
Verfahren und vorrichtung zum erstellen einer artenliste fuer eine fluessige probeInfo
- Publication number
- DE4211904A1 DE4211904A1 DE4211904A DE4211904A DE4211904A1 DE 4211904 A1 DE4211904 A1 DE 4211904A1 DE 4211904 A DE4211904 A DE 4211904A DE 4211904 A DE4211904 A DE 4211904A DE 4211904 A1 DE4211904 A1 DE 4211904A1
- Authority
- DE
- Germany
- Prior art keywords
- objects
- cluster
- image
- sub
- localized
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
- G01N33/186—Water using one or more living organisms, e.g. a fish
- G01N33/1866—Water using one or more living organisms, e.g. a fish using microorganisms
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/18—Water
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Microbiology (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Description
Die Erfindung betrifft ein Verfahren und eine Vorrichtung zum
Erstellen einer Artenliste für eine flüssige Probe mit ggf.
form- und/oder ortsveränderlichen sich z. T. gegenseitig über
deckenden und überlappenden Objekten unterschiedlicher Arten
zur Ermittlung des ökologischen Zustandes der Probe.
Ein derartiges allerdings manuelles Verfahren ist aus der Praxis
bekannt. Es dient zur Untersuchung von belebten Schlämmen u.ä.
Biomassen, zur Bestimmung von Gewässergüten und/oder zur
Überwachung biologischer Abwasserreinigungssysteme. Zu diesem
Zweck wird das Ökosystem "belebter Schlamm" untersucht, das
einen definierten Raum mit generell gleichen Eigenschaften
darstellt, der in den Lebensraum, das nicht lebende Biotop,
und in die Artengemeinschaften oder die Lebensgemeinschaft,
die Biozönose zerfällt.
Die Biozönose setzt sich aus unterschiedlichen Arten zusammmen,
die sehr verschiedene Objektdichten aufweisen. Darüberhinaus
reicht die Größe der Objekte, zu denen Algen, Pilze, Protozoen
und Metazoen zählen, von 1µm (Bakterien) bis zu mehreren mm
(Kleinstlebewesen). Pro Probe finden sich bis 100 und mehr
Objektarten und je Art von einem Objekt bis zu mehreren tausend
Objekten.
Weiterhin finden sich in der Probe nicht nur lebende Objekte,
sondern auch sonstige Partikel, wie Flocken, Fasern, Haare etc..
Mit "Art" oder "Arten" werden im folgenden Text sämtliche Objekte
des Ökosystems bezeichnet, also beispielsweise sowohl Organismen
als auch Flocken, Haare etc..
Zweck der Untersuchung ist es, Aussagen über Vorgeschichte,
Zustand und wahrscheinliche Weiterentwicklung des Ökosystems
machen zu können. Weiterhin geht es um die Überwachung des
Betriebsablaufes und um einen "Gesundheitscheck" des Ökosystems
eines biologischen Abwasserreinigungssystems. Die im Rahmen
der Untersuchung gewonnenen Aussagen werden genutzt, um die
betriebstechnischen und die chemisch-physikalischen Daten der
Anlage zu bestätigen und/oder zu ergänzen bzw. im Falle eines
Störfalles gezielt weitere Untersuchungen zu veranlassen.
Die Daten werden weiterhin zu einer Langzeituntersuchung der
Biozönose der jeweiligen Anlage verwendet.
Im Rahmen dieser Untersuchungen ist es erforderlich, eine
Artenliste sämtlicher Objekte in einer Probe (z. B. 50 µl) zu
erstellen und auszuwerten. Das Erstellen der Artenliste wird
zur Zeit von Personal mit unterschiedlicher Vorbildung vorge
nommen, das dazu ein Mikroskop und ggf. eine CCD-Kamera mit
Videorekorder zur Dokumentation der untersuchten Proben ver
wenden.
Die Einordnung der unterschiedlichen Objekte in die verschiedenen
Objektklassen oder Arten ist größtenteils Wissens- und Erfah
rungssache, wobei die dabei verwendeten Methoden je nach dem
Erfahrungsstand des mit der Untersuchung Beauftragten sehr unter
schiedlich sind. Naturgemäß ist auf diese Weise nur eine sehr
unvollständige Datenerfassung möglich, die lediglich ein Teil
der zu untersuchenden Biomasse repräsentiert.
Die auf diese Weise erstellte Artenliste wird für eine Fort
schreibung der Langzeitüberwachung (Populationswachstum der
einzelnen Arten; Flockenbildung und -alter; Komplexität der
Biozönose; Sauerstoffgehalt anhand von Indikatororganismen;
Saprobien-Stufen als Index für die Wassergüte) in einen Computer
eingegeben und zur Erkennung von periodischen Prozessen schon
im frühen Stadium verwendet. Weiterhin führt der Computer eine
Modellerstellung der Biozönose durch, um die spezifischen
Abhängigkeiten zwischen den Arten zu bestimmen und um so zwischen
normalen/üblichen Veränderungen der Biozönose einerseits und
von außen hervorgerufenen Abweichungen andererseits unterscheiden
zu können.
Mit dem insoweit beschriebenen Untersuchungsverfahren werden
nicht nur Kläranlagen überprüft, auch natürliche Ökosysteme
wie Seen, Flüsse, Meere etc. werden damit untersucht/überwacht.
Das vom Menschen durchzuführende Erstellen der Artenliste bedingt
nicht nur den limitierenden Zeitfaktor sondern auch eine
unerwünscht hohe Fehlerrate. Darüberhinaus ist die auf diese
Weise gewonnene Datenmenge für einen umfassenden Überblick über
den Zustand des jeweils untersuchten Ökosystems oft viel zu
gering.
Lediglich der Vollständigkeit halber sei hier erwähnt, daß eine
umfassende chemische Analyse von Belebtschlämmen zwar möglich
ist, aber noch länger dauert als die eingangs beschriebene
Bestimmung unter Heranziehung einer vom Menschen erstellten
Artenliste.
Nun ist es zwar bekannt, Fluoreszenzmikroskope mit Kamerasystemen
zu verwenden, die Proben sind hier jedoch fast ausschließlich
zweidimensional und trocken. Flüssige Proben mit bewegten
Objekten können mit solchen, insbesondere in Forschungs
laboratorien zu findenden Systemen, nicht untersucht werden.
Weiterhin ist es bekannt, auf einem Förderband transportierte
Gegenstände, wie z. B. Schrauben etc. mit Hilfe eines Hand
habungsroboters zu sortieren, wobei der Roboter über ein
Bildverarbeitungssystem angesteuert wird. Das Bildverarbeitungs
system sucht nach gewünschten (fehlerfreien) Objekten, die der
Roboter in entsprechende vorgegebene Kästen transportiert. Hier
hat der Rechner also eine Wiederfinderungserwartung bezüglich
der zu sortierenden Objekte, d. h. es ist lediglich eine Ja/Nein-
Entscheidung zu treffen, ob das Objekt mit einem im Rechner
gespeicherten Referenzobjekt übereinstimmt. Ein derartiges
Bildverarbeitungssystem sucht also nach gewünschten Objekten,
während es im Falle der Erstellung der Artenliste um ein
Identifizieren unbekannter Objekte geht, deren Lage im Raum
beliebig sein kann.
Darüberhinaus können die Objekte in den zu untersuchenden
flüssigen Proben auch als Clusterobjekte auftreten. Unter
Clusterobjekten werden hier mehrere zusammenhängende Objekte
verstanden, z. B. können sich an einer Flocke mehrere Mikro
organismen anheften, so daß ein Clusterobjekt entsteht, das
aus unbelebten und belebten Objekten ggf. verschiedener Arten
besteht. Die Objekte eines derartigen Clusterobjektes können
sich darüberhinaus gegenseitig bedecken bzw. überlappend
vorliegen oder gar miteinander verflochten sein, so daß zunächst
eine Trennung des Clusterobjektes in die einzelnen Objekte
erforderlich ist. Wie bereits erwähnt, bewegen sich einige der
Objekte in der Probe, d. h. die Objekte sind ggf. orts- und
formveränderlich. Eine Objektart ist darüberhinaus in ver
schiedenen Entwicklungsstufen anzutreffen, also in verschiedenen
Größen. Weiterhin ist zu berücksichtigen, daß zwischen den
Abmaßen der kleinsten und der größten Objekte nahezu vier
Größenordnungen liegen können.
Wegen der hohen Formverschiedenheit der lebenden Objekte können
bei dem angestrebten Verfahren nicht alle möglichen Erscheinungs
formen in einer Art Referenzdatenbank gespeichert werden, da
deren Zahl astronomisch hoch ist.
Mit den bekannten Verfahren und Systemen der Bildverarbeitung
ist damit das Erstellen der Artenliste bisher nicht möglich.
Aus der EP-B-00 73 140 sind ein derartiges Verfahren und eine
derartige Vorrichtung zur zweidimensionalen Untersuchung von
Vorlagemasken für die Erstellung von Halbleiterbauteilen bekannt.
Die zu untersuchende Maske wird auf einen X/Y-Kreuztisch gelegt
und im Durchlichtverfahren kontrastiert. Eine CCD-Kamera nimmt
ein Bild dieser Maske auf und leitet es einer Signalverarbei
tungseinrichtung zur Erzeugung von Bildmusterdaten zu.
Die Vorrichtung weist einen Speicher für die aktuellen Daten
der zu untersuchenden Maske und für vorgegebene Bildmusterdaten
einer Referenzmaske auf.
Um das Problem der beim Ätzprozeß auftretenden abgerundeten
Ecken zu berücksichtigen, werden die Referenzdaten, die recht
winklige Ecken enthalten, derart verändert, daß Vergleichsbilder
mit noch zulässigen Eckenabrundungen für einen visuellen
Vergleich oder für einen automatischen Vergleich bereitgestellt
werden. Der aktuelle Datensatz und der modifizierte Referenz
datensatz werden dazu einer Vergleichereinrichtung zugeführt,
die ermittelt, ob die gemessenen und die vorgegebenen Konturen
innerhalb einer Fehlerschwelle übereinstimmen.
Ein ähnliches Verfahren und eine entsprechende Vorrichtung sind
aus der EP-A-01 47 205 bekannt. Hier weist das zu untersuchende
Muster ein regelmäßig wiederkehrendes Grundmuster auf, das
dementsprechend nur einmal als Referenzbildmusterdatensatz
vorhanden sein muß.
Bei diesem Verfahren werden die harten Kanten der Vorlagedaten
in einer vorgewählten Breite durch nachträglich eingeführte
Grau-Werte aufgelöst, um einen Vergleich innerhalb bestimmter
Fehlerbreiten zu ermöglichen.
Wie bereits eingangs erwähnt, werden bei diesen bekannten
Verfahren die gemessenen Daten der zu untersuchenden Masken
unverändert eingelesen und mit vorgegebenen Daten, die ggf.
verändert werden, verglichen.
Ferner ist aus der DE-OS 29 03 625 eine Vorrichtung zur automati
schen Blutanalyse bekannt. Die Vorrichtung verwendet ein
digitales Bild- und Mustererkennungssystem mit einer Mikroskop
optik, wobei ein Verschiebetisch und eine Fokuskontrolle zum
Einsatz kommen. Die zu analysierenden Blutzellen müssen hier
räumlich voneinander getrennt in einer einzelligen Schicht
vorliegen, wobei nur Objekte in einem bestimmten Größenbereich
ausgewertet werden. Als zusätzliche Kriterien werden Form und
Farbe der Objekte bestimmt.
Wie schon bei dem oben erwähnten Handhabungsroboter hat auch
hier das System eine Wiederfindungserwartung bezüglich der zu
sortierenden Objekte. Objekte, die in einer dem Rechner nicht
vorbekannten Form vorliegen, die also beispielsweise sich zu
Clustern zusammengelagert haben oder die eine nicht vorhergesehe
ne Form angenommen haben, werden als Schmutzeffekt ausgesondert.
Formveränderliche oder gar bewegliche Objekte, die sich ggf.
zu größeren Clustern zusammengelagert haben, können mit dieser
Vorrichtung also nicht analysiert werden.
Eine entsprechende Vorrichtung zur Blutanalyse ist in der
DE-OS 24 15 974 beschrieben. Die bekannte Vorrichtung umfaßt
einen Verschiebetisch, welcher die zu untersuchende trockene
Probe unter einem Mikroskop verfährt. Ferner ist eine Fernseh
kamera vorgesehen, welche den vom Mikroskop jeweils erfaßten
Teil der Probe auf einem Bildschirm darstellt. Während das
Anfahren der einzelnen Blutkörperchen automatisiert erfolgen
kann, ist ein Operateur erforderlich, der die Blutkörperchen
identifiziert und durch Drücken einer entsprechenden Taste
klassifiziert. Damit ist dieses Verfahren mit den selben
Nachteilen behaftet wie das eingangs erwähnte manuelle Verfahren
zur Untersuchung von belebten Schlämmen.
Aus der DE-OS 33 13 789 ist eine mikroskopische Untersuchungsein
richtung bekannt, bei der im Ermittlungsbetrieb kernhaltige
Objekte aufgefunden und anhand einer Reihe von Merkmalen, wie
beispielsweise Farbe, Größe und Struktur klassifiziert werden.
Auch mit dieser Vorrichtung können nur Objekte klassifiziert
werden, für welche eine Wiederfindungserwartung vorhanden ist.
Ferner müssen sich die zu untersuchenden Objekte durch wenige
aus den optischen Daten ermittelbare Merkmale eindeutig identifi
zieren lassen.
Damit ist auch dieses Verfahren nicht geeignet, formveränderliche
Objekte, die sich ggf. zu Clustern zusammenfinden können, in
einer flüssigen Probe aufzufinden, zu identifizieren und zu
klassifizieren.
Weiterhin ist in der DE-OS 38 36 716 ein interaktives Verfahren
zur Auswertung von Zellbildern beschrieben, bei dem fachlich
geschultes Personal erforderlich ist, um im Dialogbetrieb den
Rechner bei der Auswertung zu führen und zu unterstützen. Damit
ist dieses Verfahren mit den eingangs bereits erwähnten Nachtei
len - limitierender Zeitfaktor, hohe Fehlerrate - von manuellen
Verfahren behaftet.
Aus den bereits geschilderten Gründen sind alle diese Verfahren
zum automatischen Erstellen der Artenliste nicht geeignet.
Ausgehend von dem insoweit zitierten Stand der Technik ist es
Aufgabe der vorliegenden Erfindung, ein Verfahren und eine
Vorrichtung zum Erstellen einer Artenliste für eine flüssige
Probe zu schaffen, bei dem bzw. bei der ein schneller und hoher
Datendurchsatz gewährleistet ist und wobei nur eine geringe
Fehlerhäufigkeit auftritt. Die Vorrichtung soll außerdem
preiswert zu erstellen und zu betreiben sein. Ferner sollen
mit dem neuen Verfahren bzw. der neuen Vorrichtung auch formver
änderliche Objekte identifiziert werden können, für deren
konkrete jeweilige Form keine Wiederfindungserwartung vorliegt,
die also so nicht eindeutig vorhersehbar sind.
