Bild 1: Systemmodell

Bereits seit einigen Jahren beschäftigen wir uns mit der Analyse von Bildfolgen. Dies geschieht in enger Kooperation mit dem IESK der Universität Magdeburg. Das Hauptaugenmerk liegt dabei auf der Nutzung und Anwendung neurobiologisch motivierter Neuronenmodelle und Systemstrukturen.

Im Ergebnis unserer Arbeiten ist ein Systemansatz entstanden, der durch die Kombination von klassischen Bildverarbeitungsmethoden und neuronalen Ansätzen ausgezeichnet ist. Diese Architektur enthält sowohl die Merkmalsfilter zur Texturanalyse als auch eine neuronale Netzwerkarchitektur zur Speicherung dieser Merkmale in Form eines Assoziativspeichers.

Dabei werden die in der Objekt-Hintergrund-Trennung (figure ground separation) ermittelten Objekte durch einen Translationsprozess (figure object completion) normiert. Der auf der MHA (Multilevel Hypermap Architecture) basierende Assoziativspeicher ist dann nach einer Trainingsphase in der Lage, beliebige Objekte und ihre veränderten Instanzen zu speichern und wiederzuerkennen. Diese Eigenschaft kann für die Verfolgung von Objekten (object tracking) in der Bildszene genutzt werden. Aufgrund des verwendeten Translationsverfahrens und der Clustereigenschaften des neuronalen Netzes ist eine translations- und rotationsinvariante Objekterkennung möglich.

Bild 2: Mittels der assoziativen Eigenschaften der MHA ist es möglich, Objekte mit Bildstörungen (linkes Bild und oberes Bild, rot gekennzeichnet) in einer Bildszene sicher zu verfolgen (rechts der von der MHA gelernte Prototyp des Objektes).