Mustererkennung

Der Mustererkennung kommt in der Bildverarbeitung eine große Bedeutung zu, die motiviert wird vom dem Wunsch, das sehr komplexe optische Wahrnehmungsvermögen des Menschen mit Hilfe von Digitalrechnern nachzuahmen. Der Mensch ist in der Lage, aus der ungeheuren Datenflut, die das Auge dem Gehirn liefert, die für ihn wichtigen Informationen zu extrahieren und auch so zu speichern, daß ein Wiedererkennungsprozeß möglich ist. Dieser Praktikumsversuch beschäftigt sich mit der Mustererkennung von einfachen, zusammenhängenden Objekten in Binärbildern, in denen nur zwei Helligkeitsstufen, weiß (1) und schwarz (0), vorhanden sind. Eine sinnvolle Unterscheidung zwischen den Objekten und dem Hintergrund erfolgt durch Binarisieren des Grauwertbildes, welches die Kamera liefert. Ist das interessante Objekt vom Hintergrund getrennt, kann die eigentliche Mustererkennung beginnen. Sie setzt sich aus zwei Schritten zusammen, die Merkmalsextraktion und die Klassifikation. Je nach Anforderungsgrad erhalten die beiden Stufen ihre Gewichtung. Bei einer bildunterstützten Qualitätskontrolle beispielsweise, bei der das Objekt fest positioniert ist, kommt dem Klassifikator eine größere Bedeutung zu als der Merkmalsextraktion, die sich z.B. auf rein heuristische Messgrößen stützen kann. Sollen Objekte unabhängig von ihrer Lage (z.B. Translation und Rotation) erkannt werden, was das Ziel in diesem Versuch sein soll, ist eine aufwendigere lageinvariante Merkmalsextraktion erforderlich.

Die Sprache des Versuches ist APL2, eine weiterreichende Version von APL (A Programming Language), die es als Interpreter-Sprache leicht erlaubt, auch während eines Praktikumtermines Anwendungen der Bildverarbeitung direkt zu programmieren. Dies ist möglich durch die kompakte Schreibweise der Befehle, die komplexe Operationen wie z.B. Vektor- und Matrixrechnung erlaubt.