Diese Aufgabe wird erfindungsgemäß gelöst durch ein Verfahren
der eingangs genannten Art mit den Schritten:
- a) optisches Erfassen der Probe als Folge von Bilddaten;
- b) Erkennen und Lokalisieren der Objekte in den erfaßten Bilddaten;
- c) Automatisches Identifizieren der lokalisierten Objekte durch automatisches Vergleichen des jeweiligen lokalisierten Objektes mit einer bestimmten Gruppe von Referenzobjekten, die aufgrund von aus den Bilddaten gewonnenen Grobmerkmalen des lokalisierten Objektes aus einer größeren Gruppe von Referenzobjekten ausgewählt werden;
- d) Zählen der identifizierten Objekte nach den jeweiligen Arten; und
- e) Eintragen der gezählten Objekte in die Artenliste.
Diese Aufgabe wird ebenfalls gelöst durch eine Vorrichtung mit:
- a) einer Bildaufnahmevorrichtung zum optischen Erfassen der Probe als Folge von Bilddaten;
- b) einer Lokalisierungseinrichtung zum Erkennen und Lokalisie ren der Objekte in den erfaßten Bilddaten;
- c) einer Identifizierungseinrichtung zum automatischen Identifizieren der lokalisierten Objekte; und
- d) einer Zähleinrichtung zum Zählen der identifizierten Objekte nach den jeweiligen Arten sowie zum Eintragen der gezählten Objekte in die Artenliste, wobei die Identifizierungsein richtung eine Sucheinrichtung umfaßt, die die lokalisierten Objekte mit einer Gruppe von Referenzobjekten vergleicht, die sich aufgrund von aus den Bilddaten gewonnenen Grobmerk malen des lokalisierten Objektes aus einer größeren Gruppe von Referenzobjekten ergeben, und ein identifiziertes Objekt als solches an die Zähleinrichtung meldet.
Die Aufgabe wird auf diese Weise vollkommen gelöst, denn die
Anmelder haben erkannt, daß die Hauptfehlerquelle und der Haupt
zeitfaktor in dem Identifizieren der Objekte liegt. Durch das
automatische Identifizieren mit Hilfe einer Identifizierungsein
richtung werden Fehler weitgehend ausgeschlossen. Das neue
Verfahren und die neue Vorrichtung arbeiten darüberhinaus
wesentlich schneller als das auf sich gestellte Personal. Das
Lokalisieren der Objekte in den erfaßten Bilddaten könnte zwar
noch manuell erfolgen, die Bedienungsperson kann hier jedoch
wesentlich ermüdungsfreier arbeiten, als wenn sie auch noch
die lokalisierten Objekte identifizieren müßte. Außerdem ist
es jetzt nicht mehr unbedingt erforderlich, qualifiziertes
Fachpersonal einzusetzen, für das Lokalisieren von Objekten
beispielsweise auf einem Datensichtgerät, können auch angelernte
Kräfte eingesetzt werden.
Da das Verfahren in automatisierte/automatisierbare Einzel
schritte zerlegt ist, können beispielsweise erst alle Objekte
lokalisiert werden bevor die automatischen Identifizierungs
prozesse ablaufen. Andererseits ist es aber auch möglich, wenn
die automatische Identifizierungseinrichtung sehr schnell
arbeitet, jedes lokalisierte Objekt sofort zu identifizieren.
Die neue Vorrichtung bzw. das neue Verfahren arbeitet also
derart, daß zunächst aus den Bilddaten Grobmerkmale der Objekte
extrahiert werden, aufgrund welcher dann aus den vorhandenen
Referenzobjekten eine enge Gruppe ausgewählt wird, mit der dann
die zu identifizierenden Objekte verglichen werden. Es handelt
sich also sozusagen um ein wissensbasiertes Verfahren.
In einer bevorzugten Weiterbildung ist das Verfahren durch den
weiteren Schritt gekennzeichnet:
- f) Automatische, interpretierende Bewertung der Eintragungen in der Artenliste unter Verwendung zielangepaßter Methoden aus Ökologie, Biologie und Ethologie.
Diese Maßnahme hat den Vorteil, daß die Artenliste nicht nur
automatisch erstellt, sondern auch automatisch interpretiert
wird, so daß mit dem neuen Verfahren ohne Zwischenschaltung
des Menschen eine Aussage über den ökologischen Zustand der
untersuchten Probe möglich wird.
Bei dem bisher beschriebenen Verfahren ist es bevorzugt, wenn
vor dem Schritt des automatischen Identifizierens das jeweils
lokalisierte Objekt folgenden Verfahrensschritten unterzogen
wird:
- c1) Automatisches Erkennen des Vorliegens eines aus mehreren zusammenhängenden sich ggf. überlappenden, miteinander verflochtenen Objekten bestehenden Clusterobjektes;
- c2) Abspalten eines Subobjektes von dem Clusterobjekt und
- c3) Vergleichen des Subobjektes oder des lokalisierten Objektes mit Referenzobjekten (Schritt c von oben).
Hier ist von Vorteil, daß ein Clusterobjekt, das automatisch
erkannt wird, in Subobjekte zerlegt wird, die sukzessive mit
den zur Verfügung stehenden Referenzobjekten verglichen werden.
Da die Zahl der möglichen Clusterobjekte, die sich in einer
flüssigen Probe finden können, riesig groß ist, wäre es nicht
möglich, alle möglichen Clusterobjekte als Referenzobjekte
vorrätig zu halten. Durch das Zerlegen der Clusterobjekte in
Subobjekte wird die Zahl der erforderlichen Referenzobjekte
und damit die Zahl der erforderlichen Vergleiche folglich stark
reduziert. Dies führt zu einem schnelleren Ablauf des neuen
Verfahrens.
In diesem Ausführungsbeispiel ist es bevorzugt, wenn das
automatische Identifizieren die weiteren Schritte aufweist:
- c4) Auswählen des zu einem identifizierten Subobjekt gehörenden Referenzobjektes,
- c5) Erzeugen eines modifizierten Clusterobjektes durch Vermindern des Clusterobjektes um das ausgewählte Referenzobjekt und
- c6) Behandeln des modifizierten Clusterobjektes wie ein lokalisiertes Objekt.
Diese Maßnahme ist insofern vorteilhaft, als bei dem Abspalten
des Subobjektes nicht zwangsläufig ein vollständiges Hauptobjekt
von dem Clusterobjekt abgespalten wurde. Es ist möglich, daß
das abgespaltene Subobjekt nur ein Teil eines an dem Cluster
objekt hängenden Einzelobjektes ist. Durch das Auswählen des
zu dem Teilobjekt gehörenden Referenzobjektes oder Hauptobjektes
wird die Zahl der erforderlichen Zerlegungen eines Cluster
objektes reduziert. Das Clusterobjekt wird nämlich nicht nur
um das Subobjekt, sondern um weitere Teilobjekte des zu dem
identifizierten Subobjekt gehörenden Hauptobjektes oder Refe
renzobjektes reduziert. Das modifizierte Clusterobjekt enthält
also ggf. wesentlich weniger Subobjekte als wenn nur das zuvor
angesprochene Subobjekt von dem Clusterobjekt abgezogen worden
wäre.
Hier ist es weiter bevorzugt, wenn das automatische Erkennen
des Vorliegens eines Clusterobjektes die Schritte umfaßt:
- c1a) Bestimmung einer Länge/maximalen Ausdehnung des lokalisierten Objektes,
- c1b) Bestimmung von quer zu der Länge verlaufenden Breiten des lokalisierten Objektes und
- c1c) Beurteilung der Abweichungen der Breiten untereinander sowie der Lage der Breiten zu der Länge, um das Vorliegen eines Clusterobjektes zu bestimmen.
Bei diesen Maßnahmen ist von Vorteil, daß aus rein geometrischen
Angaben, nämlich der Länge und den quer zu der Länge genommenen
Breiten erkannt werden kann, ob ein Objekt oder ein Clusterobjekt
vorliegt. Bei einem Clusterobjekt weichen nämlich die Breiten
sehr stark voneinander ab, da beispielsweise lange, dünne Objekte
und eher kugelförmige Objekte miteinander verbunden sind.
Weiterhin liegen bei Clusterobjekten, die beliebige geometrische
Formen annehmen, zumindest einige der Breiten ′′außerhalb′′ der
Länge, d. h. das Clusterobjekt ist dermaßen gewunden, daß die
Länge teilweise außerhalb des Umrisses des Clusterobjektes
verläuft.
In einer Weiterbildung des Verfahrens ist es bevorzugt, wenn
der Schritt des Erkennens und Lokalisierens der Objekte die
automatische Überführung eines Objektes in ein Teilbild und
danach das automatische Detektieren von in sich geschlossenen
Umrissen umfaßt.
Bei dieser Maßnahme ist von Vorteil, daß durch das Überführen
eines Objektes in ein Teilbild zunächst die weiter zu ver
arbeitenden Daten reduziert werden, es muß nicht das gesamte
Bild, sondern nur das ein oder mehrere Objekte umfassende
Teilbild weiter verarbeitet werden.
Ferner ist es bevorzugt, wenn der Schritt des optischen Erfassens
der Probe das automatische Aufnehmen von Bildfeldern unter
schiedlicher Vergrößerung umfaßt, wobei von der Probe je
Vergrößerung über ihr Volumen verteilte Bildfelder aufgenommen
werden.
Auf diese vorteilhafte Weise kann die Probe sukzessiv mit
verschiedenen Vergrößerungsfaktoren abgetastet oder gescannt
werden, so daß in Abhängigkeit von der Größe der zu lokalisieren
den Objekte das gesamte Volumen der Probe mit einer gewissen
Anzahl von Bildfeldern vollständig erfaßt werden kann. Da dieses
Abtasten automatisch erfolgt, werden die beim manuellen Durch
suchen einer flüssigen Probe häufig auftretenden Fehler - es
werden bestimmte Bereiche der Probe "vergessen" - vermieden.
Auch wird die Probe so mit sämtlichen erforderlichen Vergröße
rungsfaktoren durchsucht. Wegen der nahezu vier Größenordnungen
überstreichenden verschiedenen Größen der einzelnen Objekte
führt dies zu einem hohen Datenaufkommen. Durch den automati
sierten Ablauf ist sichergestellt, daß sämtliche Daten erfaßt
und verarbeitet werden.
Hier sei erwähnt, daß unter "Bildfelder" eine Zusammenstellung
oder Zusammenfassung von "Bilddaten" verstanden wird, die einen
bestimmten Abschnitt der Probe wiedergeben. Bei "Bildfeldern"
handelt es sich folglich um "zusammengehörende" Bilddaten.
Bei diesem Verfahren ist es weiterhin bevorzugt, wenn der Schritt
des Lokalisierens das Zusammenfassen mehrerer Bildfelder, über
die sich ein Objekt erstreckt, zu einem Überlagerungsbild umfaßt.
Durch diese vorteilhafte und einfache Maßnahme werden Objekte,
deren Größe so ist, daß sie sich über mehrere Bildfelder
erstrecken, dennoch als ein Objekt lokalisiert und können in
einem einzigen Vergleichsablauf einem Referenzobjekt zugeordnet
werden.
In einer Weiterbildung des Verfahrens ist es bevorzugt, wenn
der Schritt des Erkennens und Lokalisierens der Objekte das
Detektieren von Bereichen gleicher oder ähnlicher Echtfarbe,
Echtfarbmuster oder Echtfarbbereiche umfaßt.
Diese Maßnahme ist insofern vorteilhaft, als es in den Bilddaten
typische Farben für Flocken, Algen, Fäden etc. sowie für den
Hintergrund gibt. Auf diese Weise können beispielsweise die
immer grün erscheinenden Algen oder die jeweils gelblich zu
erkennenden Flocken von dem immer andersfarbigen Hintergrund
unterschieden werden.
Ferner ist es bevorzugt, wenn der Vergleich zwischen Objekt
bzw. Suchobjekt einerseits und Referenzobjekt andererseits auf
der Basis dreidimensionaler virtueller Vektorgraphikdarstellungen
erfolgt.
Durch den quasi-optischen virtuellen Vergleich wird gegenüber
dem reinen Vergleich von extrahierten Grobmerkmalen der Vorteil
erzielt, daß auch Merkmale in die Identifizierung einbezogen
werden können, welche sich nicht in Form von beispielsweise
Algorhythmen niederlegen lassen. So können die Referenzobjekte
Feinststrukturen aufweisen, anhand derer ein leichtes Identifi
zieren der Suchobjekte möglich ist, während die Aufspaltung
dieser Feinststrukturen in Merkmale, die einem binären Ent
scheidungsbaum zugrundeliegen würden, nicht möglich erscheint.
In diesem Ausführungsbeispiel ist es ferner bevorzugt, wenn
der Schritt des automatischen Erkennens eines Clusterobjektes
das Zerlegen des Clusterobjektes in Bereiche verschiedener
Echtfarben, Echtfarbbereiche und/oder Echtfarbkontraste umfaßt.
Diese Maßnahme ist insofern von Vorteil, als sich ein Cluster
objekt immer in Bereiche verschiedener Farben und Farbkontraste
aufspalten läßt. Auf diese Weise ist es möglich, aus den
Bilddaten zusätzliche - physikalische Größen betreffende -
Aussagen über ein Clusterobjekt zu gewinnen, die eine Zerlegung
in Subobjekte ermöglichen.
Außerdem ist es hier bevorzugt, wenn das Clusterobjekt in
Bereiche unterschiedlicher Bewegung, geometrischer Form und/oder
Größe zerlegt wird.
Auch diese Kriterien ermöglichen in vorteilhafter Weise ein
automatisches Erkennen von Subobjekten in einem Clusterobjekt.
Hinsichtlich der neuen Vorrichtung ist es bevorzugt, wenn
sie eine Bewertungseinrichtung zur automatischen, interpretieren
den Bewertung der Eintragung in die Artenliste unter Verwendung
zielangepaßter Methoden aus Ökologie, Biologie und Ethologie
umfaßt.
Diese Maßnahme hat den bereits erwähnten Vorteil, daß auch bei
der Bewertung der Artenliste der Mensch als mögliche Fehlerquelle
ausgeschaltet wird.
Hier ist es ferner bevorzugt, wenn die Sucheinrichtung einen
virtuell-optischen Vergleicher umfaßt, der für den Vergleich
zwischen Objekt und Referenzobjekt auf der Basis dreidimensiona
ler virtueller Vektorgraphikdarstellungen vorgesehen ist.
