DE60004080T2

DE60004080T2 - Centroidintegration

Info

Publication number: DE60004080T2
Application number: DE60004080T
Authority: DE
Inventors: R. Matthew ATKINSON
Original assignee: 3M Innovative Properties Co
Current assignee: 3M Innovative Properties Co
Priority date: 1999-10-21
Filing date: 2000-04-11
Publication date: 2004-02-26
Anticipated expiration: 2020-04-12
Also published as: AU4081300A; DE60004080D1; EP1224612B1; WO2001029758A1; US6477273B1; JP2003512681A; EP1224612A1

Description

Die vorliegende Erfindung betrifft Verfahren und Systeme zu Identifizieren von Objekten in einem Bild und insbesondere Verfahren und Systeme zu Identifizieren von Linien, Kurven oder ähnlichen Strukturen in einem Bild oder einer graphischen Darstellung eines Datensatzes.
Beschreibung des verwandten Fachgebiets
Es gibt viele Anwendungen für maschinelles Sehen und maschinelle Analyse, bei welchen es nützlich ist, in einem Bild die Position von Linien, Kurven oder ähnlichen Strukturen bzw. Formen zu finden. Beispielsweise beschreibt die WO 99/08233 eine große Anzahl von unterschiedlichen Analysetypen, die an Testschalenplatten, Gelen und Blots ausgeführt werden können, die in chemischen, biochemischen und physiologischen Analysen verwendet werden. Bei einer solchen Verwendung ist es hilfreich, die Position der Reihen und Spalten der Probengitter auf den Platten, Gelen und Blots identifizieren zu können.
Ebenso gibt es viele gefertigte Produkte, die Felder, Schraffierungen oder andere regelmäßige Muster aufweisen, wie beispielsweise gedruckte oder mikroreplizierte Materialien und Chipsockel. Maschinelles Sehen ist eine nützliche Art, solche Produkte zu prüfen, aber wiederum muß oft eine gewisse Fähigkeit vorhanden sein, die Orientierung und Position der Strukturen bzw. Formen im Bild zu bestimmen, damit dies genutzt werden kann.
Viele Tests haben auch einen zeitlichen Verlauf, und es ist wichtig, die Positionen einzelner Spitzen oder Bänder in den Daten zu verfolgen, während sie sich im Verlaufe der Zeit verändern. Beispielsweise werden in einer Graphik, die die zeitliche Abhängigkeit der Stärke eines NMR-Signals (NMR: nuklear-magnetische Resonanz) oder IR-Signals (IR: infrarot) bei bestimmten Wellenlängen zeigt, die Spitzen manchmal wandern und es ist wünschenswert, die verschiedenen Spitzen genau zu identifizieren, sogar wenn sie umher wandern.
Ferner spüren neuere Methoden der Datengewinnung und Wissensverarbeitung nicht erkannte Muster in Daten auf. Für alle Daten, die graphisch dargestellt werden können, kann das Finden von Linien, Kurven oder anderen Strukturen oder Formen im resultierenden Bild ein Weg sein, verborgene Muster zu identifizieren.
Der Artikel "Detecting the skew angle in document images" von G. Farrow et al., in "Signal Processing Image Communication", Bd. 6, Nr. 2, pp. 101–114, 1994 offenbart ein Verfahren zum Erfassen der Schräglage bzw. Schiefe in Textdokumentbildern, gemäß welchem die Hough-Transformation verwendet wird, um alle in Frage kommenden Schrägwinkel bzw. Neigungswinkel in ein Histogramm einzutragen, die dann verglichen werden, um den "richtigen" Schrägwinkel auszuwählen.
Die EP-A-0 176 910 beschreibt ein Verfahren der Schräglagenkorrektur in Textdokumentbildern, gemäß welchem für jeden aus einer Folge von ausgewählten Winkeln Orientierungswerte („Richtkriterien") berechnet werden und gemäß welchem entsprechend der Orientierungswerte der beste Winkel gewählt wird. Gemäß einem der Verfahren in diesem Dokument wird der Orientierungswert für einen gegebenen Winkel berechnet, indem in dem gegebenen Bild eine Integrationsstruktur bzw. -form an verschiedenen Positionen im Bild angeordnet wird, die Bildwerte entlang jeder der Integrationsstrukturen addiert werden und diese Werte kombiniert werden, um den Orientierungswert zu erhalten.
Zusammenfassung der Erfindung
Die vorliegende Erfindung wendet sich mittels einer neuen Technik, die "Centroidintegration" genannt wird, diesen Problemen zu.
Centroidintegration beginnt damit, ein Bild oder eine andere graphische Darstellung der zu analysierenden Daten zu gewinnen und das Bild in Pixel zu digitalisieren. Unter Verwendung irgendeines geeigneten Algorithmus werden einzelne Merkmale im Bild identifiziert. Die Centroidposition jedes Merkmals und charakteristische Werte jedes Merkmals werden alle bestimmt. Diese werden verwendet, um ein "kollabiertes Bild" bzw. „geschrumpftes Bild" zu erzeugen, wo jedes Merkmal durch ein Punktobjekt an der Centroidposition dargestellt ist, wobei das Punktobjekt Werte hat, die den charakteristischen Werten entsprechen., Jeder für die Anwendung geeignete Wert kann als charakteristischer Wert verwendet werden. Beispielsweise wären die Fläche des Merkmals und die integrierte Intensität des Merkmals über seine gesamte Fläche typische charakteristische Werte.
Die Detailgenauigkeit des kollabierten Bildes kann unter Verwendung. geeigneter Algorithmen gesteuert werden, um zwischen unterschiedlichen Merkmalen zu unterscheiden. Alternativ kann die Art und Weise, in welcher ein spezieller Algorithmus zwischen unterschiedlichen Merkmalen unterscheidet, eingestellt werden, z. B. dadurch, daß ein gewählter Wert in benachbarten Pixeln mehr oder weniger unterschiedlich sein muß, um als Grenze eines speziellen Merkmals geeignet zu sein bzw. sich dafür zu qualifizieren.
