it.CHayer - - Studium TI/NT > Projekt Bildverarbeitung

Informationen zur Projektarbeit in Bildverarbeitung

Projekt im Rahmen der Vorlesung Bildverarbeitung im Semester TI8 (WS2005/06)

Projektthema: Erkennung von Blätter von Laubbäumen und Sträuchern

zu den Projektdokumentationen
zu den Projektdateien (Bilder & MATLAB-Code)

Projektbeschreibung:
Das Ziel unseres Projektes ist es, dass wir unserem Programm (MATLAB) ein beliebiges Blatt (Bild) vorgeben und es erkennen muss um welchen Typ es sich handelt. In der 1. Stufe sollen die Vorlagen korrekt erkannt werden, wenn dies Funktioniert soll versucht werden ein beliebiges Blatt zu nehmen (keine Vorlage) und das Programm muss anhand der Merkmale erkennen um was es sich handelt.

Gruppeneinteilung (2er/3er Gruppen):

Projektleitung (Datenstruktur,Projektplanung,Kontrolle)

A: [Nico Latsch, Markus Gruler, Alexander Fink, (Christian Hayer)]

Bilder zusammenstellen (Blätter sammeln und digitalisieren)

A: [Anna-Karina Grebe, Christian Hayer, Stefan Bauer]

Merkmalextraktion (Konturen, Farben)

A: [Kristijan Videc, Michael Bischoff] Merkmal: Fläche und Umfang

B: [Michael Luik, Michael Müller] Merkmal: Zacken, (Stiel ab)

C: [Timo Forstner, Michael Deibler] Merkmal: Länge und Breite (Verhältnis) Moment, Trägheitsachsen

D: [Stephan Pfaffinger, Steffen Decker, Andreas Baldauf] Merkmal: Zeilen und Spalten, (Blatt ausschneiden)

E: [Jorge Sanchez] Merkmal: FFT-Umlaufprofil

Klassifikation (Neuronale Netze)

A: [Mario Kunz, Jens Hermann, Jacek Kroczek]

B: [Lahcen Bouamer,Destaw Y. Meshesha, Augés Bertrand Tchouante Kemgang, Sven Vogt]

Projektinformationen:
Alle für dieses Projekt relevanten Daten sind in unserem Projektverzeichnis abgelegt:
/work/Dozenten/Malz/Bildverarbeitung/Studenten/_Projekt-Blatterkennung

Notizen zur Vorlesung vom 8.11.2005:
Stiel abschneiden !!!
Erkennungsmerkmals: Spitzen, Zacken, Histogramm, Stiel als eine Kategorie mit Parametern: Knickwinkel, Größe,
Suche in unterschiedlichen Maßstäben (Gaußpyramide)
Hierarchische Suche?
Farbe, Farbart (Farbräume, Transformation z.B. RGB -> HSI)
Länge/Breite, Umfang (auch in Relation zu Länge/Breite/Fläche),
Trägheitsachsen
Normieren auf ? Größe, Länge, Fläche (y=tanh(x))
Schwerpunkt, Radarstrahl, f(phi), Fourier, Spektrum
Komprimieren (RL-Code, zippen)
Schnittlinien (Kantenhäufigkeit +-+-+-)
Summe der Differenzenbeträge ++++
Zeilen- und Spaltenprofil/Summen
Hauptachsentransformation (Welche Merkmale sind brauchbar?)
Hough-Transformation (Linien finden)
Neuronale Netze

Notizen zur Vorlesung vom 6.12.2005
Gütefunktion für Klassifikation:
- % zum Gesamtwert
- Abstand größter und 2. größter Wert
- Vektorieller Abstand
=> Statistik der Qualitätsmaße (Histogramm)

Pseudodaten durch Varianz der Bilder (Größe, Helligkeit, Rauschen, ...) und Merkmalsvektoren (Rauschen).

Projektdokumentationen:

Beschreibung Gesamtprogramm (Projektleitung) (0,0MB)

Blätter sammeln und digitalisieren (0,4MB)

Merkmalextraktion Gruppe A: Fläche und Umfang (0,2MB)

Merkmalextraktion Gruppe B: Zacken, Formkoeffizient (0,2MB)

Merkmalextraktion Gruppe C: Länge und Breite, Trägheitsachsen (0,7MB)

Merkmalextraktion Gruppe D: Convexe Hülle (0,7MB)

Merkmalextraktion Gruppe E: FFT-Umlaufprofil (0,1MB)

Klassifikation (Neuronales Netz) Gruppe A (0,5MB)

Klassifikation (Neuronales Netz) Gruppe B (0,0MB)

Projektdateien: