Boosting-Verfahren zur Klassifikation von industriellen Schriftzeichen
Typ:

Diplomarbeit

Betreuer:

Dipl.-Ing. Martin Grafmüller

Status:

abgeschlossen

Abgabedatum:

November 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.
Im gesamten Prozess der Zeichenerkennung spielt der Klassifikator die wichtigste Rolle, da dieser letztendlich die Entscheidung über die Klassenzugehörigkeit trifft. Bleibt nur die Frage: Welcher ist der Richtige? Aus der Literatur ist bekannt, dass es dazu vielerlei Ansätze gibt die alle sehr gute Ergebnisse liefern, wie z.B. Support-Vector-Machines oder Neuronale Netze. Bei dieser Arbeit soll jedoch Boosting zum Einsatz kommen, da dieses Verfahren sehr einfach ist und trotzdem in den meisten Anwendungen sehr gute Ergebnisse liefert.

Aufgabe:
Zunächst gilt es sich einen Überblick über besehenden Boosting-Verfahren und deren Einsatz in der Zeichenerkennung zu verschaffen. Ausgehend davon sind die aussichtsreichsten Verfahren zu implementieren und eventuell so zu erweitern, dass diese der Problemstellung gerecht werden. Ziel ist eine Gegenüberstellung sämtlicher Verfahren, woraus Klassifikationsgüte, Berechnungszeit und Robustheit gegen Störungen, hervorgeht.
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
  • Grundkenntnisse der Bildverarbeitung