Sobald einmal das kollabierte Bild erzeugt ist, wird an einer geeigneten Stelle in dem kollabierten Bild, wie beispielsweise an einer Kante, eine Integrationslinie eingerichtet. Diese Integrationslinie wird schrittweise mindestens über den relevanten Teil des kollabierten Bilds verschoben. Bei jedem Schritt wird die Summe eines charakteristischen Werts, z. B. die integrierte Intensität, jedes Centroids innerhalb eines vorgegebenen Bereichs auf beiden Seiten der Linie bestimmt und aufgezeichnet. Das Ergebnis ist eine zweidimensionale Darstellung mit einer Reihe von Spitzen bzw. Peaks, wobei jede Spitze einem Merkmal entspricht (oder einem Band von Merkmalen, falls die Merkmale zufälligerweise auf der gleichen Integrationslinie liegen).
Zu beachten ist, daß sich diese Vorgehensweise von einer einfachen Integration der Bildintensität entlang der Suchlinie unterscheidet. Aufgrund der Verwendung eines kollabierten Bilds hat jedes Merkmal seine charakteristischen Werte wirkungsvoll an seinem Centroid konzentriert.
Centroidintegration ergibt einen Satz von sehr gut definierten Spitzen im resultierenden Linienprofil. Normale Integration würde einen Satz von verschmierten Spitzen ergeben, und in dem Fall eines Bilds mit signifikant variierenden Positionen der einzelnen Merkmale, würde das Ergebnis oft unbrauchbar sein. Folglich toleriert die Centroidintegration viel stärker räumliche Variationen von Merkmalspositionen als die herkömmliche Integration.
Die Schrittgröße (oder das "Glättungsfenster"), in welcher die Integrationslinie verschoben wird, kann bei gewissen Gegebenheiten wichtig sein. Wenn beispielsweise zu erwarten ist, daß das Bild regelmäßig beabstandete Linien aufweist, können optimale Ergebnisse oft dadurch erzielt werden, daß ein Glättungsfenster festgelegt wird, das proportional zum Abstand der Linien ist. Die Verwendung und Anwendung der Centroidintegration auf Bilder, die Merkmalslinien oder – gitter enthalten, ist detaillierter in der am 21. Oktober 199 eingereichten und ebenfalls auf den Anmelder übertragenen US-Patentanmeldung Nr. 09/422 535 mit dem Titel "Autogrid Analysis" diskutiert.
Wenn die Eigenschaften der Daten im Bild nicht bekannt sind, und insbesondere wenn es das Ziel ist, verborgene Muster im Bild zu finden, kann es wünschenswert sein, eine Reihe von verschiedenen Glättungsfenstergrößen zu testen, um diejenige zu finden, die die aus der Centroidintegration resultierende Auftrennung bzw. Differenzierung der Spitzen maximiert.
Ebenso kann die Größe des vorgegebenen Bereichs auf beiden Seiten der Integrationslinie, in welchem die charakteristischen Werte summiert werden, variiert werden. Typisch wird sie mit der Größe des Glättungsfensters übereinstimmen,aber unter gewissen Umständen können unterschiedliche Größen erwünscht sein. Beispielsweise kann es nützlich sein, die Linie immer in Schritten von einem Pixel zu verschieben, aber die resultierenden Daten für unterschiedlich große Bereiche auf beiden Seiten der Integrationslinie zu analysieren.
Die Centroidintegration ist nicht auf eine Integration beschränkt, die gerade Linien oder Linien parallel zu den Seiten des Bilds verwendet. Kurven oder andere Strukturen bzw. Formen können anstelle einer geraden Linie verwendet werden, um die Integration auszuführen, insbesondere wenn zu erwarten ist, daß die Daten einer Kurve folgen oder wenn man versucht, Muster im Bild oder Datensatz zu identifizieren, die entsprechend der Kurve oder der anderen Struktur oder Form verlaufen. Es wird auch oft erwünscht sein, die Linien, Kurven oder anderen Strukturen in verschiedenen Orientierungen zu testen.
Das zu analysierende Bild kann praktisch alles sein, vom Foto eines Objekts bis hin zu einer mathematischen Darstellung eines großen Datensatzes. In einem Foto wird die durch die Centroidintegration gefundene Struktur oft die tatsächliche Struktur des Objekts sein, aber in einer mathematischen Darstellung eines Datensatzes kann die Struktur in der Tat ein Muster in den Daten darstellen.
Die Centroidintegration kann auch auf eine Analyse in höheren Dimensionen angewandt werden. Anstatt eine Linie oder einer andere eindimensionale Struktur über eine zweidimensionale Graphik oder ein zweidimensionales Bild von Daten zu verschieben, wird in dieser Situation eine Ebene, Hyperebene oder eine andere mehrdimensionale Struktur durch eine Graphik oder eine andere Darstellung von Daten verschoben, die eine Dimension höher ist als die Ebene, Hyperebene oder andere mehrdimensionale Struktur. Die charakteristischen Werte werden zu einem bestimmten Punkt auf der Ebene, Hyperebene oder anderen Struktur summiert.
Wie ersichtlich wird, hat die Centroidintegration einen sehr großen Bereich möglicher Anwendungen zur Identifizierung von Mustern und Strukturen oder Formen.
Kurze Beschreibung der Zeichnungen
1 ist eine schematische Darstellung eines Prototyps eines Computersystems, mit welchem die vorliegende Erfindung verwendet werden könnte.
2 ist eine Darstellung eines ersten zu analysierenden Bilds.
3a, 3b, 3c sind Darstellungen eines auf das Bild von 2 angewandten Abtast- bzw. Scanverfahrens gemäß der vorliegenden Erfindung.
4a, 4b, 4c sind Graphiken, die jeweils die Anfangsergebnisse des in 3a, 3b bzw. 3c dargestellten Abtastverfahrens zeigen.
5 zeigt ein Bild der Signalintensität in Abhängigkeit von der Zeit und Wellenlänge.
6 zeigt sowohl die herkömmliche Integration als auch die Centroidintegration des Bildes von 5.
