Bio-inspired high level vision - from images to shape models for object detection. - 55 S. : Ilmenau, Techn. Univ., Masterarbeit, 2010
In dieser Arbeit wird ein bio-inspiriertes Translationsinvariantes High-Level Objekterkennungssystem entworfen, implementiert und evaluiert. Das System kombiniert die parallele Hough-Transformation PHT, als Feature-Extraktor und Informationsfilter, mit der generalisierten Hough-Transformation GHT und basiert auf ein Mid-Level-Vision-Modul, das parallele Hough-Transformation-Modul, das ein Konturbild in eine Kanten-Featureliste umwandelt. Aus der Featureliste wird eine Referenztabelle R-Tabelle erzeugt, die nach dem Votierprinzip der generalisierten Hough-Transformation in ein Akkumulator-Array votiert. Das Lokalmaximum im Akkumulator wird ermittelt und mit einem Schwellwert verglichen. Ein PHT-Core der Größe 8x8 zur Detektierung von Geradenstücken wurde verwendet. Zur Beurteilung des Erkennungssystems wurde die Receiver Operating Characteristic ROC-Kurve, mit Verwendung der Schwellwerte 5,15,...,95%, als Gütekriterium eingesetzt. Die Auswirkung der PHT-Parameter auf den Erkennungsprozess wurde untersucht. Tests an synthetisierten Bildern zeigten ideale Klassifkationseigenschaften (eine Erkennungsrate von 100% mit einer Falsch-Positiv-Rate von 0%).