DE19507564A1 - Verfahren zur Mustererkennung und Verfahren zum Erstellen eines n-dimensionalen Objektes - Google Patents
Verfahren zur Mustererkennung und Verfahren zum Erstellen eines n-dimensionalen ObjektesInfo
- Publication number
- DE19507564A1 DE19507564A1 DE19507564A DE19507564A DE19507564A1 DE 19507564 A1 DE19507564 A1 DE 19507564A1 DE 19507564 A DE19507564 A DE 19507564A DE 19507564 A DE19507564 A DE 19507564A DE 19507564 A1 DE19507564 A1 DE 19507564A1
- Authority
- DE
- Germany
- Prior art keywords
- dimensional object
- accuracy
- determined
- functional dependency
- parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
Description
Die vorliegende Erfindung bezieht sich auf ein Verfah
ren zur Mustererkennung gemäß dem Oberbegriff des Anspruchs
1, das es ermöglicht, das Muster eines n-dimensionalen Ob
jektes mittels einer Datenverarbeitungseinrichtung zu er
fassen und zuerkennen. Gegenstand der Erfindung ist ferner
ein Verfahren zum Erstellen oder Modifizieren eines n-di
mensionalen Objektes gemäß dem Oberbegriff des Anspruchs
10.
Die Mustererkennung stellt in vielen technischen Gebie
ten ein zentrales Problem dar. Eine derartige Mustererken
nung soll es ermöglichen, n-dimensionale Objekte mittels
einer Datenverarbeitungseinrichtung in der Weise zu erfas
sen, daß die Datenverarbeitungseinrichtung mit möglichst
hoher Präzision bestimmen kann, welchem n-dimensionalen Ob
jekt das jeweilige Muster zuzuordnen ist. Eine hochpräzise
Mustererkennung n-dimensionaler Objekte würde es beispiels
weise gestatten, Fahrzeuge jeder Art automatisch zu lenken,
so daß durch menschliches Versagen hervorgerufene Unfälle
weitgehend vermieden werden könnten. Darüber hinaus wäre es
möglich, die Handschrift einer beliebigen Person automa
tisch und mit hoher Präzision zu erkennen. Auch die Her
stellung von Automaten oder Robotern, die mit einer intel
ligenten Sensorik ausgestattet sind, wäre bei einer hoch
präzisen Mustererkennung kein Problem.
Im Stand der Technik sind bereits zahlreiche Verfahren
zur Mustererkennung bekannt. Ein Nachteil der bekannten
Verfahren liegt jedoch darin, daß sie jeweils nur für spe
zielle Arten von Objekten verwendbar sind. Die allgemeine
Verwendbarkeit dieser bekannten Verfahren ist somit stark
eingeschränkt. Ein weiterer Nachteil der bekannten Verfah
ren liegt darin, daß insbesondere das sichere Erkennen
hochkomplexer bzw. fraktaler Strukturen entweder gar nicht
oder nur mit äußerst hoher Rechenleistung gelingt, so daß
eine Mustererkennung in Echtzeit nicht möglich ist.
In zahlreichen technischen Gebieten stellt sich derzeit
das Problem, n-dimensionale Objekte mittels einer Datenver
arbeitungseinrichtung zu simulieren und/oder darzustellen.
So ist es zum Beispiel bei den derzeit gebräuchlichen, ob
jektorientierten Zeichen-, Bildbearbeitungs-, Vektorgra
phik- und CAD-Programmen erforderlich, bestimmte ausge
wählte Objekte durch gezielte Manipulation geeignet zu ver
ändern. Die bislang bekannten Verfahren zum gezielten Modi
fizieren oder zum erstmaligen Erstellen eines solchen Ob
jektes sind häufig benutzerunfreundlich und mühsam durchzu
führen. Insbesondere die rasche Erstellung oder Modifika
tion hochkomplex strukturierter Objekte stößt bei diesen
bekannten Verfahren auf Schwierigkeiten.
Der Erfindung liegt die Aufgabe zugrunde, ein Musterer
kennungsverfahren gemäß dem Oberbegriff des Anspruchs 1 und
ein Objektmanipulationsverfahren gemäß dem Oberbegriff des
Anspruchs 10 derart weiterzubilden, daß bei universeller
Anwendbarkeit eine rasche und treffsichere Mustererkennung
bzw. eine äußerst einfache Manipulation des betreffenden n
dimensionalen Objektes gewährleistet ist.
Diese Aufgabe wird erfindungsgemäß mit den im Kenn
zeichnungsteil des Anspruchs 1 bzw. 10 angegebenen Verfah
rensschritten gelöst.
Der Grundgedanke der Erfindung liegt demnach darin, ein
n-dimensionales Objekt anhand seiner genauigkeitsabhängigen
Unebenmäßigkeit oder Unebenheit zu identifizieren bzw. ein
von einer Datenverarbeitungseinrichtung generiertes Objekt
anhand seiner genauigkeitsabhängigen Unebenmäßigkeit abzu
ändern oder zu manipulieren. Da im wesentlichen alle Daten
verarbeitungseinrichtungen ohne weiteres in der Lage sind,
ein jeweiliges n-dimensionales Objekt mit unterschiedlicher
Genauigkeit zu simulieren bzw. darzustellen, läßt sich das
genannte Grundprinzip der Erfindung mit jeder herkömmlichen
Datenverarbeitungseinrichtung problemlos durchführen, so
daß entsprechend geringe Kosten auftreten. Darüber hinaus
kann die hierzu erforderliche Software auf sehr effiziente
und entsprechend schnelle Algorithmen zurückgreifen, so daß
die erfindungsgemäße Mustererkennung bzw. Objektmanipulati
on durch eine äußerst hohe Verarbeitungsgeschwindigkeit ge
kennzeichnet ist. Ein weiterer Vorteil der Erfindung liegt
schließlich darin, daß sie bei unterschiedlichst gestalte
ten Objekten erfolgreich verwendet werden kann, wobei sogar
fraktale Strukturen keinerlei Probleme bereiten.
