Auswahl und Erweiterung eines lernbasierten Kantendetektionsverfahrens zur echtzeitfähigen Objekterkennung
G. Stilow
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 zunächst mehrdeutige und oftmals unterbrochene Konturen in Form von Grauwertbildern. In dieser Arbeit werden lernbasierte Kantendetektionsverfahren untersucht und anhand einer Gegenüberstellung ein Verfahren zur Erkennung von Objektkonturen ausgewählt. Das ausgewählte Verfahren muss zunächst trainiert werden, wozu zum Beispiel ein Datensatz verwendet werden kann, der aus natürlichen Bildern und den von Testpersonen erstellten Segmentierungen besteht. Nach dem Training werden Grauwertbilder erstellt, deren Helligkeitswerte die Wahrscheinlichkeit für eine dort positionierte Kante repräsentieren. Um die Grauwertbilder in Objekterkennungsverfahren verwenden zu können, sollen Mehrdeutigkeiten aufgelöst und unterbrochene Konturen verbunden werden, so dass sich geeignete binäre Kantenbilder ergeben. Das resultierende Gesamtverfahren soll dabei möglichst echtzeitfähig sein.