Detaillierte Beschreibung der bevorzugten Ausführungsformen
1 zeigt ein Computersystem 100, mit welchem die vorliegende Erfindung verwendet werden könnte. Das Computersystem 100 umfaßt eine zentrale Verarbeitungseinheit (CPU) 110, Datenspeichervorrichtungen 120 (wie beispielsweise Speicher mit wahlfreiem Zugriff (RAM-Speicher), Festplatte, CD-ROM-Laufwerk, Diskettenlaufwerk oder dergleichen), eine Bildschirmanzeige (Display) 140 (wie beispielsweise Kathodenstrahlröhre, LED-, LCD- oder Plasmabildschirm) und einen Drucker 150 (wie beispielsweise Nadeldrucker, Laserdrucker oder Tintenstrahldrucker), die so verbunden sind, daß die CPU 110 Daten von den Datenspeichervorrichtungen 120 auslesen und dorthin schreiben kann, die Bilder auf der Anzeige, 140 und die Ausgabe des Druckers 150 steuern kann. Die vorliegende Erfindung ist auf dem Computersystem typisch als Software implementiert, die auf irgendeine geeignete Weise verteilt werden kann, wie beispielsweise auf Datenspeicherwechselmedien oder durch Herunterladen auf das Computersystem 100.
2 zeigt ein von irgendeinem geeigneten System bereitgestelltes Bild. In der Figur ist das Bild das Bild eines etwas trapezförmigen Gitters aus Punkten, wie es sich beispielsweise aus einem DNA-Analysetest ergeben könnte. Falls es von der Bildeinfang- oder Bilderzeugungsvorrichtung nicht gleich zu Beginn in digitaler Form erzeugt worden ist, wird das Bild in Pixel digitalisiert. Interessierende Merkmale im Bild werden durch irgendwelche geeignete Einrichtungen identifiziert. Beispielsweise könnten Merkmale, die heller oder dunkler als eine bestimmte Schwellenwertintensität sind, oder Merkmale, die zwischen zwei Intensitätsgrenzwerten liegen, als interessierende Merkmale identifiziert werden. Einzelne Merkmale bestehen aus angrenzenden Pixeln, die die Anforderungen an die Bildintensitätsschwellenwerte erfüllen. Diese Merkmalserfassungsfähigkeit ist in den meisten kommerziellen Bildeinfang-Softwarepaketen verfügbar. Eine detaillierte Beschreibung eines Verfahrens, dies zu erreichen, kann in "The Image Processing Handbook", 2. Ausgabe, von John C. Russ (CRC Press 1995), Seite 394–96, 416–18, gefunden werden.
Sobald einmal die Merkmale identifiziert sind, wird ein "kollabiertes Bild" erzeugt. Um dies zu erreichen, wird der Centroid jedes Merkmals bestimmt, das heißt der Punkt, der, basierend auf einen vorgegebenen Gewichtungsschema, die Mitte des Objekts darstellt. Ein gegebenes Merkmal kann kreisförmig sein oder nicht, somit kann jeder geeignete Algorithmus zur Identifizierung des Centroids verwendet werden, wie beispielsweise Integrieren der Intensität oder Position. Die Position des Centroids kann in jedem geeigneten Koordinatensystem aufgezeichnet werden, wird aber typisch in einem X – Y = Koordinatensystem aufgezeichnet werden. Außer dem Centroid werden charakteristische Werte des Merkmals bestimmt, z. B. die Fläche des Merkmals in Pixeln, die integrierte Intensität oder die Temperatur, und in der Datenspeichervorrichtung 120 des Computersystems 100 gespeichert.
Das resultierende kollabierte Bild kann die riesige Datenmenge eines ganzen Bilds in einen viel kleineren Datensatz konzentrieren. Beispielsweise kann ein Bild aus 512 × 512 Pixeln eines 3 × 4 Elementgitters von 262144 Pixeln von Daten auf 12 Datenstrukturen reduziert werden, die nichtsdestoweniger immer noch die für die vorliegenden Zwecke erforderliche Information enthalten, wodurch sich erheblich verbesserte Verarbeitungszeiten ergeben.
Zu beachten ist, daß, während die Erfindung hierin in bezug auf Linien und Kurven beschrieben wird, die über ein Bild verschoben werden, wobei die Schwerpunkte innerhalb vorgegebener Linien- und Punktabstände liegen, dies nur zur Erleichterung der Beschreibung dient. Fachleute werden verstehen, daß es nicht notwendig ist, solche Schritte tatsächlich auf einem Bildschirm oder einer anderen Anzeigevorrichtung sichtbar zu machen. Die CPU 110 kann die relevanten Berechnungen oder irgendwelche mathematisch entsprechenden Berechnungen machen, ohne daß für das Verfahren ein Bildschirm bereitgestellt ist. Beispielsweise kann die CPU 110 die Daten normalerweise dadurch am schnellsten verarbeiten, daß die Positionen und die Werte in der konzentrierten Bildmatrix mit den berechneten Positionen der relevanten Linien und Punkte verglichen werden, mit denen die Centroide verglichen werden.
Mit Bezug auf 3b wird die Integrationslinie 300 an einer Seite des kollabierten Bildes in einem Basiswinkel Θ relativ zur Seite des Bilds erzeugt (Θ kann 0 sein, wie in der Zeichnung gezeigt ist) und schrittweise über das kollabierte Bild verschoben. Bei jedem Schritt wird der charakteristische Wert jedes Centroids innerhalb eines vorgegebenen Bereichs auf beiden Seiten der Linie bestimmt und aufgezeichnet. Das Ergebnis ist eine zweidimensionale Darstellung mit einer Reihe von Spitzen (Peaks), wobei jede Spitze einer Kolonne des Gitters entspricht, wie in 4b gezeigt ist.