Gemäß den im Kennzeichnungsteil des Anspruchs 1 angege
benen Verfahrensschritten wird die der Erfindung hinsicht
lich des Mustererkennungsverfahrens zugrundeliegende Aufga
be im einzelnen dadurch gelöst, daß das betreffende n-di
mensionale Objekt in mindestens zwei unterschiedlichen Ge
nauigkeiten (s) rechnerintern abgebildet wird, daß bei je
der abgebildeten Genauigkeit mindestens eine Kenngröße (U)
des n-dimensionalen Objektes durch Integration oder Summie
rung ermittelt wird, und daß die funktionale Abhängigkeit
(also ein Wert U(s)) der integrierten Kenngröße bzw. Kenn
größen von der Genauigkeit bestimmt und als Maß für das zu
erkennende Muster herangezogen wird. Durch Bestimmung die
ser funktionalen Abhängigkeit U(s) läßt sich die von der
Genauigkeit abhängige Unebenmäßigkeit des zu erkennenden n
dimensionalen Objektes auf sehr einfache und gleichwohl äu
ßerst charakteristische Weise darstellen. Somit ist es ge
mäß der im Anspruch 8 angegebenen Weiterbildung der Erfin
dung beispielsweise möglich, das zu erkennende Muster durch
Vergleich dieser ermittelten funktionalen Abhängigkeit U(s)
mit (gegebenenfalls im voraus) gespeicherten Kennlinien zu
bestimmen. Ein derartiger Vergleich ist rechnerisch auf äu
ßerst einfache Weise durchführbar.
Die für das erfindungsgemäße Verfahren herangezogene
aufintegrierte bzw. aufsummierte Kenngröße wird erfindungs
gemäß so gewählt, daß ein möglichst optimaler Bezug zu dem
jeweiligen n-dimensionalen Objekt gegeben ist. Nach der
Lehre des Anspruchs 2 wird zu diesem Zweck beispielsweise
eine relevante Eigenschaft des Objektes, wie z. B. die Topo
graphie, die Farbverteilung, die Oberfläche, der Randver
lauf oder die Dichteverteilung, rechnerintern abgebildet
und es wird als integrale Kenngröße eine Gesamtsumme dieser
relevanten Eigenschaft ermittelt, also beispielsweise das
Gesamtvolumen, der Gesamtwert der Farbdichte, die Gesamt
oberfläche, die Gesamtlänge des Randes bzw. der Gesamtwert
der Dichte. Da es sich bei dem zu erkennenden n-dimensiona
len Objekt selbstverständlich nicht nur um ein optisch er
faßbares, sondern vielmehr auch um ein durch andere Empfän
ger, wie beispielsweise Radarempfänger erfaßbares Objekt
handeln kann, könnten je nach Bedarf auch andere relevante
Eigenschaften, wie zum Beispiel der Strahlungsintensitäts
verlauf, zur Ermittlung der integralen Kenngröße herangezo
gen werden.
Bei der Mustererkennung mehrerer n-dimensionaler Ob
jekte können diese oftmals dann leicht miteinander vergli
chen werden, wenn die Größe aller Objekte normiert wird.
Gemäß der im Anspruch 3 angegebenen Weiterbildung der Er
findung ist daher vorgesehen, die jeweilige integrale Kenn
größe und/oder die Genauigkeit auf einem bestimmten Größen
wert des n-dimensionalen Objektes zu normieren, wobei es
sich bei dem zur Normierung dienenden Größenwert beispiels
weise um das Volumen, die Fläche, die Oberfläche oder den
Umfang des Objektes handeln kann. Mit Hilfe einer derarti
gen Normierung ist es weiterhin möglich, eine entfernungs
unabhängige Mustererkennung durchzuführen.
Die für die Mustererkennung maßgebliche funktionale Ab
hängigkeit kann beispielsweise durch die von der Genauig
keit abhängige fraktale Dimension des untersuchten Objektes
ausgedrückt werden. Alternativ hierzu ist es auch möglich,
die funktionale Genauigkeit durch ein Mittelwertbildungs
verfahren zu bestimmen, bei dem die Genauigkeit die geome
trische Ausdehnung oder aber die Stärke der Mittelwertbil
dung repräsentiert. Weiterhin alternativ ist es möglich,
die funktionale Abhängigkeit mittels einer Rasterbildung zu
bestimmen, bei der die Genauigkeit die Feinheit des Rasters
repräsentiert und bei der die sich ergebenden Teilstücke
unregelmäßiger Objekte durch vordefinierte oder ebene Teil
stücke ersetzt werden.
Die jeweiligen Funktionsverläufe, die bei Verwendung
dieser unterschiedlichen funktionalen Abhängigkeiten
(fraktale Dimension, Mitterwertbildung, Rasterbildung) er
halten werden, unterscheiden sich selbstverständlich. Je
doch ermöglicht es jedes dieser unterschiedlichen Verfah
ren, das Muster des jeweils erfaßten Objektes zu erkennen.
Gleichwohl kann gegebenenfalls daran gedacht werden, ein
und dieselben Objekte mit Hilfe mehrerer verschiedener
funktionaler Abhängigkeiten zu untersuchen, um weitere Un
terschiede zwischen den Objekten erkennen zu können.
Gemäß Anspruch 9 kann es sich bei der jeweiligen Genau
igkeit, die zur Bestimmung der funktionalen Abhängigkeit
benötigt wird, um die Auflösung oder um eine Detailtreue
handeln, mit der das n-dimensionale Objekt rechenintern ab
gebildet wird.
