Invariante Erkennung handskizzierter Piktogramme mit Anwendungsmöglichkeiten in der inhaltsorientierten Bilddatenbankabfrage

In diesem Bericht prasentieren wir ein neuartiges Merkmalsextraktionsverfahren sowie einen Hidden-Markov-Modell (HMM) basierten Klassifizierer fur die rotations-, translations-, und skalierungsunabhangige Erkennung von handskizzierten Piktogrammen. Die Merkmalsvektoren werden dabei in einem festen Winkelabstand entlang der Verbindungslinie zwischen dem Schwerpunkt und einem das Piktogramm einschliesenden Kreis entnommen. Fur die Erkennung werden HMM-Techniken verwendet, die es ermoglichen, neben dem Klassifikationsergebnis auch einen Schatzwert fur den Rotationswinkel anzugeben. Die Evaluierung der vorgestellten Methoden erfolgt mittels zweier groser Piktogramm-Datenbasen, die jeweils aus 20 Klassen bestehen und deren Klassenelemente durch die handschriftliche Eingabe grose Formvariationen aufweisen. Die erzielten Erkennungsraten liegen uber 99% und sind denen, die mit Momentenmethoden in Kombination mit neuronalen Netzen erzielt wurden, uberlegen. Als Beispiel fur eine mogliche Anwendung der vorgestellten Techniken wird ein experimentelles Bilddatenbanksystem vorgestellt, das intuitiv uber Skizzen des Benutzers angefragt werden kann.