WO2008034721A1 - Method for processing an intensity image of a microscope - Google Patents

Method for processing an intensity image of a microscope Download PDF

Info

Publication number
WO2008034721A1
WO2008034721A1 PCT/EP2007/059311 EP2007059311W WO2008034721A1 WO 2008034721 A1 WO2008034721 A1 WO 2008034721A1 EP 2007059311 W EP2007059311 W EP 2007059311W WO 2008034721 A1 WO2008034721 A1 WO 2008034721A1
Authority
WO
WIPO (PCT)
Prior art keywords
intensity image
pixel
determined
intensities
imax
Prior art date
Application number
PCT/EP2007/059311
Other languages
German (de)
French (fr)
Inventor
Maximilian Staudacher
Fred Hamprecht
Linus Goerlitz
Original Assignee
Robert Bosch Gmbh
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Robert Bosch Gmbh filed Critical Robert Bosch Gmbh
Publication of WO2008034721A1 publication Critical patent/WO2008034721A1/en
Priority to GB0905233A priority Critical patent/GB2454857B/en

Links

Classifications

    • G—PHYSICS
    • G02—OPTICS
    • G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
    • G02B21/00—Microscopes
    • G02B21/36—Microscopes arranged for photographic purposes or projection purposes or digital imaging or video purposes including associated control and data processing arrangements
    • G02B21/365—Control or image processing arrangements for digital or video microscopes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration using histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
    • G06V20/695—Preprocessing, e.g. image segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20036—Morphological image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30164—Workpiece; Machine component

Definitions

  • the invention relates to a method for processing an intensity image of a microscope, in particular an intensity image of a support element occupied by objects produced by means of a light microscope or a scanning electron microscope.
  • one of the main tasks of the automatic particle analysis with a microscope is to detect the particles or objects arranged on a carrier element on the substrate formed by the carrier element with the aid of an intensity image created by means of a microscope
  • the separation of the objects from the background is carried out by means of a threshold analysis of the intensities of an intensity image, particles which are hardly detectable on the basis of intensity images of aluminum phosphate scanning electron microscopes without increasing the misclassification rate of the background.
  • the intensity of each pixel of the intensity image is determined.
  • several minima and maxima of the intensities of an environment defined by structural elements with predeterminable areas and shapes of each pixel of the intensity image are combined to form multi-dimensional vectors.
  • Figure 1 is a graphic representation of the procedure according to the invention.
  • FIG. 2 shows an intensity image of a support element occupied by objects, made by means of a microscope
  • FIG. 3 shows the intensity image shown in FIG. 2, which is prepared with a structure element with a radius of 5 pixels for each pixel by means of dilation;
  • FIG. 4 shows the intensity image according to FIG. 2, which is prepared with a structure element with a radius of 5 pixels by means of erosion;
  • Figure 5 shows another created by means of a microscope intensity image of a
  • FIG. 6 shows an area marked in greater detail by the region X in FIG. 5 in an enlarged detail representation in a form prepared in accordance with the method according to the invention
  • Figure 7 is a highly schematic representation of a prepared with a known particle analysis system intensity image of a microscope.
  • Figure 8 is a figure 7 corresponding representation of an intensity image, which is processed according to the invention.
  • FIG. 1 shows a graphic representation of the method according to the invention for processing an intensity image 1 of a carrier element occupied with objects, produced by means of a light microscope or a scanning electron microscope.
  • the intensity l B p of a pixel 2 of the intensity image 1 is determined by means of a suitable arrangement.
  • the environment of the pixel 2 with structural elements S 1 to S 4, which in the present case are designed as concentric circular disks with increasing diameters around the pixel 2 is eroded and dilated.
  • a minimum Imin (S1), I- (S2), Imin (S3) or Imin (S4) of the intensities of the considered Determined environment is a minimum Imin (S1), I- (S2), Imin (S3) or Imin (S4) of the intensities of the considered Determined environment.
  • FIG. 2 shows an intensity image IA produced by means of a microscope and not processed
  • FIG. 3 is a representation of the intensity image IA after a dilation with a circular disk with a radius of 5 pixels.
  • FIG. 4 represents the intensity image IA after an erosion, wherein the erosion is carried out with a structural element designed as a circular disk with a radius of 5 pixels.
  • the intensity images superimposed in a stack and processed by means of erosion and dilation result in the fact that for each pixel of the intensity image IA according to FIG. 2, which represents the output image, in each case as many intensity values are available as processed intensity images were produced the processed intensity images are placed on the output image or the intensity image IA according to FIG.
  • the intensity l B p of the pixel 2 of the underlying intensity image 1 according to FIG. 1 and the intensity minima Imin (Sl) to lmin (S4) and intensity maxima Imax (Sl) to lmax (S4) within the successively multiple dilation procedures and erosion procedures Structural elements S 1 to S 4 are combined to form a multidimensional vector, wherein the vector has the dimension 9 for four structural elements and is used as a feature for the pixel 2.
  • a minimum and a maximum of the intensities present in the gray scale are defined for each pixel of the intensity image 1 according to FIG. 2 and for each structural element S1 to S4 in the intensity defined by the respective structural element
  • the multidimensional vectors are assigned by means of a reference system predefined classes, which means classifying each pixel of the intensity image 1 is classified as an object or particle or as belonging to the background or the support element.
  • the reference system is presently executed as a random forest with decision trees, which is created during a supervised training procedure.
  • a training procedure an intensity image created by means of a microscope is evaluated and a machine classification is generated by a formal method, so that the random forest makes it possible to decide in new situations based on learned structures.
  • the random forest consisting of an ensemble of classifiers or decision trees seeks to find a locally constant separation hyperplane with the help of each decision tree in the feature space in order to store the features for pixels of objects and the background on different sides of this separation hyperplane.
  • the reference system divides the vector space into areas representing the different classes.
  • each of the multidimensional vectors is individually compared to the reference system. In each case, it is checked in which area the currently considered multi-dimensional vector of a pixel is arranged. Subsequently, the pixel of the intensity image 1 characterized by a classified multi-dimensional vector is classified into the class assigned to the vector.
  • Maxima of the intensities of the environment of a pixel-containing multidimensional vectors is juxtaposed successively or simultaneously with all decision trees of the random forest.
  • the comparison assigns a class to each vector of a decision tree.
  • Each of the multidimensional vectors of the pixels is ultimately assigned the class which is assigned to it by the decision trees by a majority. This means that a pixel is assigned to the class for which the majority of decision trees or classifiers vote.
  • the reference system can also be implemented as a self-learning neural network or as another suitable classification system, by means of which the multidimensional vectors of the pixels of an intensity image can be assigned to particle-characterizing classes or to classes characterizing background.
  • FIG. 5 shows an intensity image, created by means of a microscope, of a sieve coated with particles, wherein the particles are designed both with different sizes and orientations as well as with different intensities.
  • a particle designated by the reference symbol 3 has a higher intensity or a lighter gray value than a particle 4 arranged in a region X, which consists of aluminum phosphate. Due to the lighter shade of gray compared to the background, the particle 3 is easier to detect. animals as the particle 4, whose gray level is only slightly different from the gray scale of the background formed by the screen.
  • the illustration shown in FIG 5 is an enlarged representation of the region X from FIG. 5 and in which the particle 4 is worked out more strongly with respect to the background and is thus better recognizable.
  • FIG. 7 shows a greatly schematized enlarged representation of the region X from FIG. 5, which results from an evaluation of the intensity image according to FIG. 5 when using a conventional particle analysis system and in which the particle 4 is not found.
  • Figure 8 shows an enlarged schematic representation of the region X of Figure 5, which is obtained by applying the method according to the invention.
  • the particle 4 is shown clearly contoured and stands out with sufficient quality against the background.
  • the particle 4 can be detected in a simple manner with regard to shape and size, thus enabling an evaluation of a cleaning process, as carried out in the cleanliness analysis.
  • the detection of objects or particles by means of the above-described machine classification is independent of both the user and the histogram shape, whereby the detection rate of various evaluations or classifications is reproducible. This is a simple way to It is sufficient that methods based on the method according to the invention have a significantly more objective significance.
  • the method according to the invention is suitable for all problem areas in which objects are to be detected in intensity images and differ from the background in terms of texture, the finding of the objects in the proposed algorithm being user-independent and histogram-independent in contrast to existing detection algorithms.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Optics & Photonics (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