Die der Erfindung hinsichtlich des Objektmanipulations
verfahrens zugrundeliegende Aufgabe wird gemäß den im Kenn
zeichnungsteil des Anspruchs 10 angegebenen Verfahrens
schritten dadurch gelöst, daß eine funktionale Abhängigkeit
mindestens einer Kenngröße von der Genauigkeit vorgegeben
wird, wobei die genannte Kenngröße einer durch Integration
oder Sumination erzielbaren Eigenschaft des n-dimensionalen
Objektes entspricht und wobei das n-dimensionale Objekt un
ter Verwendung der vorgegebenen funktionalen Abhängigkeit
modifiziert oder generiert wird. Da sich die funktionale
Abhängigkeit durch einen Benutzer oder auch automatisch auf
einfache Weise vorgeben läßt, gestattet die Erfindung eine
äußerst praktische und einfache Modifikation oder erstma
lige Erstellung eines n-dimensionalen Objektes.
Diejenigen Eigenschaften des n-dimensionalen Objektes,
die durch die gewählte funktionale Abhängigkeit nicht defi
niert sind, werden gemäß der im Anspruch 11 angegebenen
Weiterbildung der Erfindung mittels eines Zufallsgenera
tors, über Regelvorgaben, durch manuelle Eingaben oder auch
durch eine Kombination dieser Maßnahmen erzeugt. Eine be
sonders einfache Erstellung oder Modifikation eines Objek
tes wird nach einem weiterem Gesichtspunkt der Erfindung
mittels eines optischen Zeigegeräts in Form einer Maus oder
dergleichen erzielt, da der Benutzer in einem solchen Fall
die für das zu erzeugende/manipulierende Objekt maßgebliche
funktionale Abhängigkeit auf graphischem Wege sehr einfach
festlegen oder ändern kann.
Die Erfindung wird nachstehend anhand der Beschreibung
von Ausführungsbeispielen unter Bezugnahme auf die Zeich
nungen näher erläutert. Es zeigen:
Fig. 1A drei verschiedene Objekte, deren von der
jeweils gewählten Genauigkeit abhängiger Umfang durch
ein Mittelwertbildungsverfahren bestimmt wird;
Fig. 1B jeweils den von der Genauigkeit abhängi
gen Kurvenverlauf des Umfangs der in Fig. 1A gezeigten
Objekte;
Fig. 2A ein dreieckförmiges Objekt, dessen Um
fang durch ein Rasterbildungs- oder Schrittlängenände
rungs-Verfahren ermittelt wird;
Fig. 2B den Verlauf der funktionalen Abhängig
keit des Umfangs von drei Objekten, wenn die Rasterbil
dung verwendet wird.
Fig. 3a ein erster Schritt bei einem Verfahren
zur Objektmanipulation, bei dem als Objekt ein Quadrat
vorgesehen ist, das über eine Fourier-Transformation
manipuliert wird;
Fig. 3b und 3c eine Manipulation des in Fig. 3a
gezeigten Quadrats, bei der die Phasen durch Zufalls
zahlen ersetzt worden sind;
Fig. 3d eine Manipulation des in Fig. 3a gezeig
ten Quadrats, bei der die Amplituden zweifach skaliert
worden sind;
Fig. 3e und 3f eine Manipulation des in Fig. 3d
gezeigten, durch Manipulation entstandenen Objekts, bei
der die Phasen durch Zufallszahlen ersetzt worden sind;
Fig. 3g und 3h eine Manipulation des in Fig. 3f
gezeigten, durch Manipulation entstandenen Objekts, bei
der jeweils eine zweifache Komprimierung des Spektrums
vorgenommen worden ist;
Fig. 3i und 3j eine Manipulation des in Fig. 3h
gezeigten, durch Manipulation entstandenen Objekts, bei
der jeweils eine dreifache Expansion des Spektrums vor
genommen worden ist;
Fig. 3k ein Quadrat, das als Grundlage zur manu
ellen Änderung von Spektren dient;
Fig. 3l bis 3n Objekte, die durch Manipulation
des in Fig. 3k gezeigten Objekts entstehen, wenn die Am
plitude zu f=20 erhöht wird bzw. wenn die Amplitude zu
f=36 erhöht wird bzw. wenn weitere Amplituden erhöht
werden; und
Fig. 4a bis 4f weitere Beispiele erfindungsgemä
ßer Verfahren zur Objektmanipulation.
In Fig. 1A sind als Beispiel für die n-dimensionalen Ob
jekte, die mit dem erfindungsgemäßen Mustererkennungsver
fahren erkannt werden können, zweidimensionale bzw. flächi
ge Objekte gezeigt, nämlich in der Reihenfolge von oben
nach unten eine Kreisfläche, eine Dreieckfläche und eine
unregelmäßig geformte bzw. fraktale Fläche. Um durch Mu
stererkennung zu bestimmen, um welches Objekt es sich je
weils handelt, wird bei diesem Ausführungsbeispiel der Er
findung eine Mittelwertbildung durchgeführt, bei der je
weils eine bestimmte Anzahl von Bildelementen zusammenge
faßt werden, wobei deren Mittelwert gebildet wird. Die Ge
nauigkeit bzw. Auflösung und Detailtreue wird um so weiter
herabgesetzt, je mehr Bildelemente zusammengefaßt bzw. ge
mittelt werden.
In Fig. 1A ist jeweils links diejenige Darstellung des
betreffenden Objekts (Kreisfläche, Dreieckfläche bzw. frak
tale Fläche) gezeigt, bei der die höchste Auflösung gewählt
ist, mit der die betreffende Datenverarbeitungseinrichtung
Objekte dieser Art rechnerintern abzubilden vermag. Bei
dieser höchsten Auflösung wird beispielsweise jedem Bild
element eine einzige Speicherstelle zugeordnet sein, so daß
der "Wert" des Bildelements durch die Speicherstelle be
stimmt wird. In Fig. 1A ist weiterhin gezeigt, wie die Auf
lösung der betrachteten Objekte von links nach rechts immer
weiter herabgesetzt wird. Durch die Herabsetzung der Auflö
sung werden entsprechend immer mehr Bildelemente gemittelt,
so daß sich die feinen Konturen der Objekte immer weiter
"verwischen".