Die Schrittgröße, in welcher die Integrationslinie verschoben wird, ist das "Glättungsfenster". Mit der richtigen Wahl der Glättungsfenstergröße ergibt die Centroidintegration einen Satz sehr gut definierter Spitzen im resultierenden Linienprofil. Eine normale Integration würde einen Satz verschmierter Spitzen ergeben und im Falle eines Gitters mit etwas variierenden Positionen der einzelnen Merkmale würde das Ergebnis oft unbrauchbar sein. Folglich ist die Centroidintegration viel toleranter gegenüber örtlich variierenden Merkmalspositionen als eine herkömmliche Integration.
Ein Glättungsfenster W wird verwendet, um die Abweichungen der Centroidpositionen von ihren Sollpositionen zu be rücksichtigen. Idealerweise basiert die Fenstergröße auf dem erwarteten Abstand der Daten, z. B. dem Abstand der Reihen und Spalten in dem zu analysierenden Gitter von 2. Die gewünschte Größe des Glättungsfensters W ist diejenige Größe, die bei einer Centroidintegration am deutlichsten ausgeprägte Spitzen der integrierten Intensität erzeugt. Das Glättungsfenster kann von Hand oder mittels jeder Technik eingestellt werden, die ausgeprägte Spitzen erzeugen kann. Wenn der Abstand P in Pixeln bekannt ist und größer als 4 ist, wird das optimale Glättungsfenster W in Pixeln ungefähr W = 0,35 * P – 1,53 betragen. Diese Gleichung wurde empirisch aufgestellt, indem ein weiter Bereich von Proben, deren Merkmalspositionen in einem Bereich von 0 (keine Abweichung von einem regelmäßigen Gitter) bis 50% (die Schwankung der Merkmalsposition ist so groß, daß sich die Reihen oder Kolonnen überlappen) schwankten.
Wenn der Abstand P nicht bekannt ist, jedoch bekannt ist, daß die Elemente in einem regelmäßigen Muster vorliegen, ist ein Verfahren zum Automatisieren der Erstauswahl, die Größe des Bildes durch die bekannte Anzahl der Elemente im Muster zu dividieren. Beispielsweise würde dies für das Gitter folgendes bedeuten: Annehmen, daß die Anzahl der Merkmale in jeder Reihe und Spalte die Quadratwurzel der Anzahl der Merkmale ist, die bei der Erzeugung des kollabierten Bilds identifiziert wurden, dann Approximieren des Reihen- und Spaltenabstands P durch Dividieren der Größe des Bildes durch die Quadratwurzel der Anzahl der Merkmale.
Wenn keine Anfangsinformation über die möglichen Muster verfügbar ist, dann kann eine Reihe von Glättungsfenstergrößen ausprobiert werden und die Größe kann optimiert werden, indem die Größe gewählt wird, die die deutlichsten Spitzen bereitstellt.
3a und 3c zeigen die Effekte der Ausführung der Centroidintegration unter Verwendung einer Linie 302 in einem kleinen Varianzwinkel +δ relativ zum ursprünglichen Suchwin kel Θ und einer Linie 304 in einem kleinen Varianzwinkel –δ relativ zum ursprünglichen Suchwinkel Θ.
Wie aus den 4b, 4a und 4c zu sehen ist, kann die Steigung der ersten Spitze 400, 402, 404 in der resultierenden Centroidintegration schwanken, je nachdem wie genau der Winkel der Integrationslinie mit dem tatsächlichen Winkel der Spalte im Gitter übereinstimmt. Je steiler die Steigung der ersten Spitze desto genauer lag die entsprechende Integrationslinie parallel zur Spalte des Gitters.
Eine solche Überprüfen der Ergebnisse bei verschiedenen Winkeln kann ein Weg sein, um schnell den optimalen Winkel für die Daten zu finden. Um dies zu erreichen, werden die Steigungen der Spitzen der summierten charakteristischen Werte für die Linien 404, 400, 402 bei Θ – δ, Θ und Θ + δ verglichen. Die Linie mit der steilsten Steigung ist die genaueste Übereinstimmung mit den Daten. Wenn die Differenz zwischen den Steigungen innerhalb einer Toleranzgrenze liegt, dann kann angenommen werden, daß eine Übereinstimmung gefunden worden ist.
Wenn die Differenz der Steigungen nicht innerhalb einer Toleranzgrenze liegt, wird das Verfahren unter Verwendung variierender Werte von Θ und δ iteriert, bis die Differenzen innerhalb der Toleranzgrenze liegen. Wenn dabei die Spitze 400 die größte Steigung hat, verwendet die nächste Iteration vorzugsweise den gleichen Wert für Θ wie die vorhergehende Iteration, aber einen kleineren Wert für δ, während, wenn die Spitze 400 nicht die größte Steigung hat, die nächste Iteration vorzugsweise den gleichen Wert für δ wie die vorhergehende Iteration verwendet, aber Θ auf den Winkel derjenigen Linie 302, 304 zurücksetzt, die der Spitze 402, 404 mit der größten Steigung entspricht.
Wenn mehrere Merkmale ausgerichtet sind, wie bei einem Gitter, kann es erwünscht sein, die Linie zu identifizieren, entlang welcher sie ausgerichtet sind. Dies kann entweder dadurch erreicht werden, daß in der Centroidintegrationsgraphik zuerst alle Centroide innerhalb eines vorgegebenen Abstands des Spitzenmaximums gefunden werden oder dadurch, daß in der Centroidintegrationsgraphik alle Centroide zwischen den leeren Bereichen angrenzend an die Spitzen gefunden werden (leere Bereiche können einfacher zu identifizieren sein als die exakten Spitzen und erfordern keine Vorgabe des Abstands der Centroide um das Maximum herum). Die Positionen dieser Centroide werden verwendet, um eine am besten passende Linie zu definieren, wobei jedes Centroid mit einer Kombination seiner charakteristischen Werte, z. B. seiner Fläche und seiner integrierten Intensität, gewichtet wird.
Der Vorgang kann iteriert werden, um weitere Linien oder Kurven an anderen Orten im Bild zu finden, oder kann von einer anderen Seite des Bildes begonnen werden, um im Bild Muster mit einer anderen Orientierung, z. B. Reihen in einem Gitter, zu finden. Wenn der Vorgang iteriert wird, ist es oft vorteilhaft, jede Iteration unter Verwendung einer Integrationsstruktur, eines Winkels und einer Position zu beginnen, die mit den am besten passenden Werten übereinstimmen, die in der vorherigen Iteration gefunden wurden.