The invention relates to a method for processing an intensity image (1) of a microscope, particularly an intensity image (1) created by means of a light microscope or a scanning electron microscope of a carrier element provided with objects (3, 4). The intensity of each pixel (2) of the intensity image (1) is determined. Additionally, a plurality of minima (Imin(S1), Imin(S2), Imin(S3), Imin(S4)) and maxima (Imax(S1), Imax(S2), Imax(S3), Imax(S4)) of the intensities of a surrounding area of each pixel (2) of the intensity image (1) are determined, the area being defined by structural elements (S1 to S4) having predetermined areas and shapes. The determined intensities of the pixels (2) of the intensity image (1) and the determined minima (Imin(S1) to Imin(S4)) and Maxima (Imax(S1) to Imax(S4)) of the intensities of the surrounding area of each pixel (2) are each combined into multi-dimensional vectors.

Description

Beschreibung description
Titeltitle
Verfahren zum Bearbeiten eines Intensitätsbildes eines MikroskopesMethod for processing an intensity image of a microscope
Stand der TechnikState of the art
Die Erfindung betrifft ein Verfahren zum Bearbeiten eines Intensitätsbildes eines Mikroskopes, insbesondere eines mittels eines Lichtmikroskopes oder eines Rastere- lektronenmikroskopes erstellten Intensitätsbildes eines mit Objekten belegten Träger- elementes.The invention relates to a method for processing an intensity image of a microscope, in particular an intensity image of a support element occupied by objects produced by means of a light microscope or a scanning electron microscope.
Produkte bzw. Bauteile werden nach deren Herstellung und vor ihrem bestimmungsgemäßen Einsatz in der Praxis mit geeigneten Reinigungsverfahren von Schmutzpartikeln befreit bzw. gesäubert. Da die Sauberkeitsanforderungen ständig steigen ist auch die Effizienz der Reinigungsprozesse permanent weiterzuentwickeln. Dies führt jedoch auch dazu, dass die Anforderungen an die jeweils zur Beurteilung der Qualität des Reinigungseffektes eingesetzten Analysemethoden ansteigen.Products or components are freed from dirt particles after their preparation and before their intended use in practice with suitable cleaning methods. As the cleanliness requirements are constantly increasing, the efficiency of the cleaning processes has to be constantly further developed. However, this also means that the requirements for the analytical methods used to assess the quality of the cleaning effect increase.
Üblicherweise werden im Rahmen der Qualitätssicherung zur Sauberkeitsanalyse im Wesentlichen optoelektronische Bildanalysesysteme eingesetzt. Damit werden auf einem Filter befindliche und von einem Produkt mittels eines Reinigungsverfahrens entfernte Partikel in einem Größenbereich zwischen 30 μm bis 1500 μm vermessen und anschließend in Größenklassen eingeteilt.Normally, optoelectronic image analysis systems are used as part of quality assurance for the cleanliness analysis. Thus, particles located on a filter and removed by a product by means of a cleaning process are measured in a size range between 30 μm and 1500 μm and then classified into size classes.
Sollen jedoch auch Sauberkeitsanalysen im Bereich von Fertigungen mit besonders hohen Anforderungen an die Produktsauberkeit durchgeführt werden, bei welchen auch Schmutzpartikel in einem Größenbereich unterhalb von 30 μm die Funktion eines Produktes beeinträchtigen, ist eine Analyse im Wesentlichen nur mit Einsatz von Elektronenmikroskopen, mit welchen Partikelgrößen sogar zwischen 2 bis 5 nm erfassbar sind, durchführbar. Zudem weist eine mittels eines Elektronenmikroskops durchgeführte Analyse im Vergleich zu mittels Lichtmikroskopie durchgeführten Analysen den Vorteil auf, dass jeweils auch die chemische Zusammensetzung der Partikel analysierbar ist und somit eine Herkunft der Schmutzpartikel leichter ermittelbar ist. Damit können mögliche Schmutzquellen einfacher lokalisiert und beseitigt werden.However, if cleanliness analyzes in the field of production with particularly high demands on the product cleanliness are to be carried out, in which also dirt particles in a size range below 30 microns affect the function of a product, an analysis is essentially only with the use of electron microscopes, with which particle sizes even detectable between 2 to 5 nm are feasible. In addition, an analysis carried out by means of an electron microscope, in comparison to analyzes carried out by light microscopy, has the advantage that in each case the chemical composition of the particles can also be analyzed and thus an origin of the dirt particles can be determined more easily. This makes it easier to locate and eliminate possible sources of contamination.
Generell besteht eine der Hauptaufgaben der automatischen Partikelanalyse mit einem Mikroskop darin, mit Hilfe eines mittels eines Mikroskop es erstellten Intensitätsbildes die auf einem Trägerelement angeordneten Partikel beziehungsweise Objekte auf dem durch das Trägerelement gebildeten Untergrund zu erkennen, um diese dann einerIn general, one of the main tasks of the automatic particle analysis with a microscope is to detect the particles or objects arranged on a carrier element on the substrate formed by the carrier element with the aid of an intensity image created by means of a microscope
Weiterverarbeitung zuzuführen.To supply further processing.
Bei einer Vielzahl aus der Praxis bekannten Partikelanalysesystemen wird die Trennung der Objekte gegenüber dem Hintergrund mittels einer Schwellwertbetrachtung der Intensitäten eines Intensitätsbildes durchgeführt, wobei anhand von Intensitätsbildern von Rasterelektronenmikroskopen aus Aluminiumphosphat bestehende Partikel kaum detektierbar sind, ohne die Fehlklassifikationsquote des Hintergrundes zu erhöhen.In a large number of particle analysis systems known from practice, the separation of the objects from the background is carried out by means of a threshold analysis of the intensities of an intensity image, particles which are hardly detectable on the basis of intensity images of aluminum phosphate scanning electron microscopes without increasing the misclassification rate of the background.
