Ein neues Verfahren zur Bewertung regionenbasierter Farbsegmentierungsverfahren

Abstract

In der Bildverarbeitung herrscht zur Zeit die Problematik vor, dass Verfahren und Algorithmen aus den Bereichen 'Computer Vision' und 'Machine Vision' ueber nur sehr geringe Akzeptanz im praktischen Einsatz verfuegen. Dies ist hauptsaechlich darauf zurueckzufuehren, dass es trotz laufender Neuentwicklungen nicht moeglich ist, zu sagen, welches Verfahren fuer einen bestimmten Anwendungsfall die besten Ergebnisse liefert. Die Bewertung der Ergebnisse auf Basis von objektiven Kenngroessen und Kriterien mittels einheitlicher Bewertungsverfahren wurde bis jetzt nicht durchgefuehrt. Dies ist aber notwendig, um eine Charakterisierung bezueglich ihrer tatsaechlichen Leistungsfaehigkeit durchfuehren zu koennen und damit dem Einsatz robuster industrieller Applikationen Vorschub leisten zu koennen. In der Bildverarbeitung setzt sich immer mehr die Ansicht durch, dass eine Aufteilung eines gesamten Systems in Einzelmodule fuer bestimmte, genau eingegrenzte Aufgaben und die Bewertung dieser einzelnen Module zielfuehrend waere. Im Zuge dieser Arbeit wird das Teilgebiet der regionenbasierten Farbsegmentierung behandelt. Dabei handelt es sich um eine Methode, die es ermoeglicht, Objekte unbekannter Kontur aus nicht strukturierten Umgebungen zu extrahieren. Im ersten Schritt dieser Arbeit werden Moeglichkeiten analysiert, die verschiedene Farbraummodelle zur Darstellung der Farbinformation bieten. Dabei wird ein Skalierungstest entworfen, mit dem die Untersuchung von Farbraummodellen nach bestimmten Kriterien basierend auf ihrer Transformationsvorschrift ermoeglicht wird. Mit diesem Test wird untersucht, ob die einzelnen Komponenten eines Modells invariant und damit unabhaengig gegenueber Schwankungen der Beleuchtungsintensitaet und Aenderungen in der Szenengeometrie sind. Es stellt sich im Zuge der Untersuchungen heraus, dass lineare Farbraummodelle immer abhaengig von diesen Effekten sind. Bei nichtlinearen Modellen gibt es einige Farbraummodelle, die ueber zwei invariante Komponenten verfuegen. Diese beiden Komponenten eignen sich als Basis fuer regionenbasierte Farbsegmentierungsverfahren. Um nun objektive Kenngroessen für die Bewertung zu erhalten, wurde der Kugeltest entworfen. Durch dieses Bewertungsverfahren erhaelt man die Moeglichkeit, die Staerken und Schwaechen und damit die tatsaechliche Leistungsfaehigkeit dieser Verfahren zu bestimmen. Den Kugeltest zeichnet aus, dass nicht nur die ueblicherweise in realen Szenen auftretenden Effekte in echten Farbbildern beruecksichtigt werden, sondern auch der erwartete Wert dieser Testbilder bekannt ist und in die Bewertung direkt eingeht. Außerdem erhaelt man durch diesen Test die Moeglichkeit, die Parameterbestimmung fuer ein Verfahren experimentell durchfuehren zu koennen. Zur Dokumentation der Leistungsfaehigkeit des Kugeltests wurden fuenf bekannte regionenbasierte Farbsegmentierungsverfahren bewertet und im Anschluss gegenuebergestellt. Es zeigte sich, dass im Zuge der Parameterbestimmung die Auswahl des besten Farbraummodells fuer ein bestimmtes Verfahren experimentell durchgefuehrt werden kann und dieser Test ein sehr nuetzliches Werkzeug zur Verfahrensbewertung darstellt.

Present problems in image processing are based on the fact, that methods and algorithms from the areas of 'Computer Vision' and 'Machine Vision' show only very small acceptance in the fields of application. This is mainly attributed to the fact, that it is up to now impossible to say which method or algorithm delivers for a given application the best results. The evaluation of the results based on objective characteristics and criteria by means of uniform test procedures has not been performed up to now. However, in order to support the employment of robust industrial applications it is necessary to characterize the actual performance of image processing methods and algorithms. In the area of image processing the opinion becomes generally accepted that a division of an entire system into single modules for certain, well-defined functions and the performance evaluation of these individual modules would be target-prominent. In the course of this work the area of region-based color segmentation is treated. This is a method, which enables the extraction of objects of an unknown contour in a non-structured environment based only on color. In the first step of this work the possibilities of different color space models to represent the color information are analyzed. A scaling test for the investigation of color space models based on the transformation equations is developed. Using this test it is examined whether the individual components of a color space model are invariant and thus independent in relation to variations of the lighting intensity and of modifications in scene geometry. In the course of the investigations it turned out that linear color space models are always dependent on these effects. In the class of nonlinear color space there are some models which have two invariant components. These two components are suitable as a base for region-based color segmentation techniques. The sphere test is proposed to get objective characteristics for the performance evaluation. This test offers the possibility to determine the strength and weakness and thus the actual performance of these methods. The sphere test exhibits all effects that usually occur in real scenes. Furthermore the "ground truth" of the test images is known and directly used for the performance evaluation. Additionally this test offers the possibility to determine the parameters of a method experimentally. To show the efficiency of the sphere test five well-known region-based color segmentation methods are evaluated and the performance results are confronted. It is shown that during the parameter estimation the best color space model for a given method can be determined experimentally. Thus the sphere test is a very useful tool for the performance evaluation of region-based color segmentation methods.