Bei jeder der in Fig. 1A gezeigten sechs Genauigkeits
stufen, mit denen jedes Objekt abgebildet wird, wird durch
Summenbildung oder Integration der Gesamtumfang des betref
fenden Objektes berechnet. Wenn jeder Wert dieses Gesamtum
fangs in ein Diagramm eingetragen wird, erhält man schließ
lich das in Fig. 1B gezeigte Diagramm, das die funktionale
Abhängigkeit des Umfangs U von der gewählten Genauigkeit s
angibt, also eine durch eine Funktion U(s) beschriebene
Kurve. Wie aus Fig. 1B ersichtlich ist, wird mit dem erfin
dungsgemäßen Verfahren für jedes der drei gezeigten Objekte
ein anderer Kurvenverlauf der funktionalen Abhängigkeit
U(s) erzielt, so daß diese funktionale Abhängigkeit als Maß
für das zu erkennende Muster bzw. Objekt herangezogen wer
den kann. Durch Vergleich der betreffenden Kurve beispiels
weise mit gespeicherten Kurven ist es somit möglich, eine
Mustererkennung durchzuführen.
In Fig. 2A ist eine weitere Ausführungsform des erfin
dungsgemäßen Mustererkennungsverfahrens gezeigt. Dieses
Verfahren unterscheidet sich von dem in Fig. 1A gezeigten
dadurch, daß anstelle des Mittelwertbildungsverfahrens eine
Rasterbildung bzw. eine Schrittlängenänderung durchgeführt
wird. Wie aus Fig. 2A hervorgeht, wird die Genauigkeit bei
diesem Ausführungsbeispiel durch die Feinheit des Rasters
repräsentiert, wobei die sich ergebenden Teilstücke des be
treffenden Objekts (Dreieck) durch vordefinierte ebene
Teilstücke ersetzt werden. In Fig. 2A sind beispielsweise
zwei verschiedene Rasterweiten bzw. Genauigkeiten darge
stellt.
Wenn das in Fig. 2A gezeigte Verfahren auf verschiedene
Objekte, wie beispielsweise einen Kreis, ein Dreieck oder
eine Figur mit rauhem Rand angewendet wird, ergibt sich für
die funktionale Abhängigkeit des Umfangs von der Genauig
keit bzw. dem Rastermaß der in Fig. 2B gezeigte charakteri
stische Verlauf, der wie beim ersten Ausführungsbeispiel
als Maß für das zu erkennende Muster herangezogen werden
kann.
Gegebenenfalls ist es selbstverständlich möglich, die
beiden in den Fig. 1 und 2 gezeigten Verfahren gleichzeitig
durchzuführen, falls bei einem dieser Verfahren noch keine
befriedigende Trefferrate bei der Mustererkennung erzielt
wird.
Nachfolgeng werden unter Bezugnahme auf die Fig. 3
und 4 mehrere Ausführungsbeispiele für die Objektmanipula
tion bzw. Objekterzeugung näher erläutert.
Ein sehr allgemeines Verfahren zur Muster- bzw. Objekt
gestaltung besteht beispielsweise darin, ein geometrisches
Objekt in eine Funktion zu transformieren und anschließend,
zum Beispiel durch eine Fouriertransformation, in ein or
thonormales Funktionensystem zu entwickeln. Die skalenab
hängige Funktion bzw. funktionale Abhängigkeit U(s) ist
hierbei durch die Entwicklungskoeffizienten in Form einer
Abbildung des Indexraumes des Funktionensystems auf den
Raum der Entwicklungskoeffizienten gegeben. Zur Musterge
staltung kann ein beliebiges Objekt (und zwar nicht nur ein
Polygon) vorgegeben und über U(s) modifiziert werden.
Als Beispiel sei nachfolgend der Rand einer Fläche ge
nommen. Eine Möglichkeit, eine eindeutige Funktion zu er
zeugen, besteht z. B. darin für jeden Punkt des Randes die
Richtung der Randlinie zu bestimmen. Man startet an einer
beliebigen Stelle und bestimmt den Winkel α in Abhängigkeit
von der Länge der auf dem Rand zurückgelegten Strecke l. Um
bei zyklischen Objekten ein ständiges Anwachsen des Winkels
α oder einen Sprung von α beim Erreichen des Startpunktes
zu vermeiden, wird von α(l) eine linear anwachsende Funkti
on abgezogen, die bei einmaliger Umdrehung von 0 bis 2π an
steigt.
Dieses Verfahren ist in den Fig. 3a bis 3n näher
dargestellt. In Fig. 3a sind rechts als geometrisches Objekt
ein in den Koordinatenachsen x und y dargestelltes Viereck,
in der Mitte daneben das korrespondierende α(l) und links
daneben die Amplitude A(f) des Fourier-Spektrums gezeigt.
Wie bereits erläutert wurde, ist die Funktion α(l) eine
Funktion, bei der eine linear von 0 bis 2π steigende Funk
tion abgezogen ist, um einen Sprung beim Erreichen des
Startpunktes zu vermeiden. Hierdurch wird erreicht, daß die
sich für ein Quadrat ergebende Stufenfunktion in die in der
Mitte von Fig. 3a gezeigte Sägezahnfunktion umgewandelt
wird. In dem linken Kasten der Fig. 3a sind die Amplituden
|A| der Fourierkoeffizienten
gezeigt. Die Phasen der komplexen Zahlen A(f) sind je
doch nicht gezeigt. Gleichwohl werden diese ebenfalls be
rechnet und gespeichert, da es andernfalls nicht möglich
ist, aus den Werten der Fourier-Transformation wieder voll
ständig den Verlauf der Funktion α(l) und damit das zugrun
deliegende Objekt zu generieren. Die funktionale Abhängig
keit U(s), also hier A(f), muß folglich so berechnet und
gespeichert werden, daß eine vollständige Umkehrbarkeit
(Bÿektivität) erzielt werden kann. Auch α(l) muß eine um
kehrbare bzw. bÿektive Funktion sein.
