Fraunhofer-Gesellschaft

Publica

Hier finden Sie wissenschaftliche Publikationen aus den Fraunhofer-Instituten.

Klassifikation und Merkmalsselektion mikroskopischer Objekte

 
: Ohl, Stephan
: Blech, Michael

Rostock, 2007, 95 pp.
Rostock, Univ., Dipl.-Arb., 2007
German
Thesis
Fraunhofer IGD ()
image processing; classification method; segmentation; machine learning

Abstract
Diese Diplomarbeit beschäftigt sich mit der automatischen Klassifizierung mikroskopischer Objekte. Der Ansatz folgt der klassischen Computer Vision Pipeline. Zunächst werden die Objekte mit Hilfe der Bildverarbeitung vom Hintergrund getrennt. Darauf folgend wird für jedes Objekt eine Reihe von Merkmalen bestimmt. Schließlich wird anhand von Beispielobjekten, deren Einordnung bekannt ist, mit einem Lernverfahren ein Klassifikator trainiert. Im speziellen Anwendungsfall wird untersucht, ob es möglich ist, mit Hilfe von formbasierten Merkmalen verschiedene Zooplanktonarten voneinander zu unterscheiden. Dazu wird zunächst eine bestehende Bildverarbeitungspipeline weiterentwickelt und für große Datenmengen optimiert. Im Anschluss daran werden verschiedene konturbasierte Merkmale vorgestellt. Daraufhin wird eine Auswahl an aktuelle Lernverfahren und Merkmalsselektionsverfahren beschrieben, die in vielen Anwendungsgebieten gute Ergebnisse liefern. Die Leistungen der Lernverfahren werden anhand eines realen Datensatzes miteinander verglichen und es wird die Auswirkung einer Merkmalsselektion untersucht. Am Ende der Arbeit wird die praktische Umsetzung des entwickelten Konzeptes beschrieben.

 

This diploma thesis deals with the automatic classification of microscopic objects. Being based upon the classical Computer Vision Pipeline the procedure follows 3 main steps: First, microscopic objects are separated from the background via image processing. Then, features are calculated for every object. In a third step a learning algorithm is used to train a classifier for the objects. The presented approach is applied to the fields of biology where a system for automatic zooplancton classification is of high interest. