Komponentenbasierte Formbeschreibung zur ansichtengestützten Erkennung von 3D-Objekten
Final Report Abstract
Die im Rahmen des KomForm Projektes realisierte Scheinkonturwahrnehmung auf Grau bzw. Farbwerteingabebildern ermöglicht eine Einteilung des Bildinhalts in überlappende Objektformen und stellt damit die Basis für eine komponentenbasierte Objektrepräsentation dar. Darüber hinaus konnte gezeigt werden, dass eine Extraktion monokularer Tiefeninformation allem aufgrund von Verdeckungen möglich ist. Im Laufe des KomForm Projektes wurden unterschiedliche Aspekte bearbeitet, wie die Kodierung von Grauwertbildern als Tensorkarten, die Anwendung des Tensor-Voting-Verfahrens auf Grauwertbilder, die Implementierung einer Bildvorverarbeitung und die realisierte Scheinkonturwahrnehmung, welche sowohl als Konturvervollständigung durch Tensor Voting, als auch als Spline-Interpolation implementiert wurde. Die Scheinkonturdetektion, welche auch Polaritätsinformationen an Schlüsselpunkten berücksichtigt, wird ergänzt durch eine Figur Grund Unterscheidung und eine anschließende Propagation von Tiefeninformationen über die gesamte Kontur. Was rückblickend zu Beginn des KomForm Projektes nicht absehbar war, ist die Komplexität des Themas Scheinkonturwahrnehmung, was sich als Schlüssel zu einer Einteilung von Inhalten monokularer Grauwertbilder in überlappende Objektformen herausgestellt hat. Zu einer robusten Anwendung des realisierten Verfahrens auf natürliche Bilder ist es notwendig, einen weiteren Vorverarbeitungsschritt zu etablieren, welcher es ermöglicht, ein Eingangsbild zu simplifizieren, d.h. hochfrequente Bildinhalte entsprechend einer gewünschten Skalierung aus dem Bild zu entfernen und damit das Bild auf die wesentlichen Bildinhalte zu reduzieren. Ein erster Ansatz hierzu wurde bereits in Form eines anisotropen Regularisierungsverfahrens realisiert. Die gegenwärtig realisierte Figur Grund Unterscheidung basiert ausschließlich auf dem monokularen Tiefenkriterium der Verdeckung. Es bietet sich in diesem Kontext eine Verknüpfung mit binokularer Tiefenwahrnehmung an Stereoskopische Tiefeninformation kann gerade an Schlüsselpunkten besonders gut zur Figur Grund Unterscheidung herangezogen werden, da Stereoalgorithmen in diesen Bereichen aufgrund des hohen Informationsgehaltes des Bildes besonders zuverlässige Aussagen treffen. Ein notwendiger weiterer Schritt ist außerdem die Kopplung an Ansichten gestützte Objekterkennung im Sinne der Arbeitspakete C und D des KomForm Antrags.
Publications
- Application of the Tensor Voting Technique for Perceptual Grouping to Grey-Level Images. In L Van Gool (ed.): Pattem Recognition, 24th DAGM Symposium (DAGM 2002), Zurich, Switzerland, 2002, pp 306-313 BibTex Entry BibTeX
A. Massad, M. Babos, and B. Mertsching
- Inferring Salient Features in Images by Perceptual Grouping with Inhibitory and Excitatory Tensor Fields. In: R Wurtz and M Lappe (eds.): Dynamic Perception (DynPerc 2002), Bochum, 2002, pp 227-232
A. Massad and B. Mertsching
- Perceptual Grouping in Grey Level Images by Combination of Gabor Filtering and Tensor Voting. In R Kasturi, D Laurendeau, and C Suen (eds.) 16th International Conference on Pattern Recognition (ICPR 2002), Quebec, Canada, 2002, vol 2, pp 677-680
A. Massad, M. Babos, and B. Mertsching
- Space-Variant Motion Analysis for an Active-Vision System In W. Philips, J. Blanc-Talon, and D. Popuscu (eds.): Advanced Concepts for Intelligent Vision Systems (ACIVS 2002), Ghent, Belgium, 2002, pp 252-259
A. Massad, M. Jesikiewicz, and B. Mertsching
- Application of the Tensor Votmg Technique for Perceptual Grouping to Grey-Level Images Quantitative Evaluation. In: Intl Symposium on Image and Signal Processing and Analysis (ISPA 2003), Rome, Italy, 2003
A. Massad, M. Babos, and B. Mertsching
- Quantitative Comparison of Tensorial Image Descriptions for the Application to Perceptual Grouping by the Tensor Voting Technique. In: The 3rd lASTED Intl Conf on Visualization, Imaging, and Image Processing (VHP 2003), Benalmadena, Spain, 2003
A. Massad and B. Mertsching
- A Computational Approach to Illusory Contour Perception Based on the Tensor Voting Technique. In: 10th Ibero-American Congress on Pattem Recognition (CIARP 2005), Berlin (Springer), 2005, Lecture Notes in Computer Science 3773, pp 71-80 ISBN 3-540-29850-9 ISSN 0302-9743
M. Hund and B. Mertsching
- Depth Ordering and Figure-Ground Segregation m Monocular Images derived from Illusory Contour Perception. In: 17th European Conference on Artificial Intelligence (ECAI 2006), 2006
M. Hund and B. Mertsching
- Anisotropic Diffusion by Quadratic Regularization. 3rd International Conference on Computer Vision Theory and Applications (VISAPP 2008), 2008
M. Hund and B. Mertsching
- Perzeptuelle Organisation von Objektgrenzen unter Verwendung anisotroper Regularisierungsmethoden Dissertation, Universität Paderborn, 2008
M. Hund