In den Fig. 3b bis 3n wird das vorstehend erläuterte
Spektrum und damit U(s) auf einfache Weise manipuliert. In
den Fig. 3b und 3c erfolgt diese Manipulation z. B. da
durch, daß die jeweiligen Phasen durch Zufallszahlen er
setzt werden. Fig. 3d geht aus Fig. 3a durch eine Skalierung
der Amplituden um einen Faktor 2 hervor und die Fig. 3e
und 3f entstehen aus Fig. 3d wieder durch über Zufallszahlen
erzeugte Phasen ("Zufallsphasen"). Die Fig. 3g und 3h
gehen aus Fig. 3f durch wiederholte Kompression (d. h. Ska
lierung) der Funktion U(s) entlang der s-Achse um einen
Faktor 2 hervor. Die Fig. 3i und 3j entstehen durch wie
derholte Expansion (d. h. umgekehrte Kompression) um einen
Faktor 3 aus Fig. 3h. In den Fig. 3k bis 3n ist schließ
lich ein Beispiel für eine manuelle Modifikation von U(s)
angegeben.
Zur Mustergestaltung kann der Benutzer somit mit einem
beliebigen geometrischen Objekt (z. B. auch einem einfachen
Polygon) starten und manipuliert dieses über U(s), zum Bei
spiel durch Zufallsphase, Skalierung, Expansion, Kompres
sion, Verschiebung, Addition, Subtraktion, Multiplikation,
Division oder manuelle Gestaltung von Spektren, aber auch
direkt oder als Funktion. Die Manipulationen können dabei
auch so angewendet werden, daß sie nicht auf das ganze Ob
jekt oder das ganze U(s), sondern nur auf Teile davon wir
ken.
Interaktiv kann die Mustergestaltung zum Beispiel wie
folgt durchgeführt werden: Der Benutzer zeichnet ein geome
trisches Objekt mit einem graphischen Eingabegerät. Das Ob
jekt wird bei jeder Eingabe sofort in eine Funktion und in
U(s) sowie in weitere zur Manipulation des Objekts geeig
nete Darstellungen des Objekts transformiert und in allen
Darstellungen simultan in verschiedenen Fenstern graphisch
angezeigt. Das Objekt, kann in jeder seiner Darstellungen
graphisch oder mit analytischen Befehlen, deren Parameter
eventuell graphisch festgelegt werden können, manipuliert
werden. Um zu einem Spektrum das gleiche Spektrum oder ein
anderes Spektrum verschoben oder expandiert zu addieren,
kann man beispielsweise mit einem graphischen Eingabegerät
ein bestimmtes s in der Anzeige von U(s) auswählen, um den
Grad der Verschiebung oder Expansion festzulegen.
Aus der vorstehenden Beschreibung ist somit ersicht
lich, daß bei der Mustererkennung in ebensolcher Weise wie
bei der Mustergestaltung die skalenabhängige Kenngröße U(s)
eine entscheidende Rolle. Wesentlich ist, daß auch ein
Großteil der Gestaltung automatisch vollzogen werden kann,
indem in diesem Fall die skalenabhängige Rauhigkeit einer
Kenngröße vorgegeben wird. Dabei wird als erster Schritt
vom Benutzer die grobe Struktur eines Objektes festgelegt.
Die Details, d. h. unregelmäßige Strukturen auf einer feine
ren Skala, werden anschließend aus der Vorgabe von U(s) au
tomatisch errechnet. Da es dabei verschiedene Möglichkeiten
gibt, d. h. da U(s) alleine das fertige Objekt noch nicht
eindeutig festlegt, werden zusätzliche Optionen angeboten.
Das vom Benutzer vorgegebene grobe Objekt dient dabei zu
mindest als Ausgangspunkt, kann aber sogar als Vorlage zur
automatischen Gestaltung herangezogen werden.
Zum Beispiel kann in selbstähnlicher Weise das vom Be
nutzer vorgegebene Objekt auf feinerer Skala eingebaut wer
den. Weiterhin ist es aber auch möglich, die automatischen
feinskaligen Aufrauhungen über vordefinierte Geometrien,
wie ein Dreieck, ein n-Eck oder eine Sinus- Welle, oder
aber auch statistisch vorzunehmen. In einem Anwendungsbei
spiel für den Rand eines zweidimensionalen Objektes ist
dies nachfolgend in Fig. 4 gezeigt.
Über die vom Benutzer festgelegtend Lokationen einer
Anzahl Punkte im n-dimensionalen Raum wird ein Objekt vor
definiert. Je nachdem, um welche Dimension es sich handeln
soll, spannen die Punkte z. B. einen Rand, eine Fläche oder
ein Volumen auf. Mit der Unregelmäßigkeit der Verteilung
dieser Punkte wird zumindest für eine Skala die Rauhigkeit
festgelegt. Die Art dieser Rauhigkeit kann als Vorlage zur
automatischen Gestaltung auf den anderen Skalen dienen.
Dies wird für die Gestaltung des eindimensionalen Randes
einer Fläche unter Bezugnahme auf Fig. 4 im folgenden näher
erläutert.
Schritt 1: Gemäß Fig. 4a werden zunächst Punkte festge
legt. Gemäß Fig. 4b werden als anschließender Schritt 2
diese Punkte automatisch durch vordefinierte eindimensiona
le geometrische Objekte (nämlich im gezeigten Beispiel
durch gerade Linien) zu einem geschlossenen Polygon verbun
den. Der Rand "nullter Näherung", R(0), ist somit bestimmt.
Schritt 3: Aktive Bereiche (nämlich Teilabschnitte des
Randes oder auch der gesamte Rand), für die die nachfolgen
den Operationen durchgeführt werden sollen, werden defi
niert.