Dies resultiert aus der Tatsache, dass bei einer Verwendung eines Grauschwellwertes zur Segmentierung der Bilder Objekte, deren Grauwerte im Dynamikbereich der Grauwerte des Hintergrundes des Trägerelementes liegen, nicht detektierbar sind. Zusätzlich treten auch oft Oberflächenverdunklungen auf, wodurch detektierte Objekte bei bekannten Partikelanalysesystemen unter Umständen in mehrere, kleinere Objekte zerteilt werden, was jedoch in der Sauberkeitsanalytik unerwünscht ist.This results from the fact that, when using a gray-scale value for segmenting the images, objects whose gray values lie in the dynamic range of the gray values of the background of the carrier element are not detectable. In addition, surface darkening often occurs as well, whereby detected objects in known particle analysis systems may be divided into several, smaller objects, which is undesirable in cleanliness analysis.
Offenbarung der ErfindungDisclosure of the invention
Bei dem erfindungsgemäßen Verfahren zum Bearbeiten eines Intensitätsbildes eines Mikroskopes, insbesondere eines mittels eines Lichtmikroskopes oder eines Rastere- lektronenmikroskopes erstellten Intensitätsbildes eines mit Objekten belegten Trägerelementes, wird die Intensität eines jeden Bildpunktes des Intensitätsbildes ermittelt. Zusätzlich werden jeweils mehrere Minima und Maxima der Intensitäten einer durch Strukturelemente mit vorgebbaren Flächeninhalten und Formen definierten Umgebung eines jeden Bildpunktes des Intensitätsbildes bestimmt. Die ermittelten Intensitäten der Bildpunkte des Intensitätsbildes sowie die bestimmten Minima und Maxima der Intensitäten der Umgebung eines jeden Bildpunktes werden jeweils zu mehrdimensionalen Vektoren zusammengefasst.In the method according to the invention for processing an intensity image of a microscope, in particular an intensity image of a support element provided with objects by means of a light microscope or a scanning electron microscope, the intensity of each pixel of the intensity image is determined. In addition, in each case several minima and maxima of the intensities of an environment defined by structural elements with predeterminable areas and shapes of each pixel of the intensity image. The determined intensities of the pixels of the intensity image as well as the determined minima and maxima of the intensities of the environment of each pixel are combined to form multi-dimensional vectors.
Das bedeutet, dass bei dem erfindungsgemäßen Verfahren eine schwache Beschreibung der Umgebung eines Bildpunktes verwendet wird, um eine Trennung zwischen dem durch das Trägerelement gebildeten Hintergrund und einem Objekt beziehungsweise einem auf dem Trägerelement befindlichen Partikel vorzunehmen und Partikel signifikant besser detektieren zu können, auch wenn sie sich bezüglich ihrer Helligkeit kaum oder sogar gar nicht vom Hintergrund abheben.This means that in the method according to the invention a weak description of the surroundings of a pixel is used to make a separation between the background formed by the carrier element and an object or a particle located on the carrier element and to detect particles significantly better, even if they With regard to their brightness, they hardly or even stand out from the background.
Weitere Vorteile und vorteilhafte Ausgestaltungen des Gegenstandes nach der Erfindung sind den Patentansprüchen, der Beschreibung sowie der Zeichnung entnehmbar.Further advantages and advantageous embodiments of the article according to the invention are the claims, the description and the drawings can be removed.
Ein Ausführungsbeispiel der Erfindung ist in der Zeichnung dargestellt und wird in der nachfolgenden Beschreibung näher erläutert.An embodiment of the invention is illustrated in the drawing and will be explained in more detail in the following description.
Kurze Beschreibung der ZeichnungenBrief description of the drawings
Es zeigen:Show it:
Figur 1 eine grafische Darstellung der erfindungsgemäßen Vorgehensweise;Figure 1 is a graphic representation of the procedure according to the invention;
Figur 2 ein mittels eines Mikroskopes erstelltes Intensitätsbild eines mit Objekten belegten Trägerelementes;FIG. 2 shows an intensity image of a support element occupied by objects, made by means of a microscope;
Figur 3 das in Figur 2 dargestellte Intensitätsbild, welches mit einem Strukturelement mit einem Radius von 5 Pixeln für jeden Bildpunkt mittels Dilata- tion aufbereitet ist;FIG. 3 shows the intensity image shown in FIG. 2, which is prepared with a structure element with a radius of 5 pixels for each pixel by means of dilation;
Figur 4 das Intensitätsbild gemäß Figur 2, welches mit einem Strukturelement mit einem Radius von 5 Pixeln mittels Erosion aufbereitet ist; Figur 5 ein weiteres mittels eines Mikroskopes erstelltes Intensitätsbild eines mitFIG. 4 shows the intensity image according to FIG. 2, which is prepared with a structure element with a radius of 5 pixels by means of erosion; Figure 5 shows another created by means of a microscope intensity image of a
Objekten belegten Trägerelementes;Objects occupied carrier element;
Figur 6 einen durch den Bereich X in Figur 5 näher gekennzeichneten Bereich in einer vergrößerten Einzeldarstellung in einer gemäß dem erfindungsgemäßen Verfahren aufbereiteten Form;FIG. 6 shows an area marked in greater detail by the region X in FIG. 5 in an enlarged detail representation in a form prepared in accordance with the method according to the invention;
Figur 7 eine stark schematisierte Darstellung eines mit einem bekannten Partikelanalysesystem aufbereiteten Intensitätsbildes eines Mikroskopes; undFigure 7 is a highly schematic representation of a prepared with a known particle analysis system intensity image of a microscope; and
Figur 8 eine Figur 7 entsprechende Darstellung eines Intensitätsbildes, welches erfindungsgemäß aufbereitet ist.Figure 8 is a figure 7 corresponding representation of an intensity image, which is processed according to the invention.
Ausführungsform der ErfindungEmbodiment of the invention
Figur 1 zeigt eine grafische Darstellung des erfindungsgemäßen Verfahrens zum Bearbeiten eines mittels eines Lichtmikroskopes oder eines Rasterelektronenmikroskopes erstellten Intensitätsbildes 1 eines mit Objekten belegten Trägerelementes.FIG. 1 shows a graphic representation of the method according to the invention for processing an intensity image 1 of a carrier element occupied with objects, produced by means of a light microscope or a scanning electron microscope.