Bei dieser Maßnahme ist von Vorteil, daß der quasi-optische
Vergleich dreidimensionaler Darstellungen es ermöglicht,
Feinststrukturen zu berücksichtigen, die sich nicht als ver
gleichbare Einzelmerkmale aus den Bilddaten extrahieren lassen.
Weiterhin ist es bevorzugt, wenn die Identifizierungseinrichtung
eine Clusterzerlegungseinrichtung zum Erkennen von aus mehreren
zusammenhängenden, sich ggf. überlappenden oder miteinander ver
flochtenen Objekten bestehenden Clusterobjekten und zum Zerlegen
der Clusterobjekte in Subobjekte aufweist, wobei die Clusterzer
legungseinrichtung bei Vorliegen eines Clusterobjektes eines
von dessen Subobjekten der Sucheinrichtung zuführt.
Hier ist von Vorteil, daß mit der neuen Vorrichtung auch solche
Proben untersucht werden können, in denen sich Objekte zu
Clusterobjekten zusammengelagert haben. Weiterhin ist von
Vorteil, daß in dem Vorrat an Referenzobjekten nicht sämtliche
möglichen Clusterobjekte vorhanden sein müssen, sondern daß
ein Clusterobjekt in kleinere Subobjekte zerlegt wird, welche
sich ohne großen Aufwand in die vorgegebene Zahl der Referenz
objekte einreihen lassen. Im allgemeinen ist es sogar so, daß
das Subobjekt ein einzelnes Referenzobjekt oder Hauptobjekt
oder zumindest ein wesentlicher Teil eines Hauptobjektes ist,
so daß die vorgegebenen Referenzobjekte unmittelbar auch zur
Bearbeitung von Proben verwendet werden können, in denen sich
Clusterobjekte befinden.
In einer Weiterbildung ist es bevorzugt, wenn die Clusterzer
legungseinrichtung eine Clustererkennungseinrichtung zum Erkennen
eines Clusterobjektes sowie eine Vorrichtung aufweist, die ein
Subobjekt in einem Clusterobjekt erkennt, das Subobjekt von
dem Clusterobjekt abspaltet und der Sucheinrichtung zuführt.
Diese Maßnahme ist insbesondere konstruktiv von Vorteil, weil
die Clusterzerlegungseinrichtung sozusagen aus zwei Baugruppen
aufgebaut werden kann.
Ferner ist es bevorzugt, wenn die Clusterzerlegungseinrichtung
einen virtuell-optisch arbeitenden Differenzbildner aufweist, der
von dem Clusterobjekt das zu einem identifizierten Subobjekt ge
hörende Referenzobjekt abzieht und so ein modifiziertes Cluster
objekt erzeugt, das der Clustererkennungseinrichtung zugeführt
wird.
Diese vorteilhafte Maßnahme ermöglicht das sukzessive oder
iterative "Abarbeiten" eines Clusterobjektes. Zunächst wird
ein Subobjekt erkannt und dann wird das zu dem Subobjekt
gehörende Hauptobjekt, das mehr Merkmale aufweisen kann als
das Subobjekt selbst, von dem Clusterobjekt abgezogen, so daß
das Clusterobjekt nicht nur um das Subobjekt sondern um weitere,
noch nicht verglichene Subobjekte reduziert wird. Auf diese
Weise muß nicht jedes einzelne Subobjekt des Clusterobjektes
mit den Referenzobjekten verglichen werden, so daß die Bear
beitungszeit für ein Clusterobjekt deutlich verringert wird.
Ferner ist es bevorzugt, wenn die Clustererkennungseinrichtung
eine Vorrichtung zur Bestimmung einer Länge des Objektes oder
Clusterobjektes sowie eine Vorrichtung aufweist, die zur
Bestimmung von quer zu der Länge verlaufenden Breiten des
Objektes oder Clusterobjektes vorgesehen ist, und wenn ferner
eine Qualifizierungseinrichtung vorgesehen ist, die anhand von
Abweichungen der Breiten zueinander und anhand der Lage der
Breiten zu der Länge erkennt, ob das lokalisierte Objekt ein
Clusterobjekt ist.
Durch diese einfache und vorteilhafte Weise wird anhand von
rein geometrischen Daten entschieden, ob ein Clusterobjekt
vorliegt. Die Längenbestimmung ist nichts weiter als das Schlagen
eines Umkreises um das gesamte Objekt, während die Breitenbestim
mung ggf. nach einer entsprechenden Koordinatentransformation
eine reine Differenzbildung zwischen jeweils zwei Punkten auf
dem Umriß des Objektes darstellt. Wie bereits oben erwähnt,
unterscheiden sich Clusterobjekte von einzelnen Objekten dadurch,
daß die Breiten stark variieren und daß außerdem das Cluster
objekt dermaßen unregelmäßig geformt ist, daß die "Länge"
sozusagen zumindest bereichsweise "außerhalb" des Umrisses des
Clusterobjektes liegt.
Weiterhin ist es bevorzugt, wenn die Clustererkennungseinrichtung
eine Vorrichtung aufweist, die anhand von Bewegungsvorgängen
in Teilbereichen und/oder von zusammenhängenden Bereichen
gleicher Farbe erkennt, ob das lokalisierte Objekt ein Cluster
objekt ist.
Hier ist von Vorteil, daß auch innere Bewegungsvorgänge in dem
Clusterobjekt, das beispielsweise aus Flocken und beweglichen
Mikroorganismen bestehen kann, zur Clustererkennung verwendet
werden. Dazu können auch Bereiche gleicher oder ähnlicher Farbe
herangezogen werden, denn die Flocken und verschiedene Mikroorga
nismen weisen in den Bilddaten regelmäßig unterschiedliche Farben
auf. So sind die Flocken oft gelblich, während z. B. Algen meist
grünlich erscheinen.
Ferner ist es bevorzugt, wenn die Lokalisiereinrichtung einen
Umrißdetektor aufweist, der in den Bilddaten geschlossene
Bereiche gleicher Echtfarbenbereiche detektiert, als Objekt
erkennt und lokalisiert und danach in sich geschlossene Umrisse
ermittelt.
Diese Maßnahme ist insofern von Vorteil, als sowohl Objekte
als auch Clusterobjekte in den Bilddaten immer einen in sich
geschlossenen Umriß aufweisen. Auch hier ist es also anhand
einfacher geometrischer Operationen möglich, ein Objekt oder
Clusterobjekt zu lokalisieren. Zusätzlich können auch die
Farbinformationen dazu verwendet werden, Objekte vor dem stets
anders farbigen Hintergrund zu lokalisieren.
Bei diesem Ausführungsbeispiel ist es ferner bevorzugt, wenn
die Bildaufnahmevorrichtung ein Bildaufnahmesystem mit ein
stellbarer optischer Vergrößerungseinrichtung sowie eine
Verfahreinrichtung aufweist, durch welche die Probe relativ
zu der Vergrößerungseinrichtung verfahrbar ist, derart, daß
mittels des Bildaufnahmesystems von der Probe über ihr Volumen
verteilt Bildfelder mit unterschiedlichen Vergrößerungsein
stellungen aufnehmbar sind.
Durch diese Maßnahme wird die Probe vollständig abgetastet,
wobei je nach gewählter Vergrößerung die Zahl der Bildfelder,
die erforderlich ist, um das gesamte Volumen der Probe zu
repräsentieren, variiert. Durch die Möglichkeit, verschiedene
Vergrößerungseinstellungen zu wählen, können sowohl sehr kleine
Objekte wie z. B. Bakterien (1 µm) als auch sehr große Objekte
mit Abmaßen von mehreren mm detektiert werden.
In dieser Ausführungsform ist es bevorzugt, wenn die Lokali
siereinrichtung eine Vorrichtung aufweist, die anhand der von
dem Umrißdetektor in den Bildfeldern detektierten Umrisse für
ein sich über mehrere Bildfelder erstreckendes Objekt ein
Überlagerungsbild erstellt.
Durch diese Maßnahme wird in einfacher und vorteilhafter Weise
erreicht, daß auch bei Objekten, die sich an sich über mehrere
Bildfelder erstrecken, und somit mehrfach mit Referenzobjekten
verglichen werden müßten, ein einmaliger Vergleich mit den zur
Verfügung stehenden Referenzobjekten ausreicht. Dies führt zu
einem schnelleren Ablauf bei dem Erstellen der Artenliste.
Ferner ist es bevorzugt, wenn die Lokalisiereinrichtung einen
Bewegungsdetektor aufweist, der anhand der detektierten Umrisse
und/oder des Überlagerungsbildes erkennt, ob das lokalisierte
Objektform- und/oder ortsveränderlich ist.
Diese Maßnahme ist insofern von Vorteil, als anhand bereits
vorliegender Informationen, nämlich der detektierten Umrisse
und des Überlagerungsbildes, auf eine Beweglichkeit des lokali
sierten Objektes geschlossen wird. Diese Information kann dann
bei der Abspaltung von Subobjekten und bei der Eingrenzung der
durchzusuchenden Referenzobjekte verwendet werden.
Ferner ist es von Vorteil, wenn die Sucheinrichtung eine
Vergleichereinrichtung aufweist, die in Abhängigkeit von
Ausgangssignalen von Bewertungseinheiten für Echtfarbe, Bewegung,
Größe und geometrische Form/Formveränderlichkeit des zu iden
tifizierenden Objektes oder Subobjektes einen ausgewählten Teil
der in einem Referenzobjektspeicher vorgegebenen Referenzobjekte
auf virtuell-optische Weise nach dem Objekt/Subobjekt durchsucht.
Der Anwender hat erkannt, daß sich die in einer Probe vorkom
menden Objekte durch eine entsprechende Kombination der Kriterien
Farbe, Bewegung, Größe und geometrische Form in bestimmte Gruppen
aufteilen lassen, so daß bei Vorliegen dieser Kriterien die
Zahl der durchzusuchenden Referenzobjekte stark eingeschränkt
werden kann. Auch dies führt zu einem schnelleren Ablauf bei
der Erstellung der Artenliste.
Bei diesem Ausführungsbeispiel ist es weiterhin bevorzugt, wenn
die Vorrichtung zum Erkennen und Abspalten von Subobjekten ein
Clusterobjekt in Bereiche verschiedener Echtfarben und/oder
Echtfarbkontraste zerlegt und diese Bereiche als Subobjekt behan
delt.
Diese Maßnahme ist insofern von Vorteil, als anhand von bereits
vorliegenden physikalischen bzw. geometrischen Daten entschieden
wird, welche Bereiche eines Clusterobjektes Subobjekte sind.
Es ist also lediglich erforderlich, die Bildfelder mit ent
sprechender Farbkontrastauflösung aufzunehmen, so daß aus den
mit dem Bildaufnahmesystem gewonnenen Daten eine Zerlegung von
Clusterobjekten in Subobjekte möglich ist.
Hier ist es ferner bevorzugt, wenn die Vorrichtung zum Erkennen
und Abspalten von Subobjekten ein Clusterobjekt in Bereiche
verschiedener Beweglichkeit, Form und/oder Größe zerlegt und
diese Bereiche als Objekt behandelt.
Wie die vorhergehende Maßnahme ist auch diese insofern von
Vorteil, als bereits ermittelte Größen und Kennwerte zur
Zerlegung des Clusterobjektes herangezogen werden können. Diese
Zerlegung ist damit durch einfache beispielsweise Hardwareschal
tungen oder Mikroprogrammsteuerwerke möglich, so daß auch hier
Zeit eingespart wird.
Weiterhin ist es bei dem neuen Verfahren und bei der neuen
Vorrichtung bevorzugt, wenn für die Speicherung der Referenz
objekte ein Referenzobjektspeicher vorgesehen ist, in dem die
Referenzobjekte in Form virtuell-optischer dreidimensionaler
Vektorflächengraphikobjekte gespeichert sind.
Bei dieser Maßnahme ist es von Vorteil, daß den Referenzobjekten
sozusagen eine Formveränderlichkeit beigegeben werden kann.
Im Rahmen einer Vektorgraphik ist es nämlich möglich, die
einzelnen Referenzobjekte derart abzuspeichern, daß bestimmte
Freiheitsgrade vorgesehen werden können. Das Referenzobjekt
muß also lediglich in einer Grundform vorgesehen sein, die sich
im Rahmen zulässiger Freiheitsgrade verändern kann. Dadurch,
daß der Vergleich auf virtuell-optischer Ebene erfolgt, können
zunächst Suchobjekt und Referenzobjekt durch entsprechende
mathematische Operationen in größt mögliche Übereinstimmung
gebracht werden. Danach wird dann das Referenzobjekt, dem
entsprechende Freiheitsgrade beigegeben sind, im Hinblick auf
das Suchobjekt solange verändert, bis sich herausstellt, daß
es sich an das Suchobjekt anpassen läßt oder nicht. Auf diese
Weise können auch Objekte identifiziert werden, für die keine
Wiederfindungserwartung besteht, deren konkrete Form also in
dem Referenzdatenspeicher nur als Möglichkeit, nicht jedoch
unmittelbar abrufbar, gespeichert ist. Es sei noch erwähnt,
daß der Vergleich derart durchgeführt wird, daß die das Suchob
jekt und das Referenzobjekt repräsentierenden verschiedenen
Vektoren nach Betrag und Orientierung verglichen werden und
daß beispielsweise bei einer Übereinstimmung in 90% der
verglichenen Vektoren von der Zugehörigkeit des Suchobjektes
zu der durch das gefundene Referenzobjekt repräsentierten Art
auszugehen ist.
Es versteht sich, daß die vorstehend genannten und die nach
stehend noch zu erläuternden Merkmale nicht nur in der jeweils
angegebenen Kombination, sondern auch in anderen Kombinationen
und in Alleinstellung einsetzbar sind, ohne den Rahmen der
vorliegenden Erfindung zu verlassen.
Die Erfindung ist in der Zeichnung dargestellt und wird in der
nachfolgenden Beschreibung näher erläutert. Es zeigen:
Fig. 1 die neue Vorrichtung zur Durchführung des neuen
Verfahrens, in einer schematischen Gesamtansicht;
Fig. 2 die Steuer- und Auswerteeinheit der Vorrichtung nach
Fig. 1, in einem Prinzipschaltbild;
Fig. 3 eine mit der Vorrichtung nach Fig. 1 zu untersuchende
Probe, mit schematisch angedeuteten Objekten;
Fig. 4 eine Reihe von mit der Bildaufnahmevorrichtung nach
Fig. 1 aufgenommenen Bildfeldern der Probe nach
Fig. 3;
Fig. 5 die Lokalisiereinrichtung aus der Steuer- und Aus
werteeinheit nach Fig. 2, in einem schematisierten
Blockschaltbild;
Fig. 6 in einer detaillierteren Darstellung ein Bildfeld
der Probe nach Fig. 3, mit einer Reihe von Objekten;
Fig. 7 die Identifizierungseinrichtung der Steuer- und
Auswerteeinheit nach Fig. 2, in einem schematisierten
Blockschaltbild;
Fig. 8 eines der Clusterobjekte aus dem Bildfeld nach Fig. 6,
in einer vereinfachten Darstellung;
Fig. 9 die Clustererkennungseinrichtung der Identifizie
rungseinrichtung nach Fig. 7, in einem schematisierten
Blockschaltbild; und
Fig. 10 die Sucheinrichtung der Identifizierungseinrichtung
nach Fig. 7, in einem schematisierten Blockschaltbild.