Schritt 4: Es wird die funktionale Abhängigkeit U(s)
und damit der skalenabhängige Grad der Aufrauhung für die
aktiven Bereiche vom Benutzer festgelegt. Um einen entspre
chenden Prozentsatz werden die geraden Linien später auto
matisch durch Aufrauhung verlängert.
Schritt 5: Die Art der Aufrauhung wird vom Benutzer
festgelegt. Es gibt eine große Anzahl von Möglichkeiten,
eine Strecke aufzurauhen. Verschiedene Optionen können in
diesem Zusammenhang vorgesehen werden, nämlich z. B.:
Eine fraktale, selbstähnliche Option, bei der der kom plette Rand R(0) verkleinert in seine eigenen Untersegmente eingebaut wird (siehe Fig. 4c). Dabei kann durch Markierun gen die jeweilige Art und Weise festgelegt werden.
Eine fraktale, selbstähnliche Option, bei der der kom plette Rand R(0) verkleinert in seine eigenen Untersegmente eingebaut wird (siehe Fig. 4c). Dabei kann durch Markierun gen die jeweilige Art und Weise festgelegt werden.
Eine statistische Option, bei der durch Zufallsmethoden
die Art der Aufrauhung (und durch U(s) der Grad der Aufrau
hung) bestimmt wird (siehe Fig. 4d).
Eine winkelerhaltende Option, bei der die in R(0) vor
kommenden Winkel nacheinander aufgetragen werden, um ein
Polygon zu erzeugen. Die Länge der Strecken des Polygons
entsprechen den Strecken von R(0) und sind alle proportio
nal um den gleichen Faktor verkleinert. Die Vorzeichen der
Winkel können statistisch oder nach bestimmten Regeln er
mittelt werden. Über diese Regeln können mehr oder weniger
konkave oder konvexe Polygone erzeugt werden (siehe
Fig. 4e).
Eine längen-selbstähnliche, winkel-proportionale Op
tion. Diese Option ist der fraktalen ähnlich. Hier werden
jedoch die Winkel von R(0) nicht notwendigerweise erhalten,
sondern solange proportional vergrößert bzw. verkleinert,
bis U(s) den gewünschten Wert erhalten hat (siehe Fig. 4f).
Eine Option, bei der vordefinierte (Wellen, Dreiecke,
Vierecke, usw.) oder vom Benutzer definierte (bzw. gezeich
nete) Geometrien verwendet werden (siehe Fig. 4f).
Die vorgenannten Optionen können selbstverständlich
auch kombiniert werden.
Schritt 6: Die Strecken in R(0) werden durch die er
rechneten Polygone ersetzt. Die Strecken der Polygone wer
den dabei durch entsprechende Polygone (und zwar unter Be
rücksichtigung von U(s)) ersetzt, usw. Diese Operationen
werden auf einer immer feiner werdenden Skala solange wie
derholt, bis die Pixelgröße, d. h. die größte darstellbare
Genauigkeit, erreicht ist.
Ein weiterer Parameter, der möglicherweise frei gewählt
werden kann, ist die Phase, bzw. im diskreten Fall die Rei
henfolge oder Permutation der Streckensegmente. Beim Erset
zen einer Strecke durch ein Polygon kann z. B. die Reihen
folge der Polygonsegmente statistisch bestimmt werden. Es
kann aber auch die Reihenfolge im Vergleich zu den Nachbar
polygonen permutiert oder auch gleich sein. Eine skalenab
hängige Phase wird dadurch festgelegt, daß mit U(s) nicht
nur die Amplitude, sondern auch die "Startstrecke" für ei
nen bestimmten Punkt festgelegt wird. Damit wird U(s) zu
einer komplexen Funktion mit Amplitude und Phase.
Bezüglich noch weiterer, nicht näher erläuterter Wir
kungen, Verfahrensschritte und Vorteile der Erfindung wird
ausdrücklich auf die Offenbarung der Figuren verwiesen.
Claims (15)
1. Verfahren zur Mustererkennung, bei dem das Muster eines
n-dimensionalen Objektes mittels einer Datenverarbeitungs
einrichtung erfaßt wird, die in der Lage ist, das n-dimen
sionale Objekt mit unterschiedlicher Genauigkeit (s) rech
nerintern abzubilden und zu verarbeiten,
dadurch gekennzeichnet, daß
- [a] das n-dimensionale Objekt in mindestens zwei un terschiedlichen Genauigkeiten (s) rechnerintern abgebildet wird,
- [b] bei jeder abgebildeten Genauigkeit (s) mindestens eine Kenngröße (U) des n-dimensionalen Objektes durch Inte gration oder Summenbildung ermittelt wird, und daß
- [c] die funktionale Abhängigkeit (U(s)) der integrierten bzw. summierten Kenngröße(n) von der Genauigkeit (s) be stimmt und als Maß für das zu erkennende Muster herangezo gen wird.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß
mittels der elektronischen Datenverarbeitungseinrichtung
mindestens eine relevante Eigenschaft (Topographie, Farb
verteilung, Oberfläche, Randverlauf, Dichteverteilung etc.)
des n-dimensionalen Objektes rechnerintern abgebildet wird
und daß als integrale Kenngröße eine Gesamtsumme der rele
vanten Eigenschaft (Gesamtvolumen, Gesamtwert der Farb
dichte, Gesamtoberfläche, Gesamtlänge des Randes bzw. Ge
samtwert der Dichte) ermittelt wird.
3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeich
net, daß die integrale Kenngröße (U) und/oder die Genauig
keit (s) auf einen bestimmten Größenwert des n-dimensionalen
Objektes notiert wird.
4. Verfahren nach Anspruch 3, dadurch gekennzeichnet, daß
der zur Normierung dienende Größenwert das Volumen, die
Fläche, die Oberfläche oder der Umfang des n-dimensionalen
Objektes ist.
