3D-Invarianten zur automatischen Pollenerkennung

Abstract: In der gleichnamigen Dissertation (Ronneberger, 2007) wird die Entwicklung von 3D Invarianten zur Erkennung von biologischen Strukturen beschrieben. Diese Invarianten wurden mit Hilfe eines Schemas entwickelt, das ursprünglich von H. Schulz-Mirbach (1995) ausgearbeitet wurde und auf der Haar-Integration beruht. Die benötigten Invarianzeigenschaften werden dabei durch die Integration über die entsprechende Transformationsgruppe wie z.B. Rotation und Translation erreicht. Verschiedene Erweiterungen des Haar-Integrations-Schemas werden beschrieben, die für die Anwendung auf 3D Volumendaten biologischer Strukturen benötigt werden. Die wichtigste Erweiterung ist dabei die Einführung eines Deformationsmodells, so dass die resultierenden Merkmale robust gegenüber elastischen Deformationen der betrachteten Strukturen werden, ohne aber feine relevante Strukturen zu unterdrücken. Ein weiterer wichtiger Aspekt ist die erreichte Robustheit gegenüber nicht-linearen Grauwert-Transformationen, die gewisse Veränderungen der Aufnahmebedingungen zwischen den Aufnahmen der Trainings- und der Test-Objekte erlaubt. Die beschriebenen Verfahren wurden erfolgreich für die Erkennung von Pollen eingesetzt. Dabei wurden sowohl auf reinen Laborproben als auch auf einem "Real-World"-Datensatz von dem ersten Prototypen eines vollautomatischen Pollenmonitors Ergebnisse erzielt, die weit über dem internationalen Stand der Technik liegen.