Bildverstehen

Inhaltsangabe1 Einleitung.- 1.1 An den Leser.- 1.2 Zum Aufbau des Buches.- 1.3 Der Begriff ‚Bildverstehen‘.- 2 Über das Sehen.- 2.1 Neurophysiologie.- 2.1.1 Nervenzelle und Gehirn.- 2.1.2 Das Auge.- 2.1.3 Optische Reizleitung im Gehirn.- 2.1.4 Die ersten Verarbeitungsschritte.- 2.1.5 Zusammenfassung.- 2.2 Perzeptive und Kognitive Psychologie.- 2.2.1 Bottom-Up Gruppierung.- 2.2.2 Form und Organisation.- 2.2.3 Die dritte Dimension.- 2.2.4 Links – Rechts.- 2.3 Die Informationsverarbeitungs-Sicht.- 2.4 Zusammenfassende Beobachtungen.- 2.5 Bibliographie.- 3 Grundlagen aus digitaler Bildverarbeitung und Mustererkennung.- 3.1 Das digitale Rasterbild.- 3.1.1 Abt ast verfahren.- 3.1.2 Quantisierung.- 3.1.3 Bildformate, Multibilder.- 3.1.4 Nachbarschaft.- 3.1.5 Farbmodelle.- 3.2 Bildvorverarbeitung.- 3.3 Erste Bildanalyseschritte: Das Histogramm.- 3.4 Bilder in neue Bilder überführen: Filteroperationen und Transformationen.- 3.5 Punktoperationen.- 3.5.1 Kontrastveränderungen.- 3.5.2 Schwellwertoperationen.- 3.5.3 Look-Up-Tabellen.- 3.5.4 Punktoperationen mit mehreren Bildern.- 3.5.5 Histogramm-Verebnung.- 3.6 Faltung.- 3.6.1 Der Rand des Bildes.- 3.6.2 Beispiele zur Faltung.- 3.7 Lokale Operationen.- 3.7.1 Faltung mit lokalen Fensteroperationen.- 3.7.2 Andere lokale Fensteroperationen.- 3.8 Morphologische Operationen.- 3.9 Globale Operationen.- 3.9.1 Fouriertransformation.- 3.9.2 Andere globale Operationen.- 3.10 Bildpyramiden.- 3.10.1 Gaußpyramide.- 3.10.2 Laplacepyramide.- 3.10.3 Anwendungen von Pyramiden.- 3.10.4 Zusammenfassung.- 3.11 Von Pixeln zu Merkmalen.- 3.11.1 Der Merkmalsraum.- 3.11.2 Klassifikation im Merkmalsraum.- 3.12 Bibliographie.- 4 Grundlagen aus Artificial Intelligence.- 4.1 Produktionssysteme (PS).- 4.1.1 Die Problemlösung im PS.- 4.1.2 Prädikatenlogik erster Ordnung, Prolog.- 4.2 Expertensysteme.- 4.3 Repräsentation ? Beschreibung.- 4.4 Wissensrepräsentation.- 4.4.1 Semantische Netze.- 4.4.2 Frames.- 4.5 Funktionale Programmierung, LISP.- 4.6 Neurale Netzwerke (Konnektionismus).- 4.6.1 Allgemeines Modell für ein Neurales Netz.- 4.6.2 Beispiele häufig verwendeter Netzwerkmodelle.- 4.6.3 Ein Netzwerk zur Bildinterpretation.- 4.7 Bibliographie.- 5 Ein Systemmodell für Bildverstehen.- 5.1 Repräsent ationsebenen.- 5.2 Prozesse.- 5.3 Kontrolle und Auswahl.- 5.4 Das vollständige Modell.- 6 Segmentation: Vom Bild zu Bildobjekten.- 6.1 ‚Token‘ und ‚Tokenset‘.- 6.2 Flächenbasierte Segmentation.- 6.2.1 Schwellwerte Setzen (‚Histogram Thresholding‘).- 6.2.2 ‚Region Growing‘.- 6.2.3 ‚Split‘ und ‚Merge‘.- 6.2.4 ‚Blobs‘ und ‚Scale Space‘.- 6.2.5 Beispiel für ein ‚constellation‘ Token.- 6.3 Kantenbasierte Segmentation.- 6.3.1 Repräsentation von Kanten, Linien und Kurven.- 6.3.2 Gradienten und ‚Zero-Crossings‘.- 6.3.3 Beispiele (Sobel, DoG und Canny).- 6.3.4 2D Modelle.- 6.4 Kombinieren und Einschränken.- 6.5 Token Merkmale.- 6.5.1 2D Formmerkmale.- 6.5.2 Andere Merkmale.- 6.5.3 Invarianz.- 7 Von ‚Tokens‘ zu symbolischer Repräsentation.- 7.1 Gruppierung, Constraints.- 7.2 2D Szenenbeschreibung.- 7.2.1 Das Schema System.- 7.2.2 Neurale Netze in der Fernerkundung.- 7.3 ‚Shape from X‘.- 7.4 3D Formbeschreibungen.- 7.5 Objektrepräsentation in Frames.- 8 Verstehen.- 8.1 Matching.- 8.1.1 Image-Matching, Template-Matching.- 8.1.2 Klassifikation.- 8.1.3 Relational Distance Matching.- 8.2 Kontrolle.- 8.3 Lernen.- 9 Epilog.- 9.1 Fusion und ‚Active Fusion‘.- 9.2 Fusion in Medizin und Fernerkundung.- 9.2.1 Diagnose und Therapie der altersbedingten Makuladegeneration.- 9.2.2 Klassifikation von Satellitenbildern.- A KBVision.