5. Verfahren nach einem der Ansprüche 1 bis 4, dadurch ge
kennzeichnet, daß als funktionale Abhängigkeit (U(s)) die von
der Genauigkeit (s) abhängige fraktale Dimension des n-di
mensionalen Objektes ermittelt wird.
6. Verfahren nach einem der Ansprüche 1 bis 4, dadurch ge
kennzeichnet, daß die funktionale Abhängigkeit (U(s)) durch
ein Mittelwertbildungsverfahren bestimmt wird, bei dem die
Genauigkeit (s) die geometrische Ausdehnung oder die Stärke
der Mittelwertbildung repräsentiert.
7. Verfahren nach einem der Ansprüche 1 bis 4, dadurch ge
kennzeichnet, daß die funktionale Abhängigkeit (U(s)) durch
eine Rasterbildung ermittelt wird, bei der die Genauigkeit
(s) die Feinheit des Rasters repräsentiert und bei der die
sich ergebenden Teilstücke unregelmäßiger Objekte durch
vordefinierte (ebene) Teilstücke ersetzt werden.
8. Verfahren nach einem der Ansprüche 1 bis 7, dadurch ge
kennzeichnet, daß das zu erkennende Muster durch Vergleich
der ermittelten funktionalen Abhängigkeit (U(s)) mit gespei
cherten Kennlinien bestimmt wird.
9. Verfahren nach einem der Ansprüche 1 bis 8, dadurch ge
kennzeichnet, daß die jeweilige Genauigkeit (s) aus einer
Auflösung oder einer Detailtreue hergeleitet wird, mit der
das n-dimensionale Objekt rechnerintern abgebildet wird.
10. Verfahren zum Erstellen oder Modifizieren eines n-di
mensionalen Objektes, das von einer Datenverarbeitungsein
richtung simuliert oder dargestellt wird, wobei die Daten
verarbeitungseinrichtung in der Lage ist, das n-dimensio
nale Objekt mit unterschiedlicher Genauigkeit (s) zu simu
lieren bzw. darzustellen,
dadurch gekennzeichnet, daß
- [a] eine funktionale Abhängigkeit (U(s)) mindestens ei ner Kenngröße (U) von der Genauigkeit (s) vorgegeben wird, wobei die genannte Kenngröße (U) einer durch Integration oder Summation erzielbaren Eigenschaft des n-dimensionalen Objektes entspricht, und daß
- [b] das n-dimensionale Objekt unter Verwendung der vorgegebenen funktionalen Abhängigkeit (U(s)) modifiziert oder generiert wird.
11. Verfahren nach Anspruch 10, dadurch gekennzeichnet, daß
die durch die vorgegebene funktionale Abhängigkeit (U(s))
nicht definierten Eigenschaften des n-dimensionalen Objek
tes mittels eines Zufallsgenerators und/oder durch Regel
vorgaben und/oder durch manuelle Eingaben generiert werden.
12. Verfahren nach Anspruch 10 oder 11, dadurch gekenn
zeichnet, daß die vorgegebene funktionale Abhängigkeit (U(s))
eine fraktale Struktur enthält.
13. Verfahren nach einem der Ansprüche 10 bis 12, dadurch
gekennzeichnet, daß die funktionale Abhängigkeit (U(s)) von
einem Benutzer vorgegeben wird.
14. Verfahren nach Anspruch 13, dadurch gekennzeichnet, daß
die funktionale Abhängigkeit (U(s)) mittels eines Eingabege
räts der Datenverarbeitungseinrichtung, insbesondere mit
tels eines optischen Zeigegeräts (Maus) eingebbar ist.
15. Verfahren nach einem der Ansprüche 10 bis 14, dadurch
gekennzeichnet, daß die funktionale Abhängigkeit (U(s)) eine
umkehrbare (bÿektive) Funktion darstellt.
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE19507564A DE19507564A1 (de) | 1995-03-03 | 1995-03-03 | Verfahren zur Mustererkennung und Verfahren zum Erstellen eines n-dimensionalen Objektes |
EP96905681A EP0870275B1 (de) | 1995-03-03 | 1996-03-04 | Verfahren zur mustererkennung und verfahren zum erstellen eines n-dimensionalen objektes |
US08/894,807 US6091852A (en) | 1995-03-03 | 1996-03-04 | Method of pattern recognition and method of creating an n-dimensional object |
DE59609349T DE59609349D1 (de) | 1995-03-03 | 1996-03-04 | Verfahren zur mustererkennung und verfahren zum erstellen eines n-dimensionalen objektes |
PCT/DE1996/000381 WO1996027848A2 (de) | 1995-03-03 | 1996-03-04 | Verfahren zur mustererkennung und verfahren zum erstellen eines n-dimensionalen objektes |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE19507564A DE19507564A1 (de) | 1995-03-03 | 1995-03-03 | Verfahren zur Mustererkennung und Verfahren zum Erstellen eines n-dimensionalen Objektes |
Publications (1)
Publication Number | Publication Date |
---|---|
DE19507564A1 true DE19507564A1 (de) | 1996-09-05 |
Family
ID=7755616
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE19507564A Withdrawn DE19507564A1 (de) | 1995-03-03 | 1995-03-03 | Verfahren zur Mustererkennung und Verfahren zum Erstellen eines n-dimensionalen Objektes |
DE59609349T Expired - Lifetime DE59609349D1 (de) | 1995-03-03 | 1996-03-04 | Verfahren zur mustererkennung und verfahren zum erstellen eines n-dimensionalen objektes |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE59609349T Expired - Lifetime DE59609349D1 (de) | 1995-03-03 | 1996-03-04 | Verfahren zur mustererkennung und verfahren zum erstellen eines n-dimensionalen objektes |
Country Status (4)
Country | Link |
---|---|
US (1) | US6091852A (de) |
EP (1) | EP0870275B1 (de) |
DE (2) | DE19507564A1 (de) |
