Invariante Merkmale zur Klassifikation von Defekten aus Beleuchtungsserien (Invariant Features for Classification of Defects Based on Illumination Series)

Manche Oberflächen können nur zuverlässig inspiziert werden, wenn man sie mit variabler Beleuchtung beobachtet. Die automatische Umsetzung dieses Ansatzes erfordert die Erfassung und Verarbeitung von Bildserien. Jedes Bild der Serie bildet den gleichen Oberflächenausschnitt jeweils unter einem anderen Beleuchtungswinkel ab. Eine Methode wird vorgestellt, um aus solchen Bildserien rotations- und translationsinvariante Merkmale zu extrahieren. Im vorliegenden Fall werden die Invarianten durch Fuzzy-Histogramme repräsentiert. Zur Klassifikation wird eine SVM (Support Vector Machine) eingesetzt. Die Robustheit des Ansatzes wird am Beispiel der Klassifikation von Lackdefekten demonstriert. Some surfaces can only be inspected reliably, if they are observed under variable illumination. An automated inspection based on this principle requires taking and processing series of images in which each image shows the same surface´s section with an illumination from a different angle. This paper presents a method to extract translation and rotation invariant features from such series of images. In our case, the invariant features are represented by fuzzy histograms and classified by an SVM (support vector machine). The robust performance of the method is demonstrated by the detection and classification of varnish defects.