Fig. 1 zeigt eine insgesamt mit 10 bezeichnete Vorrichtung zum
Erstellen einer Artenliste für eine zwischen einem Objektträger
11 und einem Deckglas 12 befindliche flüssige Probe 13. Die
Probe 13 weist ggf. form- und/oder ortsveränderliche Objekte
14a, 14b unterschiedlicher Arten auf. Die Vorrichtung 10 und
das mit ihr durchzuführende Verfahren dienen zum Erstellen einer
Artenliste und somit zur Ermittlung des ökologischen Zustandes
der Probe 13, die beispielsweise einer Kläranlage oder einem
natürlichen Gewässer entnommen sein kann.
Zur limnologischen Untersuchung ist häufig eine gesonderte
Probennahme erforderlich, um Kleinstlebewesen wie Würmer, Insek
ten oder Schnecken (Größenordnung mm bis cm) erfassen und unter
suchen zu können. Derartige ebenfalls flüssige Proben werden
nicht auf einem Objektträger gehalten, sondern in einer Petri
schale oder einem Uhrglas.
Die zu untersuchenden Probenräume sind also flüssig und in der
Regel optisch durchsichtig. Wegen der hohen Formveränderlichkeit
der unterschiedlichen Objekte 14 einerseits und der Tatsache, daß
die Objekte 14 nicht immer vereinzelt vorliegen, sondern sich
überdecken, überlappen und miteinander verflechten können,
andererseits, hat die Vorrichtung 10 gegenüber dem Objekt 14
in der konkret vorliegenden Form häufig keine Wiederfindungser
wartung, es ist ihr so "nicht bekannt". Das auf der Vorrichtung
10 durchzuführende Verfahren ist daher wissensbasiert und selbst
adaptierend.
Die Vorrichtung 10 weist eine Bildaufnahmevorrichtung 16 auf,
zu der ein Bildaufnahmesystem 17 und eine einstellbare optische
Vergrößerungseinrichtung 18 gehören. Weiterhin ist eine Ver
fahreinrichtung 19 angedeutet, über welche die Probe 13 relativ
zu der Vergrößerungseinrichtung 18 verfahren werden kann. Dieses
Verfahren erfolgt zumindest in zwei der drei Achsen X, Y und
Z eines bei 20 angedeuteten Koordinatensystems.
In dem gezeigten Ausführungsbeispiel ist die Verfahreinrichtung
19 ein Kreuztisch 22, der in der X/Y-Ebene verfahren werden
kann und ggf. eine Hubeinrichtung zur Veränderung seiner
Z-Koordinate aufweist.
Die Vergrößerungseinrichtung 18 umfaßt ein Mikroskop 23, das
verschiedene Vergrößerungsfaktoren einstellen kann. Durch
entsprechendes Fokussieren des Mikroskopes 23 kann gleichfalls
die Z-Ebene, welche von dem als CCD-Kamera 24 ausgebildetem
Bildaufnahmesystem 17 erfaßt wird, eingestellt bzw. verändert
werden.
Bei einer limnologischen Untersuchung von Kleinstlebewesen wird
statt des Mikroskopes 23 eine in der Zeichnung nicht dargestellte
Stereolupe verwendet, an die ebenfalls eine CCD-Kamera 24
angeschlossen ist. Je nach Größe der zu untersuchenden Objekte
kann auch eine Bildaufnahmevorrichtung ohne vorgeschaltete
Vergrößerungseinrichtung verwendet werden.
Weiterhin ist eine Steuer- und Auswerteeinheit 26 vorgesehen,
die über eine Datenleitung 27 sowie eine Steuerleitung 28 mit der
CCD-Kamera 24 verbunden ist. Auf diese Weise erfolgt eine gesteu
erte Aufnahme und Übertragung von Bilddaten in die Steuer- und
Auswerteeinheit 26. Die CCD-Kamera 24 ist außerdem über eine wei
tere Datenleitung 29 mit einem Massenspeicher 31 verbunden, der
beispielsweise ein Videorekorder ist und zur Videoarchivierung
der untersuchten Probe dient. Über eine Datenleitung 32 ist der
Massenspeicher 31 ebenfalls mit der Steuer- und Auswerteeinheit
26 verbunden, die somit die Bilddaten entweder direkt von der
CCD-Kamera 24 oder von dem Massenspeicher 31 abfragen kann.
Über eine Verbindungsleitung 33 ist ein Datenendgerät/Terminal
34 an die Steuer- und Auswerteeinheit 26 angeschlossen, um einem
Benutzer Bilddaten von der Probe 13 anzuzeigen und um ihm die
Möglichkeit zu geben, in den Auswerteprozeß einzugreifen.
Weiterhin sind zwei Steuerleitungen 35 und 36 gestrichelt
angedeutet, über welche die Steuer- und Auswerteeinheit 26 den
Kreuztisch 22 sowie das Mikroskop 23 ansteuert.
Mit der insoweit beschriebenen Vorrichtung wird die Probe 13
nacheinander in X-, Y- und Z-Richtung abgetastet (gescannt),
so daß am Ende des Abtastvorganges dreidimensionale Bilddaten
zur Verfügung stehen. Einige der Objekte 14 sind - wie erwähnt -
beweglich, so daß durch erneutes Scannen auch zusätzlich
Informationen auf der Zeitachse gewonnen werden können. Die
Qualität der Bilder wird dabei wesentlich durch das Objektiv
des Mikroskops 23 und durch die Auflösung/Digitalisierung des
aufgenommenen Bildes bestimmt. Durch die einstellbare Ver
größerung des Mikroskopes 23 können Objekte 14 unterschied
lichster Größen erfaßt werden. Die Bilddaten repräsentieren
dabei Echtbilder. Gleichfalls ist es möglich, die Probe 13
einer Fluoreszenzuntersuchung zu unterziehen, indem sie mit
einer in Fig. 1 nicht gezeigten Lichtquelle bestrahlt wird,
wobei dieses Anregungslicht durch ein entsprechendes Filter
in dem Mikroskop 23 wieder herausgefiltert wird.
Die Auswertung der erfaßten Bilddaten erfolgt in der in Fig. 2
detaillierter dargestellten Steuer- und Auswerteeinheit 26.
Über die Datenleitungen 27 bzw. 32 werden Bilddaten entweder
direkt von der CCD-Kamera 24 oder von dem Massenspeicher 31
in einen Bilddatenspeicher 38 geladen. Über dessen Ausgangs
leitung 39 gelangen die Bilddaten in eine Lokalisiereinrichtung
40, die in noch näher zu beschreibender Weise die in den Bildern
enthaltenen Objekte "wahrnimmt", d. h. erkennt und lokalisiert.
Die derart lokalisierten Objekte werden über eine Objektdaten
leitung 41 in einen Objektdatenspeicher 42 übertragen, von dem
sie über seine Ausgangsleitung 43 zu einer Identifizierungsein
richtung 44 gelangen.
Die Identifizierungseinrichtung identifiziert das in dem
Objektdatenspeicher 42 anstehende lokalisierte Objekt, d. h.
sie bestimmt dessen Art, indem sie das Objekt 14 einer jeweils
übereinstimmenden Art in einem noch zu beschreibenden Referenz
objektspeicher als Angehörigen zuordnet. Über eine Objekt
ausgabeleitung 45 ist die Identifizierungseinrichtung 44 mit
einer Zähleinrichtung 46 verbunden, die die identifizierten
Objekte zählt und über eine Übergabeleitung 47 in eine bei 48
angedeutete Artenliste einträgt.
Ferner ist in Fig. 2 eine Bewertungseinrichtung 49 angedeutet,
welche unter Verwendung zielangepaßter Methoden aus Ökologie,
Biologie und/oder Etologie eine automatische Bewertung oder
Interpretation der in die Artenliste 48 eingetragenen Daten
vornimmt. Die Bewertungseinrichtung 49 liefert aufgrund der
Interpretation der Artenliste 48 Aussagen über den ökologischen
Zustand und ggf. eine Prognose über die Entwicklung der unter
suchten Probe 13.
Die insoweit beschriebene Vorrichtung 10 und das auf ihr
durchzuführende Verfahren sollen jetzt anhand der Fig. 3 bis
10 näher erläutert werden:
In Fig. 3 ist die Probe 13 aus Fig. 1 in vergrößertem Maßstab
dargestellt. Durch gedachte Trennlinien 50 ist die Probe 13
in ein Raster von Bildfeldern 51 unterteilt, die nacheinander
von der Bildaufnahmevorrichtung 16 aus Fig. 1 abgetastet werden.
Zu diesem Zweck wird der Kreuztisch 22 an eine bestimmte
X/Y-Koordinate gefahren und dann werden nacheinander in Z-Richtung
übereinanderliegende Bildfelder 51 eines Stapels 52 von der
CCD-Kamera 24 erfaßt, digitalisiert und als Bilddaten auf die
Datenleitungen 27, 29 gegeben. Die Größe der einzelnen Bildfelder
51 richtet sich nach dem Vergrößerungsfaktor, auf den das
Mikroskop 23 eingestellt ist. Der Abstand zwischen zwei überein
anderliegenden Bildfeldern 51a, 51d wird bestimmt durch die
Schärfentiefe des Mikroskopes; je geringer dessen Schärfentiefe
nämlich ist, desto mehr Bildfelder 51 in einem Stapel 52 müssen
erfaßt werden, um die ganze Dicke der Probe 13 durchzumustern.
Wenn auf diese Weise ein Stapel 52 "abgearbeitet" wurde, verfährt
der Kreuztisch 22 entweder in X- oder in Y-Richtung um die
Breite/Länge eines Bildfeldes und das sukzessive Verfahren in
Z-Richtung beginnt von neuem. Auf diese Weise wird die Probe
13 sozusagen mäanderförmig abgetastet. Selbstverständlich ist
es auch möglich, die Bildfelder 51 in verschiedenen Z-Ebenen
nicht in Form eines Stapels 52 anzuordnen, sondern jeweils um
einen kleinen Betrag gegeneinander zu versetzen, so daß über
alles gesehen eine Zick-Zack-Verfahrlinie entsteht. Gegenüber
dem mäanderförmigen Scannen müssen dann weniger Verfahrschritte
unternommen werden, um die gesamte Probe 13 abzutasten.
Selbstverständlich wird eine Probe 13 für unterschiedliche
Vergrößerungsfaktoren des Mikroskopes 23 jeweils erneut abge
tastet. Auf diese Weise werden zunächst die großen Objekte 14
mit geringem Vergrößerungsfaktor und dann mit steigender
Vergrößerung immer kleinere Objekte 14 erkannt, lokalisiert
und identifiziert werden, so daß sie in die Artenliste 48
eingetragen werden können.
In Fig. 3 ist zu erkennen, daß die Objekte 14 beliebige Lagen
im Raum einnehmen können, so daß sie sich über mehrere Bildfelder
51 erstrecken können.
Wie in Fig. 4 zu sehen ist, erzeugt ein Objekt 14, das sich
in einem Stapel 52 über mehrere übereinanderliegende Bildfelder
51c, 51d und 51e erstreckt, in jedem Bildfeld 51 ein anderes
Muster 14′, 14′′ bzw. 14′′′. Um das Objekt 14 identifizieren
zu können, ist es zunächst erforderlich, zu entscheiden, über
wieviele Bildfelder 51 sich ein Objekt 14 erstreckt. In dem
in Fig. 4 gezeigten Beispiel erstreckt sich das Objekt 14 über
die Bildfelder 51c-51e. Bedingt durch die Schärfentiefe des
Mikroskopes 23 sind jeweils bestimmte Abschnitte des Objektes
14 in der Ebene des Bildfeldes 51 scharf abgebildet, wie dies
in Fig. 4 mittels durchgezogener Linien angedeutet ist, während
andere Abschnitte des Objektes 14 lediglich verschwommen zu
sehen sind. Dies ist in Fig. 4 durch gestrichelte Linien
angedeutet.
Um die einzelnen Bildfelder lagerichtig übereinander legen zu
können, müssen die Bildfelder 51 zunächst ggf. gedreht und in
X-, Y- und/oder Z-Richtung verschoben werden, um die Bewegung
des jeweils betrachteten Objektes 14 zu berücksichtigen. Um
zu erkennen, ob es sich in verschiedenen Bildfeldern 51a, 51e
um ein Objekt 14 handelt, das sich zwischen den Aufnahmen der
aufeinanderfolgenden Bildfelder 51 weiter bewegt hat, oder ob
verschiedene Objekte 14, 14b betrachtet werden, können zusätzlich
Informationen herangezogen werden, die aus Bilddaten stammen,
die mit einem geringeren Vergrößerungsfaktor des Bildaufnahme
systems gewonnen wurden. Bei einem geringeren Vergrößerungs
faktor, also bei anderer Schärfentiefe, läßt sich nämlich
leichter unterscheiden, ob es sich um zwei übereinanderliegende
Objekte 14b, 14 oder um ein einziges, sich bewegendes Objekt
14 handelt. Bei dieser Überlagerung der einzelnen Bildfelder
51 fällt sozusagen nebenbei bereits eine Information darüber
ab, ob es sich um ein sich bewegendes Objekt 14 handelt.
Da zwischen den einzelnen Aufnahmen der Bilder 51c-51e eine
gewisse Zeitspanne vergeht, kann sich das Objekt 14 unterdessen
bewegt haben, was jedoch anhand der Abweichung zwischen scharfen
Konturen und verwischten Konturen in unterschiedlichen Z-Ebenen
erkannt und ausgeglichen werden kann. Bei 53b ist ein weiteres
Stapelbild des Objektes 14b angedeutet.
Legt man die einzelnen Bildfelder 51c-51e also lagerichtig
übereinander, so gelangt man zu einem Stapelbild 53, das eine
Art Höhenlinienbild 54 des Objektes 14 wiedergibt. Durch dieses
Stapelbild 53 liegen die Objekte 14 jetzt in Form von dreidimen
sionalen Bilddaten vor, so daß sie in der Lokalisiereinrichtung
40 erkannt und in der automatischen Identifizierungseinrichtung
44 identifiziert werden können. Dazu werden sie als Vektor
graphikobjekte abgelegt.
Selbstverständlich erstrecken sich die Objekte nicht nur in
Z-Richtung durch mehrere Bildfelder 51 hindurch, es ist durchaus
möglich, in gleicher Weise, wie in Fig. 4 für die Z-Richtung
gezeigt, auch in X- und/oder Y-Richtung eine derartige Erkennung
eines Objektes 14 durchzuführen.
