Statistische Modellierung von Farbtexturen

Farbtexturen sind in Aufnahmen von realen Szenen ein unverzichtbares Merkmal bei der Interpretation von Bildern. Texturen sind in unserer Umwelt allgegenwärtig: Wir sehen beispielsweise einen Wald, aber nicht bewußt die Ansammlung von Bäumen und Tausenden von Blättern bzw. Nadeln und Zweigen der einzelnen Bäume. Diese Arbeit beschäftigt sich mit der Modellierung von farbigen Mikrotexturen zur automatischen Analyse digitaler Farbbilder. Dazu wird das Farbkovarianz-Texturmodell, ein statistisches Texturmodell zweiter Ordnung, formuliert. Im Gegensatz zu den üblichen Texturmodellen für Grauwertbilder werden in diesem Texturmodell sowohl die räumlichen als auch die farblichen Relationen von Bildpunkten in lokalen Nachbarschaften statistisch analysiert. Die Signifikanz der Merkmale des Farbkovarianz-Texturmodells wird durch zwei Paradigmen der Bildverarbeitung verifiziert: Textursynthese und Texturklassifikation. Bei der Synthese werden die Parameter von Farbtexturen verwendet, um diese Texturen zu resynthetisieren. Dabei wird die Ähnlichkeit der synthetisierten Textur zur Originaltextur als Signifikanzmaß für die Parameter verwendet. Das zweite Signifikanzmaß beruht auf einer Klassifikation von Farbtexturen, wobei anhand von Stichproben mit zahlreichen Farbtexturen aus der natürlichen Umwelt die Klassifikationsleistung des Farbkovarianz-Texturmodells untersucht wird. Eine der Stichproben resultiert aus Aufnahmen von Rindenmustern verschiedener Baumarten. Sowohl bei der Synthese von Farbtexturen als auch bei der praxisorientierten Klassifikation werden umfangreiche Untersuchungen angestellt, um den Parametersatz einzuschränken. Dabei werden Verfahren der adaptiven Merkmalsreduktion eingesetzt und ein neuer Satz von intuitiven Merkmalen auf der Basis des Farbkovarianz-Texturmodells vorgestellt, die der menschlichen Wahrnehmung von Texturen entsprechen. Insgesamt 14 intuitive Merkmale ermöglichen eine hochsprachliche Beschreibung von Farbtexturen.