Zunächst wird mittels einer geeigneten Anordnung die Intensität lBp eines Bildpunktes 2 des Intensitätsbildes 1 ermittelt. Anschließend wird die Umgebung des Bildpunktes 2 mit Strukturelementen Sl bis S4, die vorliegend als konzentrische Kreisscheiben mit wachsenden Durchmessern um den Bildpunkt 2 ausgeführt sind, erodiert und dilatiert. Dabei wird jeweils während einer Erosion der Umgebung des Bildpunktes 2, welche jeweils durch die Strukturelemente Sl bis S4 definiert wird, ein Minimum Imin(Sl), I- min(S2), lmin(S3) oder lmin(S4) der Intensitäten der betrachteten Umgebung ermittelt. Zusätzlich wird während einer Dilatation der Umgebung des Bildpunktes 2 innerhalb eines jeden Strukturelementes Sl bis S4 jeweils ein Maximum Imax(Sl), lmax(S2), lmax(S3) und lmax(S4) der Intensitäten bestimmt. Die während der verschiedenen Erosionsschritte und Dilatationsschritte aufbereiteten Bilder werden gemeinsam mit dem Intensitätsbild 1 zu einem Stapel übereinander gelegt. Figur 2 zeigt ein mittels eines Mikroskop es erstelltes und nicht bearbeitetes Intensitätsbild IA, wobei Figur 3 eine Darstellung des Intensitätsbildes IA nach einer Dilatation mit einer Kreisscheibe mit einem Radius von 5 Pixeln ist.First, the intensity l B p of a pixel 2 of the intensity image 1 is determined by means of a suitable arrangement. Subsequently, the environment of the pixel 2 with structural elements S 1 to S 4, which in the present case are designed as concentric circular disks with increasing diameters around the pixel 2, is eroded and dilated. In each case during an erosion of the surroundings of the pixel 2, which is respectively defined by the structural elements S1 to S4, a minimum Imin (S1), I- (S2), Imin (S3) or Imin (S4) of the intensities of the considered Determined environment. In addition, a maximum Imax (Sl), Imax (S2), Imax (S3) and Imax (S4) of the intensities is respectively determined during a dilatation of the surroundings of the pixel 2 within each structural element S1 to S4. The images processed during the various erosion steps and dilation steps are stacked together with the intensity image 1 in a stack. FIG. 2 shows an intensity image IA produced by means of a microscope and not processed, wherein FIG. 3 is a representation of the intensity image IA after a dilation with a circular disk with a radius of 5 pixels.
Figur 4 hingegen stellt das Intensitätsbild IA nach einer Erosion dar, wobei die Erosion mit einem als Kreisscheibe ausgeführten Strukturelement mit einem Radius von 5 Pixeln durchgeführt ist. Die in einem Stapel übereinander geschichteten und mittels Erosion und Dilatation bearbeiteten Intensitätsbilder führen dazu, dass für jeden Bildpunkt des Intensitätsbildes IA gemäß Figur 2, welches das Ausgangsbild darstellt, nun je- weils so viele Intensitätswerte zur Verfügung stehen, wie bearbeitete Intensitätsbilder erzeugt wurden, wobei die bearbeiteten Intensitätsbilder auf das Ausgangsbild beziehungsweise das Intensitätsbild IA gemäß Figur 2 aufgelegt sind.FIG. 4, on the other hand, represents the intensity image IA after an erosion, wherein the erosion is carried out with a structural element designed as a circular disk with a radius of 5 pixels. The intensity images superimposed in a stack and processed by means of erosion and dilation result in the fact that for each pixel of the intensity image IA according to FIG. 2, which represents the output image, in each case as many intensity values are available as processed intensity images were produced the processed intensity images are placed on the output image or the intensity image IA according to FIG.
Die Intensität lBp des Bildpunktes 2 des zugrunde liegenden Intensitätsbildes 1 gemäß Figur 1 und die während der nacheinander mehrfach durchgeführten Dilatationsprozeduren sowie Erosionsprozeduren ermittelten Intensitätsminima Imin(Sl) bis lmin(S4) sowie Intensitätsmaxima Imax(Sl) bis lmax(S4) innerhalb der Strukturelemente Sl bis S4 werden zu einem mehrdimensionalen Vektor zusammengefasst, wobei der Vektor bei vier Strukturelementen die Dimension 9 aufweist und als Merkmal für den Bildpunkt 2 verwendet wird.The intensity l B p of the pixel 2 of the underlying intensity image 1 according to FIG. 1 and the intensity minima Imin (Sl) to lmin (S4) and intensity maxima Imax (Sl) to lmax (S4) within the successively multiple dilation procedures and erosion procedures Structural elements S 1 to S 4 are combined to form a multidimensional vector, wherein the vector has the dimension 9 for four structural elements and is used as a feature for the pixel 2.
Die vorbeschriebene Vorgehensweise wird für jeden Bildpunkt des Intensitätsbildes IA gemäß Figur 2 durchgeführt, bis für jeden Bildpunkt ein hochdimensionaler Vektor, d. h. vorliegend ein 9-dimensionaler Vektor, erstellt ist.The procedure described above is carried out for each pixel of the intensity image IA according to FIG. 2 until, for each pixel, a high-dimensional vector, i. H. in this case, a 9-dimensional vector is created.
Hiervon abweichend ist es bei weiteren Varianten des erfindungsgemäßen Verfahrens vorgesehen, Vektoren mit geringeren oder höheren Dimensionen zu generieren, wobei die Dimension in Abhängigkeit der Anzahl der verwendeten Strukturelemente liegt. Die Anzahl der verwendeten Strukturelemente steht in Abhängigkeit des jeweils vorliegen- den Anwendungsfalles beziehungsweise in Abhängigkeit der auf einem Trägerelement befindlichen Objekte beziehungsweise Partikel, wobei die Mindestanzahl der zu verwendenden Strukturelemente bei zwei liegt und somit für jeden Bildpunkt eines Intensitätsbildes wenigstens ein 5-dimensionaler Vektor erzeugt wird. Versuche haben ergeben, dass zur Detektion von Aluminiumphosphatpartikeln fünf Strukturelemente beson- ders vorteilhaft sind und dann mit der vorbeschriebenen Vorgehensweise mit hoher Wahrscheinlichkeit bestimmbar sind.Deviating from this, it is provided in further variants of the method according to the invention to generate vectors with lower or higher dimensions, wherein the dimension is dependent on the number of structural elements used. The number of structural elements used depends on the respective application case or on the objects or particles located on a carrier element, wherein the minimum number of structural elements to be used is two and thus generates at least one 5-dimensional vector for each pixel of an intensity image becomes. Experiments have shown that five structural elements are used to detect aluminum phosphate particles. ders are advantageous and then with the above-described procedure with high probability can be determined.
