Auswirkung der Sensorkalibrierung auf die Ergebnisse der Farbbildverarbeitung

Aufnahmen von Objekten sind immer das Produkt aus Beleuchtung, der reflektierenden Oberfläche und den Eigenschaften der Kamera. Dieses Modell der Bildentstehung aus dem Rechnersehen wird mit dem Bildentstehungsmodell der Computergraphik abgeglichen und zu einem gemeinsamen Modell zusammengefasst. Für die ansichtenbasierte Objekterkennung ist es von Bedeutung, Objektbilder ohne den Einfluss der Beleuchtung zu erhalten, um so die Erkennungsraten der Objekte zu verbessern. Damit möchte man die Fähigkeit der Farbkonstanz des visuellen Systems des Menschen nachbilden. Verschiedene Verfahren zu einer solchen Farbnormalisierung werden auf deren Einfluss auf die Erkennungsraten untersucht. Es zeigt sich, dass nicht immer eine Verbesserung durch diese Verfahren erreicht wird. Der Farbnormalisierung wird ein farbmetrisches Kalibrierverfahren gegenübergestellt. Dabei erfolgt neben der Untersuchung der Erkennungsrate bei kalibrierten Objektbildern der Vergleich mit den übrigen Verfahren. Da die für die farbmetrische Betrachtung notwendigen Kameraempfindlichkeitskurven nicht immer bekannt sind, wird das Kalibrierverfahren mit einem Ansatz zur Schätzung der spektralen Sensorempfindlichkeit kombiniert. Eine Modifikation des ursprünglichen Kalibrierverfahrens in Kombination mit der Empfindlichkeitsschätzung erhöht die Erkennungsrate im Vergleich zu den Farbnormalisierungsverfahren deutlich. Zur Ermittlung der Erkennungsraten ist eine Bildverarbeitungskette nötig, deren Aufbau eine Objektklassifikation ermöglicht. Hier werden verschiedene Konfigurationen untersucht, bei denen die Reihenfolge und die Parameter variiert werden. Da als Merkmalsvektoren Histogramme verwendet werden, stehen Parameter wie Urnenzahl und Histogrammdimensionalität zur Verfügung. Zur Klassifikation der Objekte schließlich werden verschiedene Histogrammvergleichsverfahren herangezogen und auch ihr Einfluss auf die Erkennungsraten untersucht. Dabei zeigt sich, dass es Fälle gibt, in denen das Histogrammvergleichsverfahren abhängig vom gewählten Farbnormalisierungsverfahren zu wählen ist, um die Erkennungsraten zu steigern. Darüber hinaus erfolgt eine empirische Optimierung der Bildverarbeitungskette. Die damit erzielten Erkennungsraten besitzen das Maximum bei der Verwendung der kalibrierten Objektbilder. Es wird gezeigt, dass die Sensorkalibrierung eine positive Auswirkung auf die Ergebnisse der Farbbildverarbeitung hat und bei der Objektklassifikation die Erkennungsraten erhöht.