Lernen von Strukturbeschreibungen für ein wissensbasiertes Bildanalysesystem

Die wissensbasierte Bildanalyse auf der Grundlage des Hierarchischen Strukturcodes (HSC) ermoglicht nicht nur die Erkennung von singularen, kompletten Objekten, sondern auch die Interpretation von Szenen mit teilverdeckten oder mehreren, sich uberlappenden Objekten. Die Hierarchische Strukturcodierung ist eine problemunabhangige Transformation fur Grauwertbilder, bei der die Strukturinformation (Kanten, Linien, Flachen) auf Codebaume (HSC-Datenbasis) abgebildet wird. Eine Wissensbasis umfast Modelle von Objekten und Szenen in Form eines semantischen Netzwerks. In den Konzepten, die die Knoten des Netzwerks beschreiben, sind Verweise auf standardisierte Operationen enthalten, die aus den Codebaumen lage- und groseninvariante Strukturmerkmale extrahieren. Ein Kontrollmodul steuert die Abarbeitung des Netzwerks abhangig vom jeweiligen Bildinhalt. Er ruft die referenzierten Operationen aus einer Methodenbasis auf und fuhrt einen Vergleich zwischen den aus der Datenbasis extrahierten und den im Modellnetz erwarteten Merkmalen durch. In diesem Beitrag werden erste Ergebnisse gezeigt, wie der Erwerb von Wissen, der bisher interaktiv erfolgte, durch das Lernen von StrukurbeSchreibungen automatisiert werden kann. Hierbei werden zuerst elementare Beschreibungen aus einer Serie von Trainingsbildern bestimmt und generalisiert, die dann durch topologische Untersuchungen zu Substrukturen und Objekten gruppiert werden.