Zusätzlich ist es bei weiteren Varianten des erfindungsgemäßen Verfahrens vorgese- hen, dass zur Ermittlung der Intensitätsminima sowie der Intensitätsmaxima nacheinander verschiedene Strukturelemente verwendet werden, deren geometrische Formen variieren, wobei die Flächeninhalte der Strukturelemente in Abhängigkeit des jeweils vorliegenden Anwendungsfalles nicht verändert werden oder ebenfalls variiert werden. Das bedeutet, dass als Strukturelemente auch Elipsen, Vielecke oder dergleichen mit gleichem oder verändertem Flächeninhalt zur Bestimmung eines mehrdimensionalenIn addition, in further variants of the method according to the invention, it is provided that different structural elements whose geometrical shapes vary are used to determine the intensity minima and the intensity maxima, wherein the areas of the structural elements are not changed or also varied depending on the respective application , This means that as structural elements also ellipses, polygons or the like with the same or changed area to determine a multi-dimensional
Vektors vorgesehen sein können.Vector can be provided.
Nachdem für jeden Bildpunkt des Intensitätsbildes 1 gemäß Figur 2 und für jedes Strukturelement Sl bis S4 jeweils ein Minimum und ein Maximum der vorliegend Grau- stufen darstellenden Intensitäten in der von dem jeweiligen Strukturelement definiertenIn each case, a minimum and a maximum of the intensities present in the gray scale are defined for each pixel of the intensity image 1 according to FIG. 2 and for each structural element S1 to S4 in the intensity defined by the respective structural element
Umgebung mittels Dilatation und Erosion bestimmt sind und daraus mehrdimensionale Vektoren gebildet sind, werden die mehrdimensionalen Vektoren mittels eines Referenzsystems vordefinierten Klassen zugeordnet, wobei mittels der Klasseneinteilung jeder Bildpunkt des Intensitätsbildes 1 als Objekt beziehungsweise Partikel oder als zum Hintergrund beziehungsweise dem Trägerelement zugehörig klassifiziert wird.Environment are determined by dilation and erosion and multidimensional vectors are formed, the multidimensional vectors are assigned by means of a reference system predefined classes, which means classifying each pixel of the intensity image 1 is classified as an object or particle or as belonging to the background or the support element.
Das Referenzsystem ist vorliegend als Zufallswald mit Entscheidungsbäumen ausgeführt, welcher während einer überwachten Trainingsprozedur erstellt wird. Dabei wird während der Trainingsprozedur ein mittels eines Mikroskopes erstelltes Intensitätsbild ausgewertet und eine maschinelle Klassifikation von einer formalen Methode generiert, sodass mit dem Zufallswald ein Entscheiden in neuen Situationen aufgrund erlernter Strukturen möglich ist.The reference system is presently executed as a random forest with decision trees, which is created during a supervised training procedure. During the training procedure, an intensity image created by means of a microscope is evaluated and a machine classification is generated by a formal method, so that the random forest makes it possible to decide in new situations based on learned structures.
Der aus einem Ensemble von Klassifikatoren beziehungsweise Entscheidungsbäumen bestehende Zufallswald sucht mit Hilfe jedes Entscheidungsbaumes im Merkmalsraum eine lokal konstante Trennhyperebene zu finden, um die Merkmale für Bildpunkte von Objekten und vom Hintergrund auf unterschiedlichen Seiten dieser Trennhyperebene abzulegen. Das Referenzsystem teilt den Vektrorraum in Bereiche auf, die die verschiedenen Klassen darstellen. Während der Auswertung der generierten mehrdimensionalen Vektoren der Bildpunkte des Intensitätsbildes 1 wird jeder der mehrdimensionalen Vektoren dem Referenzsystem einzeln gegenüber gestellt. Dabei wird jeweils überprüft, in welchem Bereich der aktuell betrachtete mehrdimensionale Vektor eines Bildpunktes angeordnet ist. Anschließend wird der durch einen klassifizierten mehrdimensionalen Vektor charakterisierte Bildpunkt des Intensitätsbildes 1 in die dem Vektor zugeordnete Klasse klassifiziert.The random forest consisting of an ensemble of classifiers or decision trees seeks to find a locally constant separation hyperplane with the help of each decision tree in the feature space in order to store the features for pixels of objects and the background on different sides of this separation hyperplane. The reference system divides the vector space into areas representing the different classes. During the evaluation of the generated multidimensional vectors of the pixels of the intensity image 1, each of the multidimensional vectors is individually compared to the reference system. In each case, it is checked in which area the currently considered multi-dimensional vector of a pixel is arranged. Subsequently, the pixel of the intensity image 1 characterized by a classified multi-dimensional vector is classified into the class assigned to the vector.
Jeder der eine ermittelte Intensität eines Bildpunktes sowie die bestimmten Minima undEach one of a determined intensity of a pixel as well as the determined minimums and
Maxima der Intensitäten der Umgebung eines Bildpunktes aufweisenden mehrdimensionalen Vektoren wird nacheinander oder gleichzeitig allen Entscheidungsbäumen des Zufallswaldes gegenübergestellt. Durch die Gegenüberstellung wird jedem Vektor von einem Entscheidungsbaum eine Klasse zugeordnet. Jedem der mehrdimensiona- len Vektoren der Bildpunkte wird letztendlich die Klasse zugeordnet, welche ihm von den Entscheidungsbäumen mehrheitlich zugeordnet wird. Das bedeutet, dass ein Bildpunkt der Klasse zugeordnet wird, für die die Mehrzahl der Entscheidungsbäume beziehungsweise der Klassifikatoren votiert.Maxima of the intensities of the environment of a pixel-containing multidimensional vectors is juxtaposed successively or simultaneously with all decision trees of the random forest. The comparison assigns a class to each vector of a decision tree. Each of the multidimensional vectors of the pixels is ultimately assigned the class which is assigned to it by the decision trees by a majority. This means that a pixel is assigned to the class for which the majority of decision trees or classifiers vote.
Alternativ zu der Ausführung des Referenzsystemes als Zufallswald ist das Referenzsystem auch als selbstlernendes neuronales Netz oder als ein anderes geeignetes Klassifikationssystem ausführbar, mittels dem die mehrdimensionalen Vektoren der Bildpunkte eines Intensitätsbildes jeweils Partikel charakterisierenden Klassen oder Hintergrund charakterisierenden Klassen zuordenbar sind.As an alternative to the execution of the reference system as a random forest, the reference system can also be implemented as a self-learning neural network or as another suitable classification system, by means of which the multidimensional vectors of the pixels of an intensity image can be assigned to particle-characterizing classes or to classes characterizing background.
