Auswahl von robusten Merkmalen gegenüber Rauschen, Translation, Rotation und Skalierung für die Zeichenerkennung
Typ:

Diplomarbeit

Betreuer:

Dipl.-Ing. Martin Grafmüller

Status:

abgeschlossen

Abgabedatum:

August 2010

Hintergrund:

Da auch in der Industrie die Zeichenerkennung immer mehr an Bedeutung gewinnt, steigt das Interesse an so genannten Smart Cameras. Sie ermöglichen es nicht nur Bilder zu erfassen, sondern sie werten diese auch aus. Dazu zählt die Segmentierung der Zeichen, Berechnung von Merkmalen, die Klassifikation und schließlich die Ausgabe des Ergebnisses. Das hat den Vorteil, dass externe Rechnersysteme weitgehend überflüssig werden, was zum einen die Kosten reduziert, aber auch eine Platzersparnis mit sich bringt.

Eine wesentliche Rolle, für die Zeichenerkennung, spielt die Berechnung von Merkmalen oder sogenannten Features, da sie den Berechnungsaufwand für den Klassifikator reduzieren und zudem Störeinflüsse unterdrücken sollen. Als Beispiel wäre hier die Discrete-Cosine-Transform (DCT) zu nennen, die auch sehr erfolgreich in der Bilddatenkompression (JPEG) eingesetzt wird. Dabei ist es von Vorteil, wenn das verwendete Merkmal invariant gegenüber Rauschen, Translation, Rotation und Skalierung ist. Leider ist die DCT hinsichtlich dieser Forderungen völlig ungeeignet, was die Untersuchung weiterer Verfahren notwendig macht. Diese Forderungen an die Merkmale sind wichtig, da sie den Klassifikator "entlasten", d.h. die Klassifikation der Zeichen wird nicht durch diese Veränderungen des Zeichens beeinträchtigt.

Aufgabe:

Um sich einen Überblick über bereits erfolgreich in der Zeichenerkennung eingesetzte Merkmale zu verschaffen, ist zunächst eine gründliche Literaturrecherche erforderlich. Darauf aufbauend sollen diejenigen untersucht werden, die gegenüber Rauschen, Translation, Rotation und Skalierung weitgehend invariant sind. Hinzu kommt die Möglichkeit verschiedene Merkmale zu kombinieren oder zu erweitern, damit das gesamte Merkmal die geforderten Eigenschaften erfüllt. Ziel der Arbeit ist der Vergleich von Merkmalen bezüglich Leistungsfähigkeit und Robustheit in Abhängigkeit von den genannten Einflüssen.
Die daraus gewonnenen Ergebnisse sind in einer schriftlichen Ausarbeitung festzuhalten und in einem Vortrag, hier am IES, vorzustellen.

Was Sie mitbringen sollten:

  • Freude am selbständigen Arbeiten
  • Programmierkenntnisse in C oder MATLAB