In Fig. 5 ist die zuständige Lokalisiereinrichtung 40 detail
lierter dargestellt. Die nacheinander auf der Ausgangsleitung
39 anstehenden Daten der einzelnen Bildfelder 51 gelangen
zunächst in einen Umrißdetektor 56, der die Bilddaten nach in
sich geschlossenen Umrissen und/oder Bereichen gleicher Farbe
durchsucht, und so zu den scharfen (durchgezogenen) Konturen
in den Bildfeldern 51a-51b aus Fig. 4 kommt. Dabei wird die
Tatsache ausgenutzt, daß die Objekte 14 immer andersfarbig sind
als der Hintergrund, diese sich also nicht nur durch den Kontrast
sondern auch durch die Farbgebung von dem Hintergrund unter
scheiden. Außerdem erkennt der Umrißdetektor 56 die verschwomme
nen Konturen der Objekte 14.
Der Umrißdetektor 56 legt zu diesem Zweck wie folgt ein Overlay-
Fenster über die jeweiligen Objekte: Zunächst wird Punkt für
Punkt eines jeden Bildfeldes 51 daraufhin abgefragt, ob seine
Echtfarbe zu dem Hintergrundfarbbereich gehört, oder sich von
diesem abhebt. Ist ein Bildpunkt (Pixel) gefunden, der nicht
zum Hintergrund gehört, damit also Teil eines Objektes 14 ist,
so wird dieser Punkt von einem virtuellen viereckigen Fenster
überdeckt. Die Kanten des Fensters werden jetzt solange iterativ
in alle vier Koordinatenrichtungen voneinander weggerichtet
verschoben, bis die Kanten nur noch über Pixel liegen, die dem
Hintergrundfarbbereich zuzuordnen sind. Da das Ausgangspixel
ein Objekt-Pixel war, ist auf diese Weise sichergestellt, daß
in dem so erzeugten Overlay-Fenster zumindest ein Objekt
eingegrenzt ist.
Das so eingegrenzte Objekt 14 wird in ein Teilbild umkopiert,
so daß die weiterhin zu bearbeitenden Daten deutlich reduziert
worden sind. Nach dem Umkopieren wird das so in dem Original-
Bilddatensatz erkannte Objekt (die Objekte) dadurch "gelöscht",
daß die erkannten Objekt-Pixel in Hintergrund-Pixel umgewandelt
werden. In den Original-Bilddaten sind somit nur noch "nicht
wahrgenommene" Objekte enthalten, die auf gleiche Weise erkannt
und umkopiert werden.
Während des Verschiebens der Overlay-Fensterkanten hat der
Umrißdetektor 56 gleichzeitig jedes Objekt-Pixel als ein solches
markiert und zusätzlich auf folgende Weise Pixel erkannt, die
zum Umriß des jeweiligen Objektes 14 gehören: Jedes Pixel, das
zumindest an einer seiner vier Seiten an ein Pixel mit Hinter
grundfarbe grenzt, "gehört" zum Umriß des Objektes, während
allseitig von Objekt-Pixeln umgebene Pixel "im Inneren" des
Objektes liegen. Wegen des soeben beschriebenen Verfahrens ist
außerdem gewährleistet, daß jede Kante des Overlay-Fensters
zumindest an einer Stelle an das umschlossene Objekt angrenzt.
Nachdem die einzelnen Objekte in den unterschiedlichen Bildfel
dern 51 so erkannt worden sind, gelangen die reduzierten Daten
in einen Stapelbildüberlagerer 57, der die einzelnen Bildfelder
51 - wie anhand von Fig. 4 bereits beschrieben - so übereinander
legt, daß die verschwommenen und die scharfen Konturen unter
schiedlicher Bildfelder 51 übereinstimmen. Die derart zueinander
ausgerichteten einzelnen Stapelbilder 51a-51e werden in dem
Objektlokalisierer 58 als dreidimensionale Vektorgraphikdar
stellungen abgelegt. Die Daten gelangen von hier in einen
Bewegungsdetektor 59, der anhand der um zu einem Objekt 14 zu
gelangenden erforderlich gewesenen Verschiebung der einzelnen
Bildfelder 51 ermittelt, ob es sich um ein sich bewegendes Objekt
handelt. Über die Ausgangsleitungen 60 und 61 werden die Daten
des Stapelbildes 53 sowie die Bewegungsinformation einer
Verknüpfungsschaltung 62 zugeführt, die diese Daten über die
Objektdatenleitung 41 in den Objektdatenspeicher 42 gibt.
In Fig. 6 ist ausschnittsweise die Projektion eines von der
Lokalisiereinrichtung 40 erzeugten Stapelbildes 53 dargestellt,
wie es typischerweise für eine Probe 13 eines Belebtschlammes
gefunden wird. Das Stapelbild 53 gibt eine kleine Flocke 64,
ein Protozoen 65 sowie eine Fadenbakterie 66 mit zusätzlichem
bakteriellem Aufwuchs 67 wieder. Weiterhin ist eine große Flocke
68 zu erkennen, an der eine weitere Fadenbakterie 69 sitzt.
Ferner weist Fig. 6 eine Kolonie von drei Glockentierchen 70a,
70b, 70c auf, die einen gemeinsamen Stiel 71 haben, der mit
seinem Fußpunkt 72 an der großen Flocke 68 sitzt. Während die
Objekte 64 und 65 Einzelobjekte sind, die in der Identifizie
rungseinrichtung 44 problemlos identifiziert werden können,
stellen die Objekte 66, 67 sowie 68, 69, 70, 71 ein Clusterobjekt
73a, 73 dar. Die Zahl der möglichen Clusterobjekte ist so astro
nomisch hoch, daß es nicht möglich ist, für diese Clusterobjekte
Referenzdatenobjekte zu erzeugen. Die Identifizierungseinrichtung
44 muß daher jedes beliebige Clusterobjekt 73 so weiter ver
arbeiten können, daß es mit einer begrenzten Anzahl von vor
gegebenen Referenzdaten eindeutig identifiziert werden kann.
Hier ist noch zu bedenken, daß die Teilobjekte eines Cluster
objektes 73 sich zumindest teilweise gegenseitig überdecken
bzw. überlappen können und ggf. auch miteinander verflochten
sind.
In Fig. 7 ist gezeigt, daß die Identifizierungseinrichtung 44
aus diesem Grunde eine Clusterzerlegungseinrichtung 74 sowie
eine Objekterkennungseinrichtung 75 aufweist. Die Daten eines
lokalisierten Objektes gelangen über die Ausgangsleitung 43
in eine Clustererkennungseinrichtung 76, die jedes neu anstehende
Objekt daraufhin überprüft, ob es ein Einzelobjekt oder ein
Clusterobjekt 73 ist. Wie dies geschieht, wird noch erläutert.
Handelt es sich bei dem auf der Ausgangsleitung 43 anstehenden
Objekt um ein Einzelobjekt, so überträgt die Clusterer
kennungseinrichtung 76 die Daten über seine Ausgangsleitung
77 in einen Vergleichsspeicher 78 der Objekterkennungseinrichtung
75. Handelt es sich dagegen um ein Clusterobjekt 73, so werden
die Daten von der Clustererkennungseinrichtung 76 über seine
Ausgangsleitung 79 in einen Clusterspeicher 80 geladen. Von
dem Clusterspeicher 80 gelangen die Daten über eine Clusterdaten
leitung 81 in eine Subobjekterkennungseinrichtung 82, die ein
Clusterobjekt 73 in eine Reihe von Subobjekten zerlegt. Diese
Zerlegung in Subobjekte erfolgt anhand weiterer Daten, die
beispielsweise Aussagen über die geometrische Form bestimmter
Bereiche des Clusters machen. Weiterhin werden die Farben der
Clusterbereiche und/oder die unterschiedlichen Kontraste dazu
herangezogen, das in Fig. 6 gezeigte Clusterobjekt 73 in einzelne
Subobjekte zu zerlegen. Zurückkehrend zu Fig. 6 ist zu erkennen,
daß beispielsweise die Glockentierchen 70 und ihre Stiele 71
unterschiedlich schraffiert sind, wodurch eine unterschiedliche
Farbe angedeutet ist. Die Subobjekterkennungseinrichtung 82
spaltet jetzt beispielsweise das Glockentierchen 70a von dem
Cluster 73 ab und übermittelt die Daten des Glockentierchens
70a über eine Subobjekt-Datenleitung 83 in den Vergleichsspeicher
78.
Der Vergleichsspeicher 78 enthält jetzt entweder die Daten eines
Einzelobjektes 14 oder die Daten eines Subobjektes. Diese als
"Suchobjekt" bezeichneten Daten gelangen über eine Suchobjekt-
Datenleitung 84 in eine Sucheinrichtung 85, die ihrerseits über
eine Referenzobjekt-Datenleitung 86 mit einem Referenzdaten
speicher 87 in Verbindung steht. In dem Referenzdatenspeicher
87 sind in vektorieller, dreidimensionaler Darstellung sämtliche
Objekte 14 enthalten, die in einer Probe 13 auftreten können.
Da viele der Objekte 14 formveränderlich sind, also beispiels
weise eine andere geometrische Gestalt aufweisen, wenn sie ruhen
oder sich bewegen, muß dies bei den Referenzobjektdaten berück
sichtigt werden. Die Zahl der möglichen Formen, die ein einziges
bewegliches Objekt 14 annehmen kann, ist jedoch so groß, daß
diese nicht sämtlichst vorhergesehen und abgespeichert werden
können. Aus diesem Grunde erfolgt der Aufbau des Referenzdaten
speichers 87 derart, daß die Referenzobjekte in einer oder
mehreren geometrischen Grundformen abgelegt werden. Zusätzlich
zu dieser Grundform sind Freiheitsgrade abgespeichert, die die
möglichen und zulässigen Bewegungen und Formveränderungen des
jeweiligen Objektes berücksichtigen. Beim Vergleich zwischen
dem Suchobjekt und den verschiedenen Referenzobjekten werden
jetzt die Referenzobjekte im Hinblick auf das Suchobjekt solange
verändert (im Rahmen ihrer zulässigen Freiheitsgrade) bis sie
entweder zu dem Suchobjekt "passen", oder aber bis sich ergibt,
daß keine Übereinstimmung zu erzielen ist. Dieser Vergleich
ist ein virtuell-optischer Vorgang, bei dem aufgrund eines
wissensbasierten Verfahrens (die zulässigen Freiheitsgrade eines
Referenzobjektes sind abgespeichert) die Vektorgraphikdarstellung
eines Objektes/Subobjektes mit einer zweidimensionalen Projektion
eines virtuellen dreidimensionalen Vektorflächengraphikmodells
des jeweils zu vergleichenden Referenzobjektes verglichen wird.
Die Sucheinrichtung 85 vergleicht also jetzt die Daten, die
auf der Suchobjekt-Datenleitung 84 anstehen, mit den vorhandenen
Daten des Referenzdatenspeichers 87, bis das mit dem Suchobjekt
übereinstimmende Referenzobjekt gefunden ist. Bei der Abspaltung
in der Subobjekterkennungseinrichtung 82 kann es nun vorkommen,
daß kein ganzes Objekt 14 von dem Cluster 73 abgespalten wird,
sondern nur ein Teilobjekt. In dem Beispiel der Fig. 6 wird
nicht ein aus Stiel 71a und Glockenteil 70a bestehendes Glocken
tierchen abgespaltet, sondern nur das Teilobjekt 70a.
In dem Referenzdatenspeicher 87 findet sich jedoch zu dem
Teilobjekt 70a ein Hauptobjekt 14 bestehend aus Teilobjekt 70a
und Teilobjekt 71a. Dieses Hauptobjekt wird jetzt über eine
Hauptobjekt-Datenleitung 88 an einen virtuell-optisch arbeitenden
Differenzbildner 89 gegeben, der über eine Leitung 90 ebenfalls
mit dem Clusterspeicher 80 in Verbindung steht. Der Differenz
bildner 89 modifiziert jetzt das ursprünglich in dem Cluster
speicher 80 befindliche Clusterobjekt derart, daß es um das
bereits erkannte Hauptobjekt reduziert wird.
Das modifizierte Clusterobjekt gelangt über die Leitung 91 zurück
in die Clustererkennungseinrichtung 76, wo die nun anstehenden
Bilddaten entweder erneut als Cluster erkannt werden und in
den Clusterspeicher 80 eingeschrieben werden, oder aber als
Einzelobjekt erkannt werden und somit unmittelbar in den
Vergleichsspeicher 78 gegeben werden.
Selbstverständlich wird jedes erkannte Hauptobjekt über die
Objektausgabeleitung 45 an die Zähleinrichtung 46 gemeldet.
Hier sei erwähnt, daß die in dem Referenzdatenspeicher 87
vorhandenen Referenzobjekte von Fall zu Fall um weitere neu
auftretende oder neu zu bestimmende Objekte erweitert wird,
die Vorrichtung 10 ist also selbstadaptierend.
Anhand von Fig. 8 wird jetzt beschrieben, nach welchen Kriterien
die Clustererkennungseinrichtung 76 ermittelt, ob es sich bei
den auf der Ausgangsleitung 43 anstehenden Daten um ein einzelnes
Objekt 14 oder um ein Clusterobjekt 73 handelt.
Aus Gründen der Übersichtlichkeit wurden in Fig. 8 die Glocken
tierchen 70b und 70c aus Fig. 6 weggelassen. Die Farben und
der Kontrast der einzelnen Elemente des Clusters 73′ aus Fig. 8
spielen in diesem Beispiel für die Erkennung, ob es sich um
ein Cluster handelt, ebenfalls keine Rolle. Das Clusterobjekt
73 ist in Fig. 8 lediglich durch seinen bei 92 angedeuteten
Umriß repräsentiert. Dieser Umriß des Clusterobjektes 73 wurde
bereits mit Hilfe des Umrißdetektors 56 - siehe Fig. 5 - er
mittelt.
Die Clustererkennungseinrichtung 76 legt jetzt einen Umkreis
um das Clusterobjekt und bestimmt so seine bei 93 angedeutete
Länge, seine maximale Ausdehnung in der X/Y-Ebene. Dies geschieht
beispielsweise, indem zwischen sämtlichen Koordinatenpaaren
(X/Y) der Abstand bestimmt wird und dann der maximale Abstand
als Länge 93 in die Bilddaten aufgenommen wird.
Als nächstes wird die Breite des Clusterobjektes 73 bzw. des
Objektes 14 senkrecht zu der Länge 93 bestimmt. Dies geschieht
ebenfalls durch eine Abstandsbestimmung zwischen den entspre
chenden Koordinaten, einige Breiten sind bei 94a, 94b in Fig.