Die gegenüber herkömmlichen Partikelanalysesystemen verbesserte Güte des vorbeschriebenen Verfahrens ist anhand der Darstellungen gemäß Figur 5 und Figur 6 grafisch ersichtlich. Dabei zeigt Figur 5 ein mittels eines Mikroskopes erstelltes Intensitätsbild eines mit Partikeln belegten Siebes, wobei die Partikel sowohl mit unterschied- liehen Größen und Orientierungen sowie verschiedenen Intensitäten ausgeführt sind.The improved compared to conventional particle analysis systems quality of the above-described method is graphically apparent from the representations of Figure 5 and Figure 6. In this case, FIG. 5 shows an intensity image, created by means of a microscope, of a sieve coated with particles, wherein the particles are designed both with different sizes and orientations as well as with different intensities.
So weist beispielsweise ein unter dem Bezugszeichen 3 näher bezeichneter Partikel eine höhere Intensität beziehungsweise einen helleren Grauwert als ein in einem Bereich X angeordneter Partikel 4, der aus Aluminiumphosphat besteht, auf. Aufgrund der gegenüber dem Hintergrund helleren Graustufung ist der Partikel 3 einfacher zu detek- tieren als der Partikel 4, dessen Graustufe sich nur geringfügig von der Graustufe des durch das Sieb gebildeten Hintergrundes abhebt.Thus, for example, a particle designated by the reference symbol 3 has a higher intensity or a lighter gray value than a particle 4 arranged in a region X, which consists of aluminum phosphate. Due to the lighter shade of gray compared to the background, the particle 3 is easier to detect. animals as the particle 4, whose gray level is only slightly different from the gray scale of the background formed by the screen.
Wird das in Figur 5 dargestellte Intensitätsbild durch das vorbeschriebene Verfahrens mittels wiederholter Dilatation und Erosion innerhalb verschiedene Flächeninhalte aufweisender Strukturelemente um einen Bildpunkt nacheinander für alle Bildpunkte des Intensitätsbildes aufbereitet und werden die dabei erzeugten Bilder übereinander gestapelt, ergibt sich die in Figur 6 gezeigte Darstellung, welche eine vergrößerte Darstellung des Bereiches X aus Figur 5 ist und in der der Partikel 4 gegenüber dem Hinter- grund stärker herausgearbeitet und somit besser erkennbar ist.If the intensity image represented in FIG. 5 is processed by one pixel in succession for all pixels of the intensity image by the above-described method by means of repeated dilation and erosion within structural elements having different surface contents and the images produced are stacked on top of one another, the illustration shown in FIG 5 is an enlarged representation of the region X from FIG. 5 and in which the particle 4 is worked out more strongly with respect to the background and is thus better recognizable.
Figur 7 zeigt eine stark schematisierte vergrößerte Darstellung des Bereiches X aus Figur 5, welche sich bei einer Auswertung des Intensitätsbildes gemäß Figur 5 bei Verwendung eines herkömmlichen Partikelanalysesystemes ergibt und in der der Par- tikel 4 nicht gefunden wird.FIG. 7 shows a greatly schematized enlarged representation of the region X from FIG. 5, which results from an evaluation of the intensity image according to FIG. 5 when using a conventional particle analysis system and in which the particle 4 is not found.
Figur 8 zeigt eine vergrößerte schematisierte Darstellung des Bereiches X aus Figur 5, welche durch Anwendung des erfindungsgemäßen Verfahrens erhalten wird. In dieser Darstellung ist der Partikel 4 klar konturiert dargestellt und hebt sich mit ausreichender Güte gegenüber dem Hintergrund ab. Mittels dieser Darstellung ist der Partikel 4 auf einfache Art und Weise hinsichtlich Form und Größe detektierbar, womit eine Bewertung eines Reinigungsprozesses, wie sie in der Sauberkeitsanalytik durchgeführt wird, ermöglicht ist.Figure 8 shows an enlarged schematic representation of the region X of Figure 5, which is obtained by applying the method according to the invention. In this illustration, the particle 4 is shown clearly contoured and stands out with sufficient quality against the background. By means of this representation, the particle 4 can be detected in a simple manner with regard to shape and size, thus enabling an evaluation of a cleaning process, as carried out in the cleanliness analysis.
Mit dem vorbeschriebenen Verfahren ist auch für Partikel mit Grauwerten, die sich vomWith the method described above is also for particles with gray values, which differ from the
Hintergrund kaum unterscheiden, eine im Vergleich zu herkömmlichen Partikelanalysesystemen verbesserte Detektionsquote der Partikel erzielbar. Dies führt dazu, dass für die jeweils untersuchten Anwendungen die Funktionsfähigkeit von Erzeugnissen potenziell besser bewertbar ist.Barely distinguish background, an improved compared to conventional particle analysis systems detection rate of the particles achievable. As a result, the functionality of products can potentially be better assessed for the applications studied.
Darüber hinaus ist die Detektion von Objekten beziehungsweise Partikeln mittels der vorbeschriebenen maschinellen Klassifikation sowohl vom Benutzer als auch von der Histogrammform unabhängig, womit die Detektionsquote verschiedener Auswertungen bzw. Klassifikationen reproduzierbar ist. Damit wird auf einfache Art und Weise er- reicht, dass auf dem erfindungsgemäßen Verfahren aufbauende Vorgehensweisen eine deutlich objektivere Aussagekraft besitzen.In addition, the detection of objects or particles by means of the above-described machine classification is independent of both the user and the histogram shape, whereby the detection rate of various evaluations or classifications is reproducible. This is a simple way to It is sufficient that methods based on the method according to the invention have a significantly more objective significance.
Grundsätzlich ist das Verfahren nach der Erfindung für alle Problemkreise geeignet, bei welchen Objekte in Intensitätsbildern zu detektieren sind und sich bezüglich der Textur vom Hintergrund unterscheiden, wobei das Auffinden der Objekte im vorgeschlagenen Algorithmus im Gegensatz zu bestehenden Detektionsalgorithmen benutzer- und histogrammunabhängig ist. In principle, the method according to the invention is suitable for all problem areas in which objects are to be detected in intensity images and differ from the background in terms of texture, the finding of the objects in the proposed algorithm being user-independent and histogram-independent in contrast to existing detection algorithms.