WO (1) | WO1996027848A2 (de) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1997041529A1 (de) * | 1996-04-25 | 1997-11-06 | Delphi Systemsimulation Gmbh | Verfahren zum klassifizieren und wiedererkennen von mustern, wobei eine signatur durch das glätten eines polygonzugs erzeugt wird |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6466357B2 (en) * | 1997-09-17 | 2002-10-15 | Light And Sound Design, Ltd. | Pixel based gobo record control format |
EP1157298A4 (de) * | 1999-02-01 | 2007-12-26 | Light & Sound Design Ltd | Pixelbasierte lichtmustererzeugung unter benutzung von steuerdatensätzen |
GB2385414B (en) * | 2002-02-13 | 2005-07-06 | Snell & Wilcox Ltd | Improved video processing |
US7031520B2 (en) * | 2003-07-24 | 2006-04-18 | Sap Ag | Method and system for identifying multiple questionnaire pages |
US20050022124A1 (en) * | 2003-07-24 | 2005-01-27 | Tunney William Patrick | Method and system for recognizing questionnaire data based on shape |
DE102005041603A1 (de) * | 2005-09-01 | 2007-03-15 | Siemens Ag | Verfahren zur automatischen Erkennung eines Objektes in einem Bild |
US8107710B2 (en) | 2008-05-23 | 2012-01-31 | University Of Rochester | Automated placental measurement |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07152865A (ja) * | 1993-11-30 | 1995-06-16 | Canon Inc | 情報認識装置及びその方法 |
US5793371A (en) * | 1995-08-04 | 1998-08-11 | Sun Microsystems, Inc. | Method and apparatus for geometric compression of three-dimensional graphics data |
-
1995
- 1995-03-03 DE DE19507564A patent/DE19507564A1/de not_active Withdrawn
-
1996
- 1996-03-04 US US08/894,807 patent/US6091852A/en not_active Expired - Lifetime
- 1996-03-04 WO PCT/DE1996/000381 patent/WO1996027848A2/de active IP Right Grant
- 1996-03-04 EP EP96905681A patent/EP0870275B1/de not_active Expired - Lifetime
- 1996-03-04 DE DE59609349T patent/DE59609349D1/de not_active Expired - Lifetime
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1997041529A1 (de) * | 1996-04-25 | 1997-11-06 | Delphi Systemsimulation Gmbh | Verfahren zum klassifizieren und wiedererkennen von mustern, wobei eine signatur durch das glätten eines polygonzugs erzeugt wird |
Also Published As
Publication number | Publication date |
---|---|
US6091852A (en) | 2000-07-18 |
DE59609349D1 (de) | 2002-07-18 |
WO1996027848A3 (de) | 1996-11-07 |
WO1996027848A2 (de) | 1996-09-12 |
EP0870275A2 (de) | 1998-10-14 |
EP0870275B1 (de) | 2002-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1316057B1 (de) | Auswerten von kantenrichtungsinformation | |
EP0780002B1 (de) | Verfahren und vorrichtung zur rekonstruktion von in rasterform vorliegenden linienstrukturen | |
DE60308413T2 (de) | Verfahren und vorrichtung zum bearbeiten und analysieren von digitalen gelände daten. | |
DE69721864T2 (de) | Bildverarbeitungsgerät für topologische Daten | |
EP1494044B1 (de) | Verfahren zur Hinderniserkennung und Geländeklassifikation | |
DE4418217A1 (de) | Formerkennungsverfahren | |
WO1992008204A2 (de) | Verfahren zur erkennung und schätzung der räumlichen lage von objekten aus einer zweidimensionalen abbildung | |
DE102005050846A1 (de) | Perspektiveneditierwerkzeuge für 2-D Bilder | |
EP3931798B1 (de) | Schätzung der bewegung einer bildposition | |
EP0870275B1 (de) | Verfahren zur mustererkennung und verfahren zum erstellen eines n-dimensionalen objektes | |
DE19928231C2 (de) | Verfahren und Vorrichtung zur Segmentierung einer Punkteverteilung | |
DE69910207T2 (de) | Automatische programmiereinrichtung und speichermedium zur speicherung des graphischen datengenerierenprogramms | |
DE3913620C2 (de) | ||
DE10339227B4 (de) | Verfahren und Vorrichtung zur Charakterisierung von Oberflächen | |
DE102006036345B4 (de) | Verfahren und Vorrichtung zur Lagebestimmung von Objekten im dreidimensionalen Raum | |
EP0844591A1 (de) | Verfahren zur Bestimmung von Massstabsfaktoren für fraktale Bildkodierung | |
EP2096578A2 (de) | Verfahren und Vorrichtung zur Charakterisierung der Formation von Papier | |
DE19624489B4 (de) | Verfahren zur Herstellung von Baumaterial | |
EP3295367B1 (de) | Vorrichtung zum identifizieren von fussbodenbereichen | |
DE102019219183A1 (de) | Verfahren und Vorrichtung zum Erzeugen eines Bildsignals zur Darstellung von dreidimensionalen Objektdaten | |
DE3821322C2 (de) | ||
WO1997041529A1 (de) | Verfahren zum klassifizieren und wiedererkennen von mustern, wobei eine signatur durch das glätten eines polygonzugs erzeugt wird | |
DE102017122063A1 (de) | Verfahren zur Erkennung einer Geometrie eines Teilbereichs eines Objekts | |
DE102021109661B4 (de) | Verfahren zur geometrischen Darstellung einer Fahrzeugfläche eines Fahrzeugs zur Kollisionserkennung | |
DE10361838B3 (de) | Verfahren zur Bewertung von Ähnlichkeiten realer Objekte |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
8127 | New person/name/address of the applicant |
Owner name: DELPHI 2 CREATIVE TECHNOLOGIES GMBH, 80331 MUENCHE |
|
8127 | New person/name/address of the applicant |
Owner name: DEFINIENS AG, 80331 MUENCHEN, DE |
|
8141 | Disposal/no request for examination |