5 und 6 zeigen eine Anwendung der Centroidintegration auf ein "Bild", das eine graphische Darstellung von Daten ist, und vergleichen sie mit einer herkömmlichen Integration.
5 zeigt eine Variable (z. B. Zeit entlang der y-Achse) in Abhängigkeit von einer anderen Variablen (z. B. Signalintensität bei bestimmten Wellenlängen, wobei die helleren Farben eine stärkere Intensität an einem bestimmten Punkt in der Graphik angeben).
Die gestrichelte Linie 600 in 6 zeigt die Ergebnisse einer herkömmlichen Integration der Daten von 5. Die durchgezogenen Linien 610, 620, 630, 640 zeigen das Ergebnis der Centroidintegration. Wie zu erkennen ist, verschmiert die herkömmliche Integration den Ort der Spitzen bei 1250 und 1500 Einheiten auf der x-Achse und übergeht die Spitze bei 1750 Einheiten auf der x-Achse völlig. Dagegen zeigt die Centroidintegration alle drei Spitzen 610, 620, 630 sowie zusätzliche Details 640 oberhalb der 1500 Einheitenlinie in der Graphik.
Die Detailgenauigkeit des kollabierten Bildes kann dadurch gesteuert werden, daß ein geeigneter Algorithmus verwendet wird, um zwischen verschiedenen Merkmalen zu unterscheiden. Alternativ können die Parameter eingestellt werden, die von einem bestimmten Algorithmus verwendet werden, um zwischen verschiedenen Merkmalen zu unterscheiden. Beispielsweise können die Vorgaben für den Schwellenwert, der verwendet wird, um zu bestimmen, daß benachbarte Pixel auf der gleichen Seite der Grenze eines Merkmals sind oder nicht, eingestellt werden.
Die Größe des vorgegebenen Bereichs auf beiden Seiten der Integrationslinie, in welchem die charakteristischen Werte bei der Centroidintegration summiert werden, kann ebenfalls variiert werden, um die Empfindlichkeit einzustellen. Typisch wird sie mit der Größe des Glättungsfensters übereinstimmen, aber unter gewissen Bedingungen können unterschiedliche Größen erwünscht sein, z. B. wenn viel Rauschen im Bild ist.
Die Centroidintegration ist nicht auf eine Integration unter Verwendung von geraden Linien oder Linien parallel zu den Seiten des Bildes beschränkt. Kurven oder andere Strukturen oder Formen können anstelle einer geraden Linie verwendet werden, um die Integration auszuführen, insbesondere wenn zu erwarten ist, daß die Daten einer Kurve folgen oder wenn man probiert, unbekannte Muster im Bild oder Datensatz zu identifizieren, die mit der Kurve oder der anderen Struktur übereinstimmen. Es kann auch erwünscht sein, die Linien, Kurven oder anderen Strukturen in verschiedenen Orientierungen zu testen, wie vorstehend mit 3 und 4 gezeigt ist.
Während die vorstehende Beschreibung zur Erleichterung der Beschreibung zweidimensionale Graphiken und eindimensionale Linien und Kurven verwendet hat, können Bilder und Strukturen höherer Dimension ebenfalls verwendet werden. In jedem Fall wird die Integrationsstruktur eine Dimension kleiner als das zu analysierende Bild sein, so daß bei der Centroidintegration die charakteristischen Werte der Merkmale im Bild um eine Dimension herunter kollabiert werden können. Wie zu erkennen ist, könnte eine Centroidintegration entgegen den Ergebnissen der vorausgehenden Centroidintegration geführt werden, um Muster in den Daten auf gleiche Weise zu identifizieren, in welcher eine wiederholte herkömmliche Differentiation einen Abstand, eine Geschwindigkeit, eine Beschleunigung, eine Beschleunigungsänderung usw. definieren kann.
Es versteht sich von selbst, daß diese beispielhaften Ausführungsformen in keiner Weise den Schutzbereich der Erfindung einschränken. Andere Modifikationen der Erfindung sind angesichts der vorausgehenden Beschreibung für Fachleute ersichtlich. Beispielsweise kann die Reihenfolge, in welcher viele Schritte des Verfahrens der Erfindung ausgeführt werden, zu der hier beschriebenen und beanspruchten variiert werden, wobei immer noch das gleiche Ergebnis erzielt wird und der Schutzbereich der vorliegenden Erfindung nicht verlassen wird. Diese Beschreibungen sollen spezielle Beispiele für Ausführungsformen bereitstellen, die die vorliegende Erfindung klar offenbaren. Dementsprechend ist die Erfindung nicht auf die beschriebenen Ausführungsformen oder auf die Verwendung hierin enthaltener spezieller Elemente, Abmessungen, Materialien oder Strukturen beschränkt., Alle alternativen Modifikationen und Änderungen der vorliegenden Erfindung, die im Schutzbereich der angefügten Ansprüche liegen, sind abgedeckt.

Claims

Verfahren zum Identifizieren einer Struktur unter mehreren Merkmalen in einem Bild, mit den Schritten: a) Gewinnen eines digitalisierten Bildes; b) Identifizieren der Merkmale in dem Bild; c) Bestimmen eines Centroids und mindestens eines charakteristischen Werts für jedes Merkmal und Erzeugen eines kollabierten Bildes, wobei jedes Merkmal durch ein Punktobjekt an der Centroidposition dargestellt ist, wobei das Punktobjekt den charakteristischen Wert hat; d) Anordnen einer ersten Integrationsstruktur in dem kollabierten Bild; e) Summieren der charakteristischen Werte aller Merkmale, deren Centroid innerhalb eines vorgegebenen Bereichs auf beiden Seiten der ersten Integrationsstruktur liegt; f) schrittweises Verschieben der Integrationsstruktur über das kollabierte Bild in einem vorgegebenen Abstand; g) Wiederholen der Schritte (e) und (f) bis die Integrationsstruktur über mindestens einen Teil des Bilds verschoben wurde, für welchen eine Analyse gewünscht wird; h) Analysieren der summierten charakteristischen Werte, um darin Spitzen zu finden, und Identifizieren der den Spitzen entsprechenden Positionen der Integrationsstruktur, als Hinweis darauf, daß in den Merkmalen des Bildes ein Muster vorhanden ist, das mit der ersten Integrationsstruktur übereinstimmt .