Claims

Ansprüche claims
1. Verfahren zum Bearbeiten eines Intensitätsbildes (1) eines Mikroskopes, insbesondere eines mittels eines Lichtmikroskopes oder eines Rasterelektronen- mikroskopes erstellten Intensitätsbildes (1) eines mit Objekten (3, 4) belegten Trägerelementes, dadurch gekennzeichnet, dass die Intensität eines jeden1. A method for processing an intensity image (1) of a microscope, in particular a created by means of a light microscope or a scanning electron microscope intensity image (1) of objects (3, 4) occupied carrier element, characterized in that the intensity of each
Bildpunktes (2) des Intensitätsbildes (1) ermittelt wird und jeweils mehrere Minima (Imin(Sl) bis lmin(S4)) und Maxima (Imax(Sl) bis lmax(S4)) der Intensitäten einer durch Strukturelemente (Sl bis S4) mit vorgebbaren Flächeninhalten und Formen definierten Umgebung eines jeden Bildpunktes (2) des In- tensitätsbildes (1) bestimmt werden, wobei die ermittelten Intensitäten der Bildpunkte (2) des Intensitätsbildes (1) sowie die bestimmten Minima (Imin(Sl) bis lmin(S4)) und Maxima (Imax(Sl) bis lmax(S4)) der Intensitäten der Umgebung jedes Bildpunktes (2) jeweils zu mehrdimensionalen Vektoren zusammenge- fasst werden.Pixel (2) of the intensity image (1) is determined and in each case a plurality of minima (Imin (Sl) to lmin (S4)) and maxima (Imax (Sl) to lmax (S4)) of the intensities by a structural elements (Sl to S4) with predetermined areas and shapes defined environment of each pixel (2) of Intensitätsbildes (1) are determined, the determined intensities of the pixels (2) of the intensity image (1) and the determined minima (Imin (Sl) to lmin (S4) ) and maxima (Imax (Sl) to lmax (S4)) of the intensities of the environment of each pixel (2) are combined to form multi-dimensional vectors.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass die Umgebung eines Bildpunktes (2) jeweils durch wenigstens zwei Strukturelemente (Sl bis S4) mit unterschiedlichen Flächeninhalten und/oder Formen betrachtet wird.2. The method according to claim 1, characterized in that the environment of a pixel (2) is viewed in each case by at least two structural elements (Sl to S4) with different surface contents and / or shapes.
3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass für jedes3. The method according to claim 1 or 2, characterized in that for each
Strukturelement (Sl bis S4) jeweils ein Minimum (Imin(Sl) bis lmin(S4)) und ein Maximum (Imax(Sl) bis lmax(S4)) der Intensitäten der von dem jeweiligen Strukturelement (Sl bis S4) definierten Umgebung bestimmt wird.Structure element (Sl to S4) in each case a minimum (Imin (Sl) to lmin (S4)) and a maximum (Imax (Sl) to lmax (S4)) of the intensities of the respective structural element (Sl to S4) defined environment is determined ,
4. Verfahren nach Anspruch 3, dadurch gekennzeichnet, dass die Minima (I- min(Sl) bis lmin(S4)) und die Maxima (Imax(Sl) bis lmax(S4)) der Intensitäten der betrachteten Umgebung eines jeden Bildpunktes (2) des Intensitätsbildes (1) durch Dilatation und Erosion ermittelt werden. 4. The method according to claim 3, characterized in that the minima (I- min (Sl) to lmin (S4)) and the maxima (Imax (Sl) to lmax (S4)) of the intensities of the considered environment of each pixel (2 ) of the intensity image (1) can be determined by dilatation and erosion.
5. Verfahren nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, dass die Intensitäten Graustufen sind.5. The method according to any one of claims 1 to 4, characterized in that the intensities are gray levels.
6. Verfahren nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, dass die Strukturelemente (Sl bis S4) als Kreise ausgeführt sind, deren Mittelpunkt jeweils der betrachtete Bildpunkt (2) des aufzubearbeitenden Intensitätsbildes (1) ist.6. The method according to any one of claims 1 to 5, characterized in that the structural elements (Sl to S4) are designed as circles, the center of each of the considered pixel (2) of the aufzubearbeitenden intensity image (1).
7. Verfahren nach einem der Ansprüche 1 bis 6, dadurch gekennzeichnet, dass jeder mehrdimensionale Vektor mittels eines Referenzsystems jeweils einer durch das Referenzsystem vordefinierten Klasse zuordenbar ist.7. The method according to any one of claims 1 to 6, characterized in that each multi-dimensional vector by means of a reference system in each case a predefined by the reference system class can be assigned.
8. Verfahren nach Anspruch 7, dadurch gekennzeichnet, dass das Referenzsystem mittels einer überwachten Trainingsprozedur erstellt wird, während der ein Intensitätsbild ausgewertet wird.8. The method according to claim 7, characterized in that the reference system is created by means of a supervised training procedure, during which an intensity image is evaluated.
9. Verfahren nach Anspruch 7 oder 8, dadurch gekennzeichnet, dass jeder der mehrdimensionalen Vektoren dem Referenzsystem einzeln gegenübergestellt wird und jeweils überprüft wird, in welchem Bereich ein mehrdimensionaler Vektor angeordnet ist, wobei der durch einen klassifizierten mehrdimensionalen9. The method according to claim 7 or 8, characterized in that each of the multidimensional vectors is compared to the reference system individually and is checked in each case, in which area a multidimensional vector is arranged, which by a classified multi-dimensional
Vektor charakterisierte Bildpunkt (2) des Intensitätsbildes (1) in die dem Vektor zugeordnete Klasse klassifiziert wird.Vector characterized pixel (2) of the intensity image (1) is classified in the vector associated with the class.
10. Verfahren nach einem der Ansprüche 7 bis 9, dadurch gekennzeichnet, dass das Referenzsystem als ein selbstlernendes neuronales Netz ausgeführt ist.10. The method according to any one of claims 7 to 9, characterized in that the reference system is designed as a self-learning neural network.
11. Verfahren nach einem der Ansprüche 7 bis 9, dadurch gekennzeichnet, dass das Referenzsystem als Zufallswald mit Entscheidungsbäumen ausgeführt ist, wobei die Entscheidungsbäume als mehrdimensionale Vektoren ausgebildet sind, die während der überwachten Klassifikationsprozedur anhand eines Intensitätsbildes generiert werden.11. The method according to any one of claims 7 to 9, characterized in that the reference system is designed as a random forest with decision trees, wherein the decision trees are designed as multi-dimensional vectors, which are generated during the monitored classification procedure based on an intensity image.
12. Verfahren nach Anspruch 11, dadurch gekennzeichnet, dass jeder eine ermittelte Intensität eines Bildpunktes (2) sowie die bestimmten Minima (Imin(Sl) bis lmin(S4)) und Maxima (Imax(Sl) bis lmax(S4)) der Intensitäten der Umgebung eines Bildpunktes (2) aufweisende mehrdimensionale Vektor allen Entscheidungsbäumen des Zufallswaldes gegenübergestellt und jeder Vektor von jedem Entscheidungsbaum einer Klasse zugeordnet wird, wobei jeder der mehrdimensionalen Vektoren letztendlich der Klasse zugeordnet wird, welche ihm von den Entscheidungsbäumen mehrheitlich zugeordnet wird. 12. The method according to claim 11, characterized in that each of a determined intensity of a pixel (2) and the determined minima (Imin (Sl) to lmin (S4)) and maxima (Imax (Sl) to lmax (S4)) of the intensities of the surroundings of a pixel (2) are compared to all decision trees of the random forest and each vector of each decision tree is assigned to a class, each of the multidimensional Finally, vectors are assigned to the class which is majority assigned to them by the decision trees.
PCT/EP2007/059311 2006-09-18 2007-09-06 Method for processing an intensity image of a microscope WO2008034721A1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
GB0905233A GB2454857B (en) 2006-09-18 2009-03-26 Method for processing a microscope intensity image

