Drei neue Verfahren zum Matching und zur Klassifikation unter Echtzeitbedingungen

In der vorliegenden Arbeit werden drei neue Methoden vorgestellt, die Probleme aus den Bereichen Farbmatching, Texturmatching und Klassifikation effizient lösen und sich daher für den Einsatz unter Echtzeitbedingungen eignen. Das Tupelmatching ist ein Verfahren zum Vergleich von Bildern anhand der Farbinformation unter schwierigen Beleuchtungsbedingungen. Hierbei werden Farbhistogramme in Signaturen überführt, welche die Farbverteilung kompakt beschreiben. Das Tupelmatching berechnet die Ähnlichkeit von Signaturen und erreichte in den Experimenten bei Datensätzen mit variierten Beleuchtungsbedingungen eine bessere Erkennungsrate als der Histogrammschnitt. In den Experimenten war die Erkennungsrate von Tupelmatching nahezu identisch mit der Erkennungsrate von „Earth Mover's Distance“. Tupelmatching hatte dabei eine deutlich geringere Laufzeit als „Earth Mover's Distance“. MSD ist ein neues Verfahren zum Texturmatching, das den aus der Bewegungsanalyse bekannten Monotonie-Operator mit Summen- und Differenzhistogrammen zu einem neuen, effizienten Verfahren kombiniert. MSD wird in einer richtungsabhängigen und einer rotationsinvarianten Version vorgestellt. Beide Versionen von MSD zeigten in den Experimenten eine Erkennungsrate, die leicht unter und einmal über der Erkennungsrate von „Local Binary Patterns“ lag. Aufgrund des geringeren Aufwandes bei der Erkennung bietet sich MSD daher als effiziente Alternative zu einer Texturerkennung mit „Local Binary Patterns“ an. Zuletzt wird mit dem Projektionsebenen-Klassifikator ein neuer geometrischer Klassifikator vorgestellt, der für die Klassifikation Entscheidungstabellen nutzt, die aus allen möglichen 2D-Projektionen der Trainingsstichprobe berechnet werden. Durch die Verwendung von Entscheidungstabellen ist die Erkennung unbekannter Merkmalsvektoren mit dem Projektionsebenen-Klassifikator bei kleinen Merkmalsräumen sehr effizient und unabhängig von der Größe der Trainingsstichprobe.