Verfahren nach Anspruch 1, ferner mit dem Schritt: Iterieren der Schritte (d) bis (h) von Anspruch 1 für weitere Integrationsstrukturen in anderen Teilen des Bildes.
Verfahren nach Anspruch 2, wobei der Anfangswinkel und die Anfangsposition, die für die Integrationsstruktur in jeder Iteration verwendet werden, mit den am besten passenden Werten übereinstimmen, die in der vorausgehenden Iteration gefunden wurden.
Verfahren nach einem der Ansprüche 1 bis 3, wobei das kollabierte Bild ein mehrdimensionales Bild ist und die Integrationsstruktur eine Dimension weniger als das kollabierte Bild hat.
Verfahren nach Anspruch 4, wobei das kollabierte Bild ein zweidimensionales Bild ist und die Integrationsstruktur eine Linie oder eine Kurve ist.
Verfahren nach einem der Ansprüche 1 bis 5, ferner mit den Schritten: a) Wiederholen der Schritte (d) bis (h) von Anspruch 1 für eine zweite Integrationsstruktur in einem Winkel δ relativ zur ersten Integrationsstruktur; b) Vergleichen der Steigung der Spitze der summierten charakteristischen Werte für die zweite Integrationsstruktur mit der Steigung, die für die erste Integrationsstruktur erhalten wurde, und Identifizieren der Integrationsstruktur, die die Spitze mit der größeren Steigung hat, als bessere Übereinstimmung mit den Daten.
Verfahren nach einem der Ansprüche 1 bis 6, wobei die erste Integrationsstruktur in einem Basiswinkel Θ relativ zum kollabierten Bild liegt, wobei das Verfahren ferner aufweist: a) Wiederholen der Schritte (d) bis (h) von Anspruch 1 für eine zweite Integrationsstruktur in einem Winkel +δ relativ zur ersten Integrationsstruktur und für eine dritte Integrationsstruktur in einem Winkel –δ relativ zur ersten Integrationsstruktur; b) Bestimmen der Differenz der Steigungen der Spitzen der summierten charakteristischen Werte für die erste, zweite und dritte Integrationsstruktur; c) falls die Differenz innerhalb einer vorgegebenen Toleranzgrenze ist, Definieren derjenigen Integrationsstruktur unter der ersten, zweiten oder dritten Integrationsstruktur, die unter den drei Strukturen die Spitze mit der größten Steigung hat, als die genaueste Übereinstimmung, und Identi fizieren des Winkels und der Position dieser Struktur als den Winkel und die Position eines Musters in dem Bild; d) falls die Differenz nicht innerhalb der vorgegebenen Toleranzgrenze liegt, Iterieren der Schritte (a) bis (d) mit variierenden Werten von Θ und δ, bis die Differenz der Steigungen innerhalb der vorgegebenen Toleranzgrenze liegt.
Verfahren nach Anspruch 7, wobei die Werte von Θ und δ bei jeder Iteration mit dem Verfahren variiert werden, das aufweist: a) Bestimmen, ob die erste Integrationsstruktur die Spitze mit der größten Steigung hat; b) wenn ja, Verwenden des gleichen Basiswinkels Θ wie in der vorausgehenden Iteration und eines kleineren Werts für δ als in der vorausgehenden Iteration; und c) wenn nein, Zurücksetzen des Basiswinkels Θ auf den Winkel der Integrationsstruktur, die in der vorausgehenden Iteration die Spitze mit der größten Steigung hat, und Verwenden des gleichen Werts für δ wie in der vorausgehenden Iteration.
Verfahren nach einem der Ansprüche 1 bis 8, ferner mit. a) Wiederholen der Schritte (d) bis (h) von Anspruch 1 für eine zweite Integrationsstruktur, die sich von der ersten Integrationsstruktur unterscheidet; b) Vergleichen der Steigung der Spitze der summierten charakteristischen Werte für die zweite Integrationsstruktur mit der Steigung, die für die erste Integrationsstruktur erhalten wurde, und Identifizieren der Integrationsstruktur, die die Spitze mit der größeren Steigung hat, als die bessere Übereinstimmung mit den Daten.
Verfahren nach einem der Ansprüche 1 bis 9, wobei der vorgegebene Abstand, in welchem die Integrationsstruktur schrittweise verschoben wird, gleich einem Glättungsfenster W ist, wobei das Glättungsfenster W so gewählt wird, daß es bei der Centroidintegration am deutlichsten ausgeprägte Spitzen der integrierten Intensität erzeugt.
System zur Identifizierung der Position in einem Bild aus mehreren Merkmalen in einem im wesentlichen vierseitigen viereckigen Gitter von Merkmalen, wobei jedes Merkmal ein Centroid hat, wobei das System aufweist: a) eine Bildvorrichtung zum Bereitstellen eines digitalisierten Bilds; b) eine Datenspeichervorrichtung; und c) eine zentrale Verarbeitungseinheit zum Empfangen des digitalisierten Bildes aus der Bildvorrichtung empfängt und welche in die Datenspeichervorrichtung schreiben und aus dieser auslesen kann; wobei die zentrale Verarbeitungseinheit programmiert ist, um i) ein digitalisiertes Bild aus der Bildvorrichtung zu empfangen; ii) die Merkmale in dem Bild zu identifizieren; iii) eine Centroidposition und mindestens einen charakteristischen Wert für jedes Merkmal zu bestimmen; iv) ein kollabiertes Bild, das die Centroidposition und den charakteristischen Wert für jedes Merkmal aufweist, zu erzeugen und in der Datenspeichervorrichtung aufzuzeichnen; v) eine erste Integrationsstruktur in dem kollabierten Bild anzuordnen; vi) die charakteristischen Werte aller Merkmale, die ihren Centroid innerhalb eines vorgegebenen Bereichs auf beiden Seiten der ersten Integrationsstruktur haben, zu summieren; vii) schrittweise die erste Integrationsstruktur in einem vorgegebenen Abstand über das kollabierte Bild zu verschieben; viii) die Schritte (vi) und (vii) zu wiederholen, bis die Integrationsstruktur über mindestens den Teil des Bildes verschoben wurde, für welchen eine Analyse gewünscht wird; ix) die summierten charakteristischen Werte zu analysieren, um darin Spitzen zu finden; und x) die entsprechenden Spitzen den Positionen der ersten Integrationsstruktur zu identifizieren und in der Datenspeichervorrichtung aufzuzeichnen, als Hinweis darauf, daß in den Merkmalen des Bildes ein Muster vorhanden ist, das mit der ersten Integrationsstruktur übereinstimmt.