8 angedeutet. Es ist zu erkennen, daß das Clusterobjekt 73
teilweise Breiten 94c aufweist, die keinen Schnittpunkt mit
der Länge 93 aufweisen. Dies ist ein Indiz für eine unregelmäßige
Form des Objektes 14 bzw. des Clusterobjektes 73. Nach jeweils
festzulegenden Kriterien ermittelt die Clustererkennungsein
richtung 76 aus der Variation der verschiedenen Breiten 94a-94c
sowie aus der Tatsache, wie oft die Länge 93 "außerhalb"
des Objektes 14 bzw. des Clusterobjektes 73 liegt, ob es sich
bei dem vorliegenden Datensatz um ein Clusterobjekt 73 handelt.
Die Clustererkennungseinrichtung 76 ist in Fig. 9 detaillierter
dargestellt. Die auf der Ausgangsleitung 43 anstehenden Objekt
daten eines lokalisierten Objektes werden über eine innere
Datenverzweigung 95 einzelnen Baugruppen der Clustererkennungs
einrichtung 76 zugeführt. Über einen Umschalter 96 wird dabei
entweder die Ausgangsleitung 43, die von dem Objektdatenspeicher
42 kommt, oder die Leitung 91, die Informationen eines modifi
zierten Clusterobjektes 73 enthält, auf die innere Datenver
zweigung 95 geschaltet.
Diese Daten gelangen in eine Vorrichtung 97 zur Längenbestimmung,
eine Vorrichtung 98 zur Breitenbestimmung und eine Qualifizie
rungseinrichtung 99, die z. B. aus dem Verhältnis Länge zu Breite
ermittelt, ob es sich bei dem zu bewertenden Objekt 14 um ein
einzelnes Objekt 14 oder um ein Clusterobjekt 73 handelt. Die
Funktionsweise der Vorrichtungen 97, 98 und der Qualifizierungs
einrichtung 99 wurde bereits anhand von Fig. 8 erläutert.
Die Qualifizierungseinrichtung 99 gibt die anstehenden Daten
entweder auf die Ausgangsleitung 77, wenn es sich um ein
einzelnes Objekt 14 handelt, oder auf die Ausgangsleitung 79,
wenn es sich um ein Clusterobjekt 73 handelt.
Die Clustererkennungseinrichtung 76 weist weiterhin eine
Vorrichtung 100 auf, die anhand von Bewegungsvorgängen in
Teilbereichen eines Clusters und/oder von zusammenhängenden
Bereichen gleicher Echtfarben erkennt, ob das lokalisierte Objekt
14 ein Clusterobjekt 73 ist.
Als letztes soll erläutert werden, wie die Sucheinrichtung 85
die auf der Suchobjekt-Datenleitung 84 anstehenden Suchobjekte
mit den auf der Referenzdatenleitung 86 zugänglichen Referenz
daten des Referenzdatenspeichers 87 vergleicht. Dies geschieht
anhand von Fig. 10.
Die Sucheinrichtung 85 weist zu diesem Zweck eine virtuell
optisch arbeitende Vergleichereinrichtung 101 auf, die nachein
ander die zur Verfügung stehenden Daten des Referenzdaten
speichers 87 abfragt und mit den Suchobjektdaten auf der Suchob
jekt-Datenleitung 84 vergleicht. Damit nicht bei jedem Suchobjekt
sämtliche Referenzobjekte durchgemustert werden müssen, umfaßt
die Sucheinrichtung 85 beispielsweise vier Bewertungseinheiten
102, 103, 104 und 105, welche die Suchobjekte nach Farbe, Bewe
gung, Größe und geometrischer Form bzw. Formveränderlichkeit
qualifizieren. Diese Informationen führen zu Entscheidungskri
terien, die es der Vergleichereinrichtung 101 ermöglichen, nur
einen kleinen Satz der gesamten zur Verfügung stehenden Referenz
objekte tatsächlich mit dem jeweiligen Suchobjekt zu vergleichen.
Ist das Suchobjekt beispielsweise in seiner längsten Ausdehnung
kleiner als zwei µm, werden nur die in dem Referenzdatenspeicher
87 gespeicherten Bakterien mit dem Suchobjekt verglichen. Hat
das Suchobjekt dagegen eine ausgefallene, seltene Farbgebung,
so werden nur die mit dem entsprechenden Farbcode identifizierten
Referenzobjekte mit dem Suchobjekt verglichen. Entsprechende
Überlegungen lassen sich auch für Bewegung und geometrische
Form anstellen.
Je nachdem, welches der hier beispielhaft angeführten vier
Kriterien Farbe, Bewegung, Größe und geometrische Form sich
als am relevantesten erweist, durchsucht die Vergleichereinrich
tung 101 bestimmte Bereiche des Referenzdatenspeichers 87. Auf
diese Weise läßt sich eine sehr viel schnellere Identifizierung
des Objektes und in rekursiver Weise damit eines Clusters 73
durchführen.
Die Bewertungseinrichtungen 102-105 stellen sozusagen einen
Merkmalssatzvergleicher dar, welcher aufgrund von aus den
Bilddaten extrahierter Merkmale eine Art morphologische Klassifi
zierung der Objekte durchführt. Wegen der hohen Formverschieden
heit der einzelnen Objekte ein- und derselben Art, ist eine
derartige morphologische Klassifizierung aufgrund von Grobmerk
malen jedoch nur bis zu einem bestimmten Grad möglich. Danach
erfolgt - wie bereits oben beschrieben - in der Vergleicher
einrichtung 101 ein quasi-visueller Vergleich, ein Vergleich
auf der Basis virtueller dreidimensionaler Vektorgraphik. Dabei
werden die Vektoren von Such- und Referenzobjekt hinsichtlich
Betrag (Länge) und Raumwinkel (Orientierung im Raum) miteinander
verglichen. Die Referenzobjekte sind dabei formveränderlich
angelegt, sie werden also im Hinblick auf das jeweilige Such
objekt solange verändert, bis sie "passen". Auf diese Weise
können alle nicht ohne weiteres beschreibbaren Merkmale dennoch
berücksichtigt werden, da sie in der feinstspezifischen Struktur
des Referenzobjektes implementiert sind. Eine vollständige
Objektidentifizierung anhand beschreibender Merkmale ist auch
deshalb nicht möglich, weil sich die unterschiedlichen Arten
zum Teil durch Merkmalssätze voneinander unterscheiden, die
nur schwer in Algorhythmen, sei es auf Hardware- oder auf
Software-Ebene erfassen lassen.
Ist das Suchobjekt als Teil eines Hauptobjektes erkannt worden,
so wird das entsprechende Hauptobjekt von der Vergleicherein
richtung 101 in einen Hauptobjektspeicher 106 geladen, der über
die Hauptobjekt-Datenleitung 88 mit dem Differenzbildner 89
in Verbindung steht.
Lediglich der Vollständigkeit halber sei abschließend erwähnt,
daß die diversen in den Fig. 2, 4, 5, 7, 9 und 10 durch recht
eckige Kästchen angedeuteten Baugruppen in beliebiger Kombination
ganz oder auch zum Teil entweder durch reine Hardware-Schal
tungen/Mikroprogrammsteuerwerke, Rechenschaltungen oder programm
gesteuerte Datenverarbeitungseinheiten realisiert sein können.
Weiterhin ist es selbstverständlich, daß die einzelnen Speicher
entweder getrennte Speicher sein können oder aber teilweise
überlappende Bereiche eines einzigen Speichers sein können.
Claims (28)
1. Verfahren zum Erstellen einer Artenliste (48) für eine
flüssige Probe (13) mit ggf. form- und/oder ortsveränder
lichen sich z. T. gegenseitig überdeckenden oder über
lappenden Objekten unterschiedlicher Arten zur Ermittlung
des ökologischen Zustandes der Probe (13), mit den Schrit
ten:
- a) Optisches Erfassen der Probe (13) als Folge von Bilddaten;
- b) Erkennen und Lokalisieren der Objekte (14) in den erfaßten Bilddaten;
- c) Automatisches Identifizieren der lokalisierten Objekte (14) durch automatisches Vergleichen des jeweiligen lokalisierten Objektes (14) mit einer bestimmten Grup pe von Referenzobjekten, die aufgrund von aus den Bilddaten gewonnenen Grobmerkmalen des lokalisierten Objektes (14) aus einer größeren Gruppe von Referenz objekten ausgewählt werden;
- d) Zählen der identifizierten Objekte (14) nach den jeweiligen Arten; und
- e) Eintragen der gezählten Objekte (14) in die Artenliste (48).
2. Verfahren nach Anspruch 1, gekennzeichnet durch den weiteren
Schritt:
- f) Automatische, interpretierende Bewertung der Ein tragungen in der Artenliste unter Verwendung zielange paßter Methoden aus Ökologie, Biologie und Ethologie.
3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet,
daß vor dem Schritt des automatischen Identifizierens das
jeweils lokalisierte Objekt folgenden Verfahrensschritten
unterzogen wird:
- c1) Automatisches Erkennen des Vorliegens eines aus mehreren zusammenhängenden sich ggf. überlappenden, miteinander verflochtenen Objekten (14) bestehenden Clusterobjektes (73);
- c2) Abspalten eines Subobjektes von dem Clusterobjekt (73); und
- c3) Vergleichen des Subobjektes oder des lokalisierten Objektes mit Referenzobjekten (Schritt c) aus An spruch 1).
4. Verfahren nach Anspruch 3, dadurch gekennzeichnet, daß
das automatische Identifizieren die weiteren Schritte
umfaßt:
- c4) Auswählen des zu einem identifizierten Subobjekt gehörenden Referenzobjektes;
- c5) Erzeugen eines modifizierten Clusterobjektes (73) durch Vermindern des Clusterobjektes (73) um das ausgewählte Referenzobjekt; und
- c6) Behandeln des modifizierten Clusterobjektes (73) wie ein lokalisiertes Objekt (14) (Schritt c1).
5. Verfahren nach einem der Ansprüche 3 oder 4, dadurch
gekennzeichnet, daß das automatische Erkennen des Vorliegens
eines Clusterobjektes (73) die Schritte umfaßt:
- c1a) Bestimmung einer Länge (73) oder maximalen Ausdehnung des lokalisierten Objektes (14);
- c1b) Bestimmung von quer zu der Länge (93) verlaufenden Breiten (94) des lokalisierten Objektes (14); und
- c1c) Bewerten der Abweichungen der Breiten (94a, 94b, 94c) untereinander sowie der Lage der Breiten (94) zu der Länge (93), um das Vorliegen eines Clusterobjektes (73) zu bestimmen.
6. Verfahren nach einem der Ansprüche 1 bis 5, dadurch gekenn
zeichnet, daß der Schritt des Erkennens und Lokalisierens
der Objekte (14) die automatische Überführung eines Objektes
(14) in ein Teilbild und danach das automatische Detektieren
von in sich geschlossenen Umrissen (92) umfaßt.
7. Verfahren nach einem der Ansprüche 1 bis 6, dadurch
gekennzeichnet, daß der Schritt des optischen Erfassens
der Probe (13) das automatische Aufnehmen von Bildfeldern
(51) unterschiedlicher Vergrößerung umfaßt, wobei von der
Probe (13) je Vergrößerung über ihr Volumen verteilte
Bildfelder (51) aufgenommen werden.
8. Verfahren nach den Ansprüchen 6 und 7, dadurch gekenn
zeichnet, daß der Schritt des Lokalisierens das Zusam
menfassen mehrerer Bildfelder (51), über die sich ein Objekt
(14) erstreckt, zu einem Überlagerungsbild (53) umfaßt.
9. Verfahren nach einem der Ansprüche 1 bis 8, dadurch
gekennzeichnet, daß der Schritt des Lokalisierens der
Objekte (14) das Detektieren von Bereichen gleicher oder
ähnlicher Echtfarbe, Echtfarbmuster oder Echtfarbbereiche
umfaßt.
10. Verfahren nach einem der Ansprüche 1 bis 9, dadurch
gekennzeichnet, daß der Vergleich zwischen Objekt bzw.
Subobjekt einerseits und Referenzobjekt andererseits auf
der Basis dreidimensionaler virtueller Vektorgraphikdar
stellungen erfolgt.
11. Verfahren nach einem der Ansprüche 3 bis 10, dadurch
gekennzeichnet, daß das automatische Erkennen eines
Clusterobjektes (73) das Zerlegen des Clusterobjektes (73)
in Bereiche verschiedener Echtfarben, Echtfarbmuster
und/oder Echtfarbkontraste umfaßt.
12. Verfahren nach Anspruch 11, dadurch gekennzeichnet, daß
das Clusterobjekt in Bereiche unterschiedlicher Bewegung,
geometrischer Form und Größe zerlegt wird.
13. Vorrichtung zum Erstellen einer Artenliste (48) für eine
flüssige Probe (13) mit ggf. form- und/oder ortsveränder
lichen, sich z. T. gegenseitig überdeckenden oder über
lappenden Objekten (14) unterschiedlicher Arten zur Ermitt
lung des ökologischen Zustandes der Probe (13), mit:
- a) Einer Bildaufnahmevorrichtung (16) zum optischen Erfassen der Probe (13) als Folge von Bilddaten;
- b) einer Lokalisiereinrichtung (40) zum Erkennen und Lokalisieren der Objekte (14) in den erfaßten Bild daten;
- c) einer Identifizierungseinrichtung (44) zum auto matischen Identifizieren der lokalisierten Objekte (14); und
- d) einer Zähleinrichtung (46) zum Zählen der identi fizierten Objekte (14) nach den jeweiligen Arten sowie zum Eintragen der gezählten Objekte (14) in die Artenliste (48), wobei die Identifizierungseinrichtung (44) eine Suchein richtung (85) umfaßt, die die lokalisierten Objekte (14) mit einer Gruppe von Referenzobjekten vergleicht, die sich aufgrund von aus den Bilddaten gewonnenen Grobmerkmalen des lokalisierten Objektes (14) aus einer größeren Gruppe von Referenzobjekten ergeben, und ein identifiziertes Objekt (14) als solches an die Zähleinrichtung (46) meldet.
14. Vorrichtung nach Anspruch 13, dadurch gekennzeichnet, daß
sie eine Bewertungseinrichtung (49) zur automatischen,
interpretierenden Bewertung der Eintragung in die Artenliste
(48) unter Verwendung zielangepaßter Methoden aus Ökologie,
Biologie und Ethologie umfaßt.
15. Vorrichtung nach einem der Ansprüche 13 oder 14, dadurch
gekennzeichnet, daß die Sucheinrichtung (85) eine virtuell
optischen Vergleicher (101) umfaßt für den Vergleich
zwischen Objekt und Referenzobjekt auf der Basis dreidimen
sionaler virtueller Vektorgraphikdarstellungen.
