@mastersthesis { Sti2018,
     author        = { Georg Stilow },
     title         = { Auswahl und Erweiterung eines lernbasierten Kantendetektionsverfahrens zur echtzeitf{"a}higen Objekterkennung },
     month         = { January },
     year          = { 2019 },
     school        = { Paderborn University },
     type          = { Master's thesis },
     abstract      = { Im Rahmen einer Objekterkennung werden Einzelbilder oder Bildsequenzen systematisch nach einem oder mehreren Objekten von Interesse durchsucht. Ein verbreiteter Ansatz zur Objekterkennung basiert auf der Analyse von Objektkonturen, die beispielsweise aus Kantenbildern extrahiert werden. Kantendetektionsverfahren liefern jedoch zun{"a}chst mehrdeutige und oftmals unterbrochene Konturen in Form von Grauwertbildern. In dieser Arbeit werden lernbasierte Kantendetektionsverfahren untersucht und anhand einer Gegen{"u}berstellung ein Verfahren zur Erkennung von Objektkonturen ausgew{"a}hlt. Das ausgew{"a}hlte Verfahren muss zun{"a}chst trainiert werden, wozu zum Beispiel ein Datensatz verwendet werden kann, der aus nat{"u}rlichen Bildern und den von Testpersonen erstellten Segmentierungen besteht. Nach dem Training werden Grauwertbilder erstellt, deren Helligkeitswerte die Wahrscheinlichkeit f{"u}r eine dort positionierte Kante repr{"a}sentieren. Um die Grauwertbilder in Objekterkennungsverfahren verwenden zu k{"o}nnen, sollen Mehrdeutigkeiten aufgel{"o}st und unterbrochene Konturen verbunden werden, so dass sich geeignete bin{"a}re Kantenbilder ergeben. Das resultierende Gesamtverfahren soll dabei m{"o}glichst echtzeitf{"a}hig sein. }
}