Project Details
Projekt Print View

Auswirkung der Sensorkalibrierung auf die Ergebnisse der Farbbildverarbeitung

Subject Area Image and Language Processing, Computer Graphics and Visualisation, Human Computer Interaction, Ubiquitous and Wearable Computing
Term from 2005 to 2011
Project identifier Deutsche Forschungsgemeinschaft (DFG) - Project number 5447285
 
Final Report Year 2010

Final Report Abstract

Die Auswirkung der Sensorkalibrierung auf die Ergebnisse der Farbbildverarbeitung konnte im Rahmen dieser Arbeit nachgewiesen werden. Abhängig von der Reihenfolge der Verarbeitungsschritte in der Bildverarbeitungskette gibt es Unterschiede bei den Erkennungsraten. Die Entscheidung, ob beispielsweise ein Objekt erst ausgeschnitten und dann farbnormalisiert wird, spielt bei den meisten Verfahren eine erhebliche Rolle. Hierfür sind zwei Erklärungen möglich: Erstens, die Bilder werden durch die Algorithmen so massiv verändert, dass sie sich nur noch sich selbst ähnlich sehen und damit besser unterschieden werden können. Oder zweitens, die Verfahren stellen sich besser auf die Objektfarben ein und werden nicht durch Hintergründe oder Umgebung beeinflusst. In der Summe sind die Erkennungsraten höher, wenn die Normalisierung nach der Extraktion der Objekte erfolgt. Die kalibrierten Bilder sind hiervon nicht betroffen, da die Pixelwerte einzeln einem definierten Spektrum, und damit einer Farbvalenz zugeordnet werden. Ausgenommen sind hier auch die Bilder der Chromatizitätsnormalisierung, da hier die Pixelwerte auch nicht von benachbarten Bildpunkten abhängen. Die Leistungsfähigkeit von manchen Farbnormalisierungsverfahren hängt außerdem von der Dimensionalität der Histogramme ab. Während die Ansätze Graue Welt und Local Space Average Color besser bei 3-D-Histogrammen funktionieren, liefern Retinex und Kalibrierung nach Lee sowohl bei 3×1-D als auch 3-D mitunter sehr gute Erkennungsraten. Besonders Kalibrierung nach Lee hat bei 3×1-D-Histogrammen einen deutlichen Vorteil gegenüber den anderen Verfahren. Dieser Vorsprung ist im 3-D-Fall nicht mehr so signifikant aber dennoch numerisch vorhanden. Weiterhin hat sich gezeigt, dass es Ansätze zur Farbnormalisierung gibt, die nicht nur unter der durchschnittlichen Erkennungsrate aller untersuchten Verfahren liegt, sondern im Mittel sogar schlechtere Ergebnisse erzielen, als ganz ohne Normalisierung. Diesbezüglich liegen Pomierski, Comprehensive Color Normalization und Chromatizität am unteren Ende der Erkennungsraten, während Rotation in RGB in der Summe im oberen Drittel liegt. Die Modifikation CCN mit Luminanzanpassung zeigt, anders als sein Original im Bereich CN Stärke, die im Falle des Histogrammvergleichs über die Summe der quadratischen Abstände sogar die maximale mittlere Erkennungsrate liefert. Die verschiedenen untersuchten Histogramm-Abstandsmaße haben ebenfalls einen Einfluss auf die Erkennungsleistung des verwendeten Klassifikators, wobei die Unterschiede jedoch nicht besonders groß sind. Unabhängig vom Abstandsmaß, der gewählten Reihenfolge der Objektsegmentierung und der Dimensionalität der Histogramme, liefern die Farbnormalisierungen Retinex und Kalibrierung nach Lee durchweg gute Erkennungsraten, die besser als ohne Normalisierung und der Durchschnitt sind. Die kalibrierten Bilder liefern sogar im arithmetischen Mittel in 14 von 16 Fällen die maximalen Erkennungsraten. Damit konnte gezeigt werden, dass sich die Kalibrierung der Sensorinformation einen positiven Einfluss auf die Ergebnisse der Farbbildverabeitung hat, hier im besonderen bei den Erkennungsraten der Objektklassifikation.

Publications

  • Modell der Bildentstehung mit HDR-Kameras. In: 12. Workshop Farbbildverarbeitung, Seiten 97–108, 10 2006
    Hans, Wolfram, Thorsten Grosch, Tobias Feldmann, Dietrich Paulus und Stefan Müller
  • Spektrale Eigenschaften einer HDR-Kamera. In: Hans, Wolfram, Detlev Droege und Dietrich Paulus (Herausgeber): 13. Workshop Farbbildverarbeitung, Seiten 65–73, Tönning, 10 2007. Der Andere Verlag
    Hans, Wolfram, Florian Bäckermann, Stefan Müller und Dietrich Paulus
  • Automatisierte Objektaufnahme für Bilddatenbanken. In: Helling, Stephan, Johannes Brauers, Bernhard Hill und Til Aach (Herausgeber): 14. Workshop Farbbildverarbeitung, Seiten 143–151, RWTH Aachen, 10 2008. Shaker
    Hans, Wolfram und Dietrich Paulus
  • Farbmetrische Objekterkennung. In: Stanke, Gerd und M. Pochanke (Herausgeber): Berlin, Germany, 2009. GfAI, Seiten 43–51
    Hans, Wolfram, Benjamin Knopp und Dietrich Paulus
  • Farbmetrische Objekterkennung. In: Stanke, Gerd und M. Pochanke (Herausgeber): Berlin, Germany, 2009. GfAI, Seiten 43–51
    Hans, Wolfram, Benjamin Knopp und Dietrich Paulus
  • Colorimetric Object Classification. In: Skala, Vaclav (Herausgeber): WSCG 2010 - Proceedings, Seiten 23– 26, Plzen, Czech Republic, 2010. Vaclav Skala – Union Agency. 18th International Conference on Computer Graphics, Visualization and Computer Vision 2010 was held in co-operation with EUROGRAPHICS on February 1 - 4, 2010
    Hans, Wolfram und Dietrich Paulus
  • Extending SURF to the Color Domain. In: CGIV 2010 - Fifth European Conference on Colour in Graphics, Imaging and Vision, 2010
    Gossow, David, Peter Decker und Dietrich Paulus
 
 

Additional Information

Textvergrößerung und Kontrastanpassung