System nach Anspruch 11, wobei die zentrale Verarbeitungseinheit ferner programmiert ist, um (c)(v) bis (c)(x) von Anspruch 11 für weitere Integrationsstrukturen in anderen Teilen des Bildes zu iterieren.
System nach Anspruch 12, wobei der Anfangswinkel und die Anfangsposition, die bei jeder Iteration von der zentralen Verarbeitungseinheit für die Integrationsstruktur verwendet werden, mit den am besten passenden Werten übereinstimmen, die in der vorausgehenden Iteration gefunden wurden.
System nach einem der Ansprüche 11 bis 13, wobei das kollabierte Bild ein mehrdimensionales Bild ist und die Integrationsstruktur eine Dimension weniger als das kollabierte Bild hat.
System nach Anspruch 14, wobei das kollabierte Bild zweidimensional ist und die Integrationsstruktur eine Linie oder Kurve ist.
System nach einem der Ansprüche 11 bis 15, wobei die zentrale Verarbeitungseinheit ferner programmiert ist, um a) die Schritte (c)(v) bis (c)(x) von Anspruch 11 für eine zweite Integrationsstruktur in einem Winkel δ relativ zur ersten Integrationsstruktur zu wiederholen; b) die Steigung der Spitze der summierten charakteristischen Werte für die zweite Integrationsstruktur mit der Steigung zu vergleichen, die für die erste Integrationsstruktur erhalten wurde; und c) die Integrationsstruktur, die die Spitze mit der größeren Steigung hat, als die bessere Übereinstimmung mit den Daten zu identifizieren und in der Datenspeichervorrichtung aufzuzeichnen.
System nach einem der Ansprüche 11 bis 16, wobei die erste Integrationsstruktur in einem Basiswinkel Θ relativ zum kollabierten Bild ist und die zentrale Verarbeitungseinheit ferner programmiert ist, um a) die Schritte (c)(v) bis (c)(x) von Anspruch 11 für eine zweite Integrationsstruktur in einem Winkel von +δ relativ zur ersten Integrationsstruktur und für eine dritte Integrationsstruktur in einem Winkel von -δ relativ zur ersten Integrationsstruktur zu wiederholen; b) die Differenz der Steigungen der Spitzen der summierten charakteristischen Werte für die erste, zweite und dritte Integrationsstruktur zu bestimmen; c) falls die Differenz innerhalb einer vorgegebenen Toleranzgrenze liegt, i) diejenige der ersten, zweiten und dritten Integrationsstruktur, die unter den drei Strukturen die Spitze mit der größten Steigung hat, als die genaueste Übereinstimmung zu definieren; und ii) den Winkel und die Position dieser Struktur als den Winkel und die Position eines Musters in dem Bild zu identifizieren und in der Datenspeichervorrichtung aufzuzeichnen; d) falls die Differenz nicht innerhalb der vorgegebenen Toleranzgrenze liegt, die Schritte (a) bis (d) mit variierenden Werten von Θ und δ zu iterieren, bis die Differenz der Steigungen innerhalb der vorgegebenen Toleranzgrenze liegt.
System nach Anspruch 17, wobei die zentrale Verarbeitungseinheit ferner programmiert ist, um bei jeder Iteration die Werte von Θ und δ zu variieren mittels a) Bestimmen, ob die erste Integrationsstruktur die Spitze mit der größten Steigung hat; b) wenn ja, Verwenden des gleichen Basiswinkels Θ wie in der vorausgehenden Iteration und eines kleineren Werts für δ als in der vorausgehenden Iteration; und c) wenn nein, Zurücksetzen des Basiswinkels Θ auf den Winkel der Integrationsstruktur, die in der vorausgehenden Iteration die Spitze mit der größten Steigung hat, und Verwenden des gleichen Werts für δ wie in der vorausgehenden Iteration.
System mach einem der Ansprüche 11 bis 18, wobei die zentrale Verarbeitungseinheit ferner programmiert ist, um a) die Schritte (c)(v) bis (c)(x) von Anspruch 11 für eine zweite Integrationsstruktur zu wiederholen, die eine andere Struktur als die erste Integrationsstruktur ist; b) die Steigung der Spitze der summierten charakteristischen Werte für die zweite Integrationsstruktur mit der Steigung zu vergleichen, die für die erste Integrationsstruktur erhalten wurde; und c) die Integrationsstruktur, die die Spitze mit der größeren Steigung hat, als die bessere Übereinstimmung mit den Daten zu ideritifizieren und in der Datenspeichervorrichtung aufzuzeichnen.
System nach Anspruch 11, wobei der vorgegebene Abstand, in welchem die zentrale Verarbeitungseinheit die Integrationsstruktur schrittweise verschiebt, gleich einem Glättungsfenster W ist, wobei das Glättungsfenster W so gewählt ist, daß es bei der Centroidintegration am deutlichsten ausgeprägte Spitzen der integrierten Intensität erzeugt.