16. Vorrichtung nach Anspruch 13 bis 15, dadurch gekennzeichnet,
daß die Identifizierungseinrichtung (44) eine Cluster
zerlegungseinrichtung (74) zum Erkennen von aus mehreren
zusammenhängenden, sich ggf. überlappenden oder miteinander
verflochtenen Objekten (14) bestehenden Clusterobjekten
(73) und zum Zerlegen der Clusterobjekte (73) in Subobjekte
aufweist, wobei die Clusterzerlegungseinrichtung (74) bei
Vorliegen eines Clusterobjektes (73) eines von dessen
Subobjekten der Sucheinrichtung (85) zuführt.
17. Vorrichtung nach Anspruch 16, dadurch gekennzeichnet, daß
die Clusterzerlegungseinrichtung (74) eine Clustererken
nungseinrichtung (76) zum Erkennen eines Clusterobjektes
(73) sowie eine Vorrichtung (82) aufweist, die ein Subobjekt
in einem Cluster (73) erkennt, das Subobjekt von dem Cluster
(73) abspaltet und der Sucheinrichtung (85) zuführt.
18. Vorrichtung nach Anspruch 17, dadurch gekennzeichnet, daß
die Clusterzerlegungseinrichtung (74) einen virtuell-optisch
arbeitenden Differenz-Bildner (89) aufweist, der von dem
Clusterobjekt (73) das zu einem identifizierten Subobjekt
gehörende Referenzobjekt abzieht und so ein modifziertes
Clusterobjekt (73) erzeugt, das der Clustererkennungsein
richtung (76) zugeführt wird.
19. Vorrichtung nach einem der Ansprüche 17 oder 18, da
durch gekennzeichnet, daß die Clustererkennungsein
richtung (76) eine Vorrichtung (97) zur Bestimmung
einer Länge (93) des Objektes (14) oder Clusterob
jektes (73) sowie eine Vorrichtung (98) aufweist, die
zur Bestimmung von quer zu der Länge (93) verlaufenden
Breiten (94a, 94b, 94c) des Objektes (14) oder Cluste
robjektes (73) vorgesehen ist, und daß ferner eine
Qualifizierungseinrichtung (99) vorgesehen ist, die
anhand von Abweichungen der Breiten (94) zueinander
und anhand der Lage der Breiten (94) zu der Länge
(93) erkennt, ob das lokalisierte Objekt (14) ein
Clusterobjekt (73) ist.
20. Vorrichtung nach einem der Ansprüche 17 bis 19, dadurch
gekennzeichnet, daß die Clustererkennungseinrichtung (76)
eine Vorrichtung (100) aufweist, die anhand von Bewegungs
vorgängen in Teilbereichen und/oder von zusammenhängenden
Bereichen gleicher Farbe erkennt, ob das lokalisierte Objekt
(14) ein Clusterobjekt (73) ist.
21. Vorrichtung nach einem der Ansprüche 13 bis 20, dadurch
gekennzeichnet, daß die Lokalisiereinrichtung (40) einen
Umrißdetektor (56) aufweist, der in den Bilddaten ge
schlossene Bereiche gleicher Echtfarbenbereiche detektiertß
als Objekt (14) erkennt und lokalisiert und danach in sich
geschlossene Umrisse (92) ermittelt.
22. Vorrichtung nach einem der Ansprüche 13 bis 21, dadurch
gekennzeichnet, daß die Bildaufnahmevorrichtung (16) ein
Bildaufnahmesystem (17) mit einstellbarer optischer
Vergrößerungseinrichtung (18) sowie eine Verfahreinrichtung
(19) aufweist, durch welche die Probe (13) relativ zu der
Vergrößerungseinrichtung (18) verfahrbar ist, derart, daß
mittels des Bildaufnahmesystems (17) von der Probe (13)
über ihr Volumen verteilte Bildfelder (51) mit unter
schiedlichen Vergrößerungseinstellungen aufnehmbar sind.
23. Vorrichtung nach den Ansprüchen 21 und 22, dadurch gekenn
zeichnet, daß die Lokalisiereinrichtung (40) eine Vor
richtung (57, 58) aufweist, die anhand der von dem Umriß
detektor (56) in den Bildfeldern (51) detektierten Umrisse
(92) für ein sich über mehrere Bildfelder (51) erstreckendes
Objekt (14) ein Überlagerungsbild (53) erstellt.
24. Vorrichtung nach Anspruch 23, dadurch gekennzeichnet, daß
die Lokalisiereinrichtung (40) einen Bewegungsdetektor
(59) aufweist, der anhand der detektierten Umrisse (92)
und/oder des Überlagerungsbildes (53) erkennt, ob das
lokalisierte Objekt (14) form- und/oder ortsveränderlich
ist.
25. Vorrichtung nach einem der Ansprüche 13 bis 24, dadurch
gekennzeichnet, daß die Sucheinrichtung (85) eine Ver
gleichereinrichtung (101) aufweist, die in Abhängigkeit von
Ausgangssignalen von Bewertungseinheiten (102, 103, 104,
105) bspw. für Echtfarbe, Bewegung, Größe und geometri
sche Form/Formveränderlichkeit des zu identifizierenden
Objektes (14)
oder Subobjektes einen ausgewählten Teil der in einem Refe
renzobjektspeicher (87) vorgegebenen Referenzobjekte auf
virtuell-optische Weise nach dem Objekt/Subobjekt durch
sucht.
26. Vorrichtung nach einem der Ansprüche 17 bis 25, dadurch
gekennzeichnet, daß die Vorrichtung (82) zum Erkennen und
Abspalten von Subobjekten ein Clusterobjekt (73) in Bereiche
verschiedener Echtfarben und/oder Echtfarbkontraste zerlegt,
und diese Bereiche als Subobjekt behandelt.
27. Vorrichtung nach einem der Ansprüche 17 bis 26, dadurch
gekennzeichnet, daß die Vorrichtung (82) zum Erkennen und
Abspalten von Subobjekten ein Clusterobjekt (73) in Bereiche
verschiedener Bewegung, Form und/oder Größe zerlegt, und
diese Bereiche als Subobjekt behandelt.
28. Vorrichtung nach einem der Ansprüche 13 bis 27, dadurch
gekennzeichnet, daß für die Speicherung der Referenzobjekte
ein Referenzobjektspeicher (87) vorgesehen ist, in dem
die Referenzobjekte in Form virtuell-optischer dreidimensio
naler Vektorflächengraphikobjekte gespeichert sind.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE4244708A DE4244708C2 (de) | 1992-04-09 | 1992-04-09 | Verfahren und Vorrichtung zum Erstellen einer Artenliste für eine flüssige Probe |
DE4211904A DE4211904C2 (de) | 1991-04-09 | 1992-04-09 | Automatisches Verfahren zum Erstellen einer Liste unterschiedlicher Arten für eine flüssige Probe |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE4111472 | 1991-04-09 | ||
DE4211904A DE4211904C2 (de) | 1991-04-09 | 1992-04-09 | Automatisches Verfahren zum Erstellen einer Liste unterschiedlicher Arten für eine flüssige Probe |
Publications (2)
Publication Number | Publication Date |
---|---|
DE4211904A1 true DE4211904A1 (de) | 1992-11-19 |
DE4211904C2 DE4211904C2 (de) | 1994-03-17 |
Family
ID=6429151
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE4211904A Expired - Fee Related DE4211904C2 (de) | 1991-04-09 | 1992-04-09 | Automatisches Verfahren zum Erstellen einer Liste unterschiedlicher Arten für eine flüssige Probe |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE4211904C2 (de) |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4337528A1 (de) * | 1993-11-04 | 1995-07-20 | Lothar Bode | Verfahren zur Zustandsfeststellung an Hautgewebe |
DE19709348A1 (de) * | 1996-05-29 | 1997-12-04 | Walter Dr Schubert | Automatisches Multi-Epitop-Ligand-Kartierungssystem |
DE19726226A1 (de) * | 1997-06-22 | 1998-12-24 | Zentrum Fuer Neuroinformatik G | Verfahren zum automatisierten Erkennen von Strukturen in Schnitten durch biologische Zellen oder biologisches Gewebe |
DE19801400A1 (de) * | 1998-01-16 | 1999-07-29 | Petra Dr Ing Perner | Verfahren und Anordnung zur automatischen Erkennung, Eigenschaftsbeschreibung und Interpretation von Hep-2-Zellmustern |
DE19858456A1 (de) * | 1998-12-18 | 2000-07-06 | Leica Microsystems | Verfahren zum Auffinden, zur Aufnahme und gegebenenfalls zur Auswertung von Objektstrukturen |
DE10221124A1 (de) * | 2002-05-13 | 2003-11-27 | Bayer Cropscience Ag | Verfahren und Vorrichtung zur automatischen Auszählung und Klassifizierung von tierischen Schädlingen |
DE10229880A1 (de) * | 2002-07-03 | 2004-01-29 | Siemens Ag | Bildanalyseverfahren und Vorrichtung zur Bildauswertung für die in vivo Kleintierbildgebung |
EP1495439A2 (de) * | 2002-07-15 | 2005-01-12 | Baylor College of Medicine | Assay- und abbildungssystem zur identifizierung von eigenschaften biologischer proben |
DE102004051508A1 (de) * | 2003-10-21 | 2005-06-16 | Leica Microsystems Wetzlar Gmbh | Verfahren zur automatischen Erzeugung von Laser-Schnittlinien in der Laser-Mikrodissektion |
DE10361073A1 (de) * | 2003-12-22 | 2005-07-21 | Innovatis Ag | Verfahren und Vorrichtung zur Aufnahme mikroskopischer Bilder |
DE102004023262A1 (de) * | 2004-05-11 | 2005-12-08 | P.A.L.M. Microlaser Technologies Ag | Verfahren zur Bearbeitung einer Masse mittels Laserbestrahlung und Steuersystem |
DE102004018174B4 (de) * | 2004-04-08 | 2006-12-21 | Perner, Petra, Dr.-Ing. | Verfahren zur Akquisition von Formen aus Bildern mit Fällen und zum fallbasierten Erkennen von Objekten in digitalen Bildern, Computer-Programm-Produkt und digitales Speichermedium zur Ausführung dieses Verfahrens |
DE102004018171B4 (de) * | 2004-04-08 | 2006-12-21 | Perner, Petra, Dr.-Ing. | Verfahren zur Akquisition von Formen aus Bildern luftgetragener Keime und/oder Pollen und zum fallbasierten Erkennen dieser Objekte in digitalen Bildern, Computer-Programm-Produkt und digitales Speichermedium zur Ausführung dieses Verfahrens |
DE19845883B4 (de) * | 1997-10-15 | 2007-06-06 | LemnaTec GmbH Labor für elektronische und maschinelle Naturanalytik | Verfahren zur Bestimmung der Phytotoxizität einer Testsubstanz |
DE102007003448A1 (de) | 2007-01-19 | 2008-07-24 | Perner, Petra, Dr.-Ing. | Verfahren und Datenverarbeitungssystem zur automatischen Erkennung, Verarbeitung, Interpretation und Schlussfolgerung von als digitale Datenmengen vorliegenden Objekten |
DE102007009485A1 (de) | 2007-02-22 | 2008-08-28 | Perner, Petra, Dr.-Ing. | Verfahren und Datenverarbeitungssystem zur Modellbildung für die Bildsegmentierung |
US7576912B2 (en) | 2004-05-07 | 2009-08-18 | P.A.L.M. Microlaser Technologies Gmbh | Microscope table and insert |
US7895141B2 (en) | 2004-04-08 | 2011-02-22 | Petra Perner | Methods for case-based recognition of HEp-2 cells in digital images of HEp-2 cell sections |
DE102010035908A1 (de) | 2009-08-28 | 2011-03-10 | Perner, Petra, Dr.-Ing. | Einrichtung und Verfahren zur automatischen Erfassung der dynamischen Prozesse von Zellen von Zellproben |
US9217694B2 (en) | 2003-10-21 | 2015-12-22 | Leica Microsystems Cms Gmbh | Method for automatically generating laser cutting lines in laser microdissection processes |
CN113283652A (zh) * | 2021-05-27 | 2021-08-20 | 则思科技(苏州)有限公司 | 一种军工行业宏观质量水平的评价方法 |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE2423455A1 (de) * | 1973-05-21 | 1974-12-12 | Corning Glass Works | Anordnung zur analyse von blutproben |
DE2720036A1 (de) * | 1976-05-04 | 1977-11-24 | Green James E | Verfahren und vorrichtung zur bildanalyse unter doppelaufloesung |
DE2823490A1 (de) * | 1977-05-31 | 1978-12-14 | Rush Presbyterian St Luke | Verfahren zur analyse von organismus- zellen |
DE2903625A1 (de) * | 1978-02-03 | 1979-08-09 | Rush Presbyterian St Luke | Vorrichtung zur automatischen blutanalyse |
DE2903855A1 (de) * | 1979-02-01 | 1980-08-14 | Bloss Werner H Prof Dr Ing | Verfahren zum automatischen markieren von zellen und bestimmung der merkmale von zellen aus zytologischen abstrichpraeparaten |
US4307376A (en) * | 1976-12-09 | 1981-12-22 | Geometric Data Corporation | Pattern recognition system for generating hematology profile |
DE3044883A1 (de) * | 1980-11-28 | 1982-07-01 | Fa. Carl Zeiss, 7920 Heidenheim | Verfahren und anordnung zum finden von ansammlungen von teilchen, bspw. metaphasenplatten |
DE3313789A1 (de) * | 1982-04-15 | 1983-10-20 | Coulter Electronics, Inc., 33010 Hialeah, Fla. | Selbsttaetige mikroskopische untersuchungseinrichtung und verfahren zur ermittlung und wiederfindung von objekten in einem bild |
EP0136718A2 (de) * | 1983-10-04 | 1985-04-10 | Wang Laboratories Inc. | Zweiebenenmustererkennungsanlage |
DE3442568A1 (de) * | 1983-11-28 | 1985-06-05 | Société Inter Informatique (S.I.I.), Nice | Verfahren zum kontinuierlichen und automatischen identifizieren, sortieren und zaehlen von teilchen kleiner abmessungen |
DE3543515A1 (de) * | 1985-12-10 | 1987-06-11 | Strahlen Umweltforsch Gmbh | Verfahren zur messung der bewegungsweisen und konfigurationen von biologischen und nicht biologischen objekten |
DE3841387A1 (de) * | 1987-12-11 | 1989-06-22 | Toshiba Kawasaki Kk | Verfahren und vorrichtung zum ueberwachen eines sich bewegenden objekts |
US4845765A (en) * | 1986-04-18 | 1989-07-04 | Commissariat A L'energie Atomique | Process for the automatic recognition of objects liable to overlap |
EP0354701A2 (de) * | 1988-08-08 | 1990-02-14 | Raytheon Company | Mustererkennungsverfahren |
DE3836716A1 (de) * | 1988-10-28 | 1990-05-03 | Zeiss Carl Fa | Verfahren zur auswertung von zellbildern |
US4932044A (en) * | 1988-11-04 | 1990-06-05 | Yale University | Tissue analyzer |
WO1990010273A1 (de) * | 1989-02-28 | 1990-09-07 | Robert Massen | Verfahren und anordnung zur automatischen optischen klassifikation von pflanzen |
US4982437A (en) * | 1987-01-20 | 1991-01-01 | Manufacture Francaise Des Chaussures Eram | Method of cutting an object as a function of particularities of said object |
WO1991002330A1 (en) * | 1989-08-10 | 1991-02-21 | International Remote Imaging Systems, Inc. | A method of differentiating particles based upon a dynamically changing threshold |
-
1992
- 1992-04-09 DE DE4211904A patent/DE4211904C2/de not_active Expired - Fee Related
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE2423455A1 (de) * | 1973-05-21 | 1974-12-12 | Corning Glass Works | Anordnung zur analyse von blutproben |
DE2720036A1 (de) * | 1976-05-04 | 1977-11-24 | Green James E | Verfahren und vorrichtung zur bildanalyse unter doppelaufloesung |
US4307376A (en) * | 1976-12-09 | 1981-12-22 | Geometric Data Corporation | Pattern recognition system for generating hematology profile |
DE2823490A1 (de) * | 1977-05-31 | 1978-12-14 | Rush Presbyterian St Luke | Verfahren zur analyse von organismus- zellen |
DE2903625A1 (de) * | 1978-02-03 | 1979-08-09 | Rush Presbyterian St Luke | Vorrichtung zur automatischen blutanalyse |
DE2903855A1 (de) * | 1979-02-01 | 1980-08-14 | Bloss Werner H Prof Dr Ing | Verfahren zum automatischen markieren von zellen und bestimmung der merkmale von zellen aus zytologischen abstrichpraeparaten |
DE3044883A1 (de) * | 1980-11-28 | 1982-07-01 | Fa. Carl Zeiss, 7920 Heidenheim | Verfahren und anordnung zum finden von ansammlungen von teilchen, bspw. metaphasenplatten |
DE3313789A1 (de) * | 1982-04-15 | 1983-10-20 | Coulter Electronics, Inc., 33010 Hialeah, Fla. | Selbsttaetige mikroskopische untersuchungseinrichtung und verfahren zur ermittlung und wiederfindung von objekten in einem bild |
EP0136718A2 (de) * | 1983-10-04 | 1985-04-10 | Wang Laboratories Inc. | Zweiebenenmustererkennungsanlage |
DE3442568A1 (de) * | 1983-11-28 | 1985-06-05 | Société Inter Informatique (S.I.I.), Nice | Verfahren zum kontinuierlichen und automatischen identifizieren, sortieren und zaehlen von teilchen kleiner abmessungen |
DE3543515A1 (de) * | 1985-12-10 | 1987-06-11 | Strahlen Umweltforsch Gmbh | Verfahren zur messung der bewegungsweisen und konfigurationen von biologischen und nicht biologischen objekten |
US4845765A (en) * | 1986-04-18 | 1989-07-04 | Commissariat A L'energie Atomique | Process for the automatic recognition of objects liable to overlap |
US4982437A (en) * | 1987-01-20 | 1991-01-01 | Manufacture Francaise Des Chaussures Eram | Method of cutting an object as a function of particularities of said object |
DE3841387A1 (de) * | 1987-12-11 | 1989-06-22 | Toshiba Kawasaki Kk | Verfahren und vorrichtung zum ueberwachen eines sich bewegenden objekts |
EP0354701A2 (de) * | 1988-08-08 | 1990-02-14 | Raytheon Company | Mustererkennungsverfahren |
DE3836716A1 (de) * | 1988-10-28 | 1990-05-03 | Zeiss Carl Fa | Verfahren zur auswertung von zellbildern |
US4932044A (en) * | 1988-11-04 | 1990-06-05 | Yale University | Tissue analyzer |
WO1990010273A1 (de) * | 1989-02-28 | 1990-09-07 | Robert Massen | Verfahren und anordnung zur automatischen optischen klassifikation von pflanzen |
WO1991002330A1 (en) * | 1989-08-10 | 1991-02-21 | International Remote Imaging Systems, Inc. | A method of differentiating particles based upon a dynamically changing threshold |
Non-Patent Citations (1)
Title |
---|
messen + prüfen/automatik 1984, S. 310,311,322 * |
Cited By (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4337528A1 (de) * | 1993-11-04 | 1995-07-20 | Lothar Bode | Verfahren zur Zustandsfeststellung an Hautgewebe |
DE19709348A1 (de) * | 1996-05-29 | 1997-12-04 | Walter Dr Schubert | Automatisches Multi-Epitop-Ligand-Kartierungssystem |
DE19709348C2 (de) * | 1996-05-29 | 1999-07-01 | Schubert Walter Dr Md | Automatisches Multi-Epitop-Ligand-Kartierungsverfahren |
US6150173A (en) * | 1996-05-29 | 2000-11-21 | Schubert; Walter | Automated determining and measuring device and method |
DE19726226A1 (de) * | 1997-06-22 | 1998-12-24 | Zentrum Fuer Neuroinformatik G | Verfahren zum automatisierten Erkennen von Strukturen in Schnitten durch biologische Zellen oder biologisches Gewebe |
DE19726226C2 (de) * | 1997-06-22 | 2001-07-26 | Zentrum Fuer Neuroinformatik G | Verfahren zum automatisierten Erkennen von Strukturen in Schnitten durch biologische Zellen oder biologisches Gewebe |
DE19845883B4 (de) * | 1997-10-15 | 2007-06-06 | LemnaTec GmbH Labor für elektronische und maschinelle Naturanalytik | Verfahren zur Bestimmung der Phytotoxizität einer Testsubstanz |
DE19801400A1 (de) * | 1998-01-16 | 1999-07-29 | Petra Dr Ing Perner | Verfahren und Anordnung zur automatischen Erkennung, Eigenschaftsbeschreibung und Interpretation von Hep-2-Zellmustern |
DE19801400C2 (de) * | 1998-01-16 | 2001-10-18 | Petra Perner | Verfahren zur automatischen Erkennung, Eigenschaftsbeschreibung und Interpretation von Hep-2-Zellmustern |
DE19858456A1 (de) * | 1998-12-18 | 2000-07-06 | Leica Microsystems | Verfahren zum Auffinden, zur Aufnahme und gegebenenfalls zur Auswertung von Objektstrukturen |
DE10221124A1 (de) * | 2002-05-13 | 2003-11-27 | Bayer Cropscience Ag | Verfahren und Vorrichtung zur automatischen Auszählung und Klassifizierung von tierischen Schädlingen |
DE10229880A1 (de) * | 2002-07-03 | 2004-01-29 | Siemens Ag | Bildanalyseverfahren und Vorrichtung zur Bildauswertung für die in vivo Kleintierbildgebung |
EP1495439A2 (de) * | 2002-07-15 | 2005-01-12 | Baylor College of Medicine | Assay- und abbildungssystem zur identifizierung von eigenschaften biologischer proben |
EP1495439A4 (de) * | 2002-07-15 | 2006-11-29 | Baylor College Medicine | Assay- und abbildungssystem zur identifizierung von eigenschaften biologischer proben |
DE102004051508A1 (de) * | 2003-10-21 | 2005-06-16 | Leica Microsystems Wetzlar Gmbh | Verfahren zur automatischen Erzeugung von Laser-Schnittlinien in der Laser-Mikrodissektion |
DE102004051508B4 (de) * | 2003-10-21 | 2006-09-21 | Leica Microsystems Cms Gmbh | Verfahren zur automatischen Erzeugung von Laser-Schnittlinien in der Laser-Mikrodissektion |
US9217694B2 (en) | 2003-10-21 | 2015-12-22 | Leica Microsystems Cms Gmbh | Method for automatically generating laser cutting lines in laser microdissection processes |
DE10361073A1 (de) * | 2003-12-22 | 2005-07-21 | Innovatis Ag | Verfahren und Vorrichtung zur Aufnahme mikroskopischer Bilder |
DE102004018174B4 (de) * | 2004-04-08 | 2006-12-21 | Perner, Petra, Dr.-Ing. | Verfahren zur Akquisition von Formen aus Bildern mit Fällen und zum fallbasierten Erkennen von Objekten in digitalen Bildern, Computer-Programm-Produkt und digitales Speichermedium zur Ausführung dieses Verfahrens |
DE102004018171B4 (de) * | 2004-04-08 | 2006-12-21 | Perner, Petra, Dr.-Ing. | Verfahren zur Akquisition von Formen aus Bildern luftgetragener Keime und/oder Pollen und zum fallbasierten Erkennen dieser Objekte in digitalen Bildern, Computer-Programm-Produkt und digitales Speichermedium zur Ausführung dieses Verfahrens |
US7895141B2 (en) | 2004-04-08 | 2011-02-22 | Petra Perner | Methods for case-based recognition of HEp-2 cells in digital images of HEp-2 cell sections |
US7576912B2 (en) | 2004-05-07 | 2009-08-18 | P.A.L.M. Microlaser Technologies Gmbh | Microscope table and insert |
DE102004023262A1 (de) * | 2004-05-11 | 2005-12-08 | P.A.L.M. Microlaser Technologies Ag | Verfahren zur Bearbeitung einer Masse mittels Laserbestrahlung und Steuersystem |
US7848552B2 (en) | 2004-05-11 | 2010-12-07 | P.A.L.M. Microlaser Technologies Gmbh | Method for processing a material by means of a laser irradiation and control system |
DE102004023262B4 (de) * | 2004-05-11 | 2012-08-09 | Carl Zeiss Microimaging Gmbh | Verfahren zur Bearbeitung einer Masse mittels Laserbestrahlung und Steuersystem |
DE102004023262B8 (de) * | 2004-05-11 | 2013-01-17 | Carl Zeiss Microimaging Gmbh | Verfahren zur Bearbeitung einer Masse mittels Laserbestrahlung und Steuersystem |
DE102007003448A1 (de) | 2007-01-19 | 2008-07-24 | Perner, Petra, Dr.-Ing. | Verfahren und Datenverarbeitungssystem zur automatischen Erkennung, Verarbeitung, Interpretation und Schlussfolgerung von als digitale Datenmengen vorliegenden Objekten |
DE102007009485A1 (de) | 2007-02-22 | 2008-08-28 | Perner, Petra, Dr.-Ing. | Verfahren und Datenverarbeitungssystem zur Modellbildung für die Bildsegmentierung |
DE102010035908A1 (de) | 2009-08-28 | 2011-03-10 | Perner, Petra, Dr.-Ing. | Einrichtung und Verfahren zur automatischen Erfassung der dynamischen Prozesse von Zellen von Zellproben |
CN113283652A (zh) * | 2021-05-27 | 2021-08-20 | 则思科技(苏州)有限公司 | 一种军工行业宏观质量水平的评价方法 |
Also Published As
Publication number | Publication date |
---|---|
DE4211904C2 (de) | 1994-03-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE4211904C2 (de) | Automatisches Verfahren zum Erstellen einer Liste unterschiedlicher Arten für eine flüssige Probe | |
EP1181525B1 (de) | Verfahren zur automatischen analyse von mikroskopaufnahmen | |
DE19747415C2 (de) | Verfahren zur Unterstützung eines Betrachters bei der Durchmusterung einer Probe und zytologisches Probenanalysiersystem | |
DE102008059788B4 (de) | Analyse und Klassifizierung insbesondere biologischer oder biochemischer Objekte auf Basis von Zeitreihen-Bildern, anwendbar bei der zytometrischen Time-Lapse-Zellanalyse in der bildbasierten Zytometrie | |
DE2823490A1 (de) | Verfahren zur analyse von organismus- zellen | |
EP1797533B1 (de) | Verfahren und vorrichtung zur segmentierung einer digitalen abbildung von zellen | |
EP2130174B1 (de) | Verfahren und vorrichtung zur ermittlung einer zellkontur einer zelle | |
DE3313789A1 (de) | Selbsttaetige mikroskopische untersuchungseinrichtung und verfahren zur ermittlung und wiederfindung von objekten in einem bild | |
DE69532276T2 (de) | Automatisiertes cytologisches probenklassifizierungsverfahren | |
DE602004008471T2 (de) | Verfahren und anordnung zur bestimmung einer objektkontur | |
DE102019133685A1 (de) | Informationsverarbeitungssystem und -verfahren | |
DE19801400C2 (de) | Verfahren zur automatischen Erkennung, Eigenschaftsbeschreibung und Interpretation von Hep-2-Zellmustern | |
DE69205811T2 (de) | Verfahren zur Bildanalyse. | |
DE10347123B4 (de) | Verfahren zur automatischen Bestimmung auf einem Träger gesammelter luftgetragener Partikel insbesondere Pilzsporen | |
DE4244708C2 (de) | Verfahren und Vorrichtung zum Erstellen einer Artenliste für eine flüssige Probe | |
DE112022001991T5 (de) | Tumorzelen-isolinien | |
WO2021180982A1 (de) | Verfahren und vorrichtung zur untersuchung von mikroskopproben unter verwendung optischer marker | |
DE1549893A1 (de) | Verfahren und Anordnung zur elektronischen Klassierung von Bildvorlagen | |
DE19834718A1 (de) | Digitale Bildverarbeitung für ein Qualitätskontrollsystem | |
AT511399B1 (de) | Verfahren zur automatisierten klassifikation von einschlüssen | |
DE102010035908A1 (de) | Einrichtung und Verfahren zur automatischen Erfassung der dynamischen Prozesse von Zellen von Zellproben | |
DE102004018174B4 (de) | Verfahren zur Akquisition von Formen aus Bildern mit Fällen und zum fallbasierten Erkennen von Objekten in digitalen Bildern, Computer-Programm-Produkt und digitales Speichermedium zur Ausführung dieses Verfahrens | |
EP4300418A1 (de) | System zur unterstützung eines nutzers bei der bildbasierten erkennung einer gewebeentartung | |
EP4206986A1 (de) | Verfahren zur analyse von gefügen in stahlproben | |
DE102022131444A1 (de) | Verfahren zum Identifizieren von Analyten in einer Bildfolge |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
8110 | Request for examination paragraph 44 | ||
8172 | Supplementary division/partition in: |
Ref country code: DE Ref document number: 4244708 Format of ref document f/p: P |
|
Q171 | Divided out to: |
Ref country code: DE Ref document number: 4244708 |
|
AH | Division in |
Ref country code: DE Ref document number: 4244708 Format of ref document f/p: P |
|
D2 | Grant after examination | ||
8364 | No opposition during term of opposition | ||
AH | Division in |
Ref country code: DE Ref document number: 4244708 Format of ref document f/p: P |
|
8339 | Ceased/non-payment of the annual fee |