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
DE102006043684.9 2006-09-18
DE102006043684A DE102006043684A1 (en) 2006-09-18 2006-09-18 Method for processing an intensity image of a microscope

Publications (1)

Publication Number Publication Date
WO2008034721A1 true WO2008034721A1 (en) 2008-03-27

Family

ID=38669507

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2007/059311 WO2008034721A1 (en) 2006-09-18 2007-09-06 Method for processing an intensity image of a microscope

Country Status (3)

Country Link
DE (1) DE102006043684A1 (en)
GB (1) GB2454857B (en)
WO (1) WO2008034721A1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109409188A (en) * 2017-08-18 2019-03-01 罗伯特·博世有限公司 Equipment for Modulation recognition

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102007054392A1 (en) 2007-11-14 2009-05-20 Robert Bosch Gmbh Self-adaptivity of scanning electron microscopes
DE102020203707A1 (en) 2020-03-23 2021-09-23 Robert Bosch Gesellschaft mit beschränkter Haftung Plausibility check of the output of neural classifier networks
DE102020203705A1 (en) 2020-03-23 2021-09-23 Robert Bosch Gesellschaft mit beschränkter Haftung Plausibility check of the output of neural classifier networks based on additional information about features
DE102020204758A1 (en) 2020-04-15 2021-10-21 Robert Bosch Gesellschaft mit beschränkter Haftung Fast symmetry detection for the classification of objects from digital images
DE102020208008A1 (en) 2020-06-29 2021-12-30 Robert Bosch Gesellschaft mit beschränkter Haftung Image classification and related training for security-related classification tasks

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1992013308A1 (en) * 1991-01-29 1992-08-06 Neuromedical Systems, Inc. Morphological classification system and method
WO1996038809A1 (en) * 1995-05-31 1996-12-05 Neopath, Inc. Method and apparatus for assessing slide and specimen preparation quality
US6456899B1 (en) * 1999-12-07 2002-09-24 Ut-Battelle, Llc Context-based automated defect classification system using multiple morphological masks
US20030147556A1 (en) * 2002-01-18 2003-08-07 Madhusudhana Gargesha Face classification using curvature-based multi-scale morphology
US20040126008A1 (en) * 2000-04-24 2004-07-01 Eric Chapoulaud Analyte recognition for urinalysis diagnostic system
US20040161161A1 (en) * 2003-02-14 2004-08-19 Recht Joel M. Method and system for image segmentation

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1992013308A1 (en) * 1991-01-29 1992-08-06 Neuromedical Systems, Inc. Morphological classification system and method
WO1996038809A1 (en) * 1995-05-31 1996-12-05 Neopath, Inc. Method and apparatus for assessing slide and specimen preparation quality
US6456899B1 (en) * 1999-12-07 2002-09-24 Ut-Battelle, Llc Context-based automated defect classification system using multiple morphological masks
US20040126008A1 (en) * 2000-04-24 2004-07-01 Eric Chapoulaud Analyte recognition for urinalysis diagnostic system
US20030147556A1 (en) * 2002-01-18 2003-08-07 Madhusudhana Gargesha Face classification using curvature-based multi-scale morphology
US20040161161A1 (en) * 2003-02-14 2004-08-19 Recht Joel M. Method and system for image segmentation

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109409188A (en) * 2017-08-18 2019-03-01 罗伯特·博世有限公司 Equipment for Modulation recognition

Also Published As

Publication number Publication date
GB2454857A (en) 2009-05-27
DE102006043684A1 (en) 2008-03-27
GB2454857B (en) 2010-06-09
GB0905233D0 (en) 2009-05-13

Similar Documents

Publication Publication Date Title
DE112014003984B4 (en) Device operating with a charged particle beam
WO2008034721A1 (en) Method for processing an intensity image of a microscope
EP1181525A2 (en) Method for the automatic analysis of microscope images
DE102018109819A1 (en) Method for obtaining information from X-ray computed tomography data for optimizing the injection molding process of short fiber reinforced plastic parts
EP2187351A1 (en) Device and method for detecting objects
EP1015874B2 (en) Process for evaluating defects of textile fabrics
WO2021219515A1 (en) Method, device and computer program for generating quality information concerning a coating profile, method, device and computer program for generating a database, and monitoring device
EP3468727B1 (en) Sorting device and corresponding sorting method
DE69819743T2 (en) CLASSIFICATION SYSTEM FOR ODOR DETECTION
DE19942223A1 (en) Classification procedure with rejection classes e.g. for classification of road sign recognition, involves defining rejection class R as an additional class to which are assigned
DE19612465C2 (en) Automatic optimization of object detection systems
AT522945B1 (en) Method and test system for determining the quality of an optical projection unit
EP2096578A2 (en) Method and device for characterising the formation of paper
EP1525554A1 (en) Method for evaluating the signals of an electronic image sensor during pattern recognition of image contents in a test piece
DE102021114287A1 (en) Microscopy system and method for generating stylized contrast images
DE102020207323A1 (en) Measure the sensitivity of image classifiers based on realistic changes that cross class boundaries
EP2642749B1 (en) Device and method for optimising the determination of pick-up areas
EP0693200B1 (en) Object sorting process
AT511399B1 (en) METHOD FOR THE AUTOMATED CLASSIFICATION OF INCLUSIONS
DE102016200854B4 (en) Method and arithmetic unit for dimensioning a classifier
DE10024559B4 (en) Object recognition method
DE102004018174B4 (en) Method of acquiring forms from images with cases and case-based recognition of objects in digital images, computer program product and digital storage medium for carrying out this method
DE102018109816B3 (en) A method for obtaining at least one significant feature in a series of components of the same type and method for classifying a component of such a series
DE102004050942B4 (en) Bootstrap method for supervised teach-in of a pattern recognition system
DE102008025213A1 (en) Method for segmenting fingerprint images

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 07803271

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 0905233

Country of ref document: GB

Kind code of ref document: A

Free format text: PCT FILING DATE = 20070906

WWE Wipo information: entry into national phase

Ref document number: 0905233.3

Country of ref document: GB

122 Ep: pct application non-entry in european phase

Ref document number: 07803271

Country of ref document: EP

Kind code of ref document: A1