Datenspeichermedium mit einer darauf aufgezeichneten Software, die bewirkt, daß nach Installation auf einem Computer und Ausführen des Programms der Computer ein Verfahren zur Identifizierung einer Struktur unter mehreren Merkmalen in einem Bild ausführt, wobei das Verfahren aufweist: a) Gewinnen eines digitalisierten Bildes; b) Identifizieren der Merkmale in dem Bild; c) Bestimmen eines Centroids und mindestens eines charakteristischen Werts für jedes Merkmal und Erzeugen eines kollabierten Bildes, wobei jedes Merkmal durch ein Punktobjekt an der Centroidposition dargestellt ist, wobei das Punktobjekt den charakteristischen Wert hat; d) Anordnen einer ersten Integrationsstruktur in dem kollabierten Bild; e) Summieren der charakteristischen Werte aller Merkmale, deren Centroid innerhalb eines vorgegebenen Bereichs auf beiden Seiten der ersten Integrationsstruktur liegt; f) schrittweises Verschieben der Integrationsstruktur über das kollabierte Bild in einem vorgegebenen Abstand; g) Wiederholen der Schritte (e) und (f) bis die Integrationsstruktur über mindestens den Teil des Bilds verschoben wurde, für welchen eine Analyse gewünscht wird; h) Analysieren der summierten charakteristischen Werte, um darin Spitzen zu finden, und Identifizieren der den Spitzen entsprechenden Positionen der Integrationsstruktur, als Hinweis darauf, daß in den Merkmalen des Bildes ein Muster vorhanden ist, das mit der ersten Integrationsstruktur übereinstimmt.
Datenspeichermedium nach Anspruch 21, wobei das auszuführende Verfahren ferner Iterieren der Schritte (d) bis (h) von Anspruch 21 für weitere Integrationsstrukturen in anderen Teilen des Bildes aufweist.
Datenspeichermedium nach Anspruch 22, wobei der Anfangswinkel und die Anfangsposition, die in jeder Iteration für die Integrationsstruktur verwendet werden, mit den am besten passenden Werten übereinstimmen, die in der vorausgehenden Iteration gefunden wurden.
Datenspeichermedium nach einem der Ansprüche 21 bis 23, wobei das kollabierte Bild ein mehrdimensionales Bild ist und die Struktur eine Dimension weniger als das kollabierte Bild hat.
Datenspeichermedium nach Anspruch 22, wobei das kollabierte Bild ein zweidimensionales Bild ist und die Struktur eine Linie oder Kurve ist.
Datenspeichermedium nach einem der Ansprüche 21 bis 25, wobei das auszuführende Verfahren ferner aufweist: Wiederholen der Schritte (d) bis (h) von Anspruch 21 für eine zweite Integrationsstruktur in einem Winkel δ relativ zur ersten Integrationsstruktur; a) Vergleichen der Steigung der Spitze der summierten charakteristischen Werte für die zweite Integrationsstruktur mit der Steigung, die für die erste Integrationsstruktur erhalten wurde, und Identifizierung der Integrationsstruktur, die die Spitze mit der größeren Steigung hat, als die bessere Übereinstimmung mit den Daten.
Datenspeichermedium nach einem der Ansprüche 21 bis 26, wobei die erste Integrationsstruktur in einem Basiswinkel Θ relativ zum kollabierten Bild liegt, und das auszuführende Verfahren ferner aufweist: a) Wiederholen der Schritte (d) bis (h) von Anspruch 21 für eine zweite Integrationsstruktur in einem Winkel +δ relativ zur ersten Integrationsstruktur und für eine dritte Integrationsstruktur in einem Winkel -δ relativ zur ersten Integrationsstruktur; b) Bestimmen der Differenz der Steigungen der Spitzen der summierten charakteristischen Werte für die erste, zweite und dritte Integrationsstruktur; c) falls die Differenz innerhalb einer vorgegebenen Toleranzgrenze ist, Definieren derjenigen Integrationsstruktur der ersten zweiten oder dritten Integrationsstruktur, die unter den drei Strukturen die Spitze mit der größten Steigung hat, als die genaueste Übereinstimmung und Identifizieren des Winkels und der Position dieser Struktur als den Winkel und die Position eines Musters in dem Bild; d) falls die Differenz nicht innerhalb der vorgegebenen Toleranzgrenze liegt, Iterieren der Schritte (a) bis (d) mit variierenden Werten von Θ und δ, bis die Differenz der Steigungen innerhalb der vorgegebenen Toleranzgrenze liegt.
Datenspeichermedium nach Anspruch 27, wobei die Werte von und δ bei jeder Iteration durch das Verfahren variiert werden, das aufweist: a) Bestimmen, ob die erste Integrationsstruktur die Spitze mit der größten Steigung hat; b) wenn ja, Verwenden des gleichen Basiswinkels Θ wie in der vorausgehenden Iteration und eines kleineren Werts für δ als in der vorausgehenden Iteration; und c) wenn nein, Zurücksetzen des Basiswinkels Θ auf den Winkel der Integrationsstruktur, die in der vorausgehenden Iteration die Spitze mit der größten Steigung hat, und Verwenden des gleichen Werts für δ wie in der vorausgehenden Iteration.
Datenspeichermedium nach einem der Ansprüche 21 bis 28, wobei das auszuführende Verfahren ferner aufweist: a) Wiederholen der Schritte (d) bis (h), von Anspruch 21 für die zweite Integrationsstruktur, die eine andere Struktur als die erste Integrationsstruktur ist; b) Vergleichen der Steigung der Spitze der summierten charakteristischen Werte für die zweite Integrationsstruktur mit der Steigung, die für die erste Integrationsstruktur erhalten wurde, und Identifizieren der Integrationsstruktur, die die Spitze mit der größeren Steigung hat, als die bessere Übereinstimmung mit den Daten.
Datenspeichermedium nach einem der Ansprüche 21 bis 29, wobei der vorgegebene Abstand, in welchem die Integrationsstruktur schrittweise verschoben wird, gleich einem Glättungsfenster W ist, wobei das Glättungsfenster W so gewählt ist, daß es bei der Centroidintegration am deutlichsten ausgeprägte Spitzen der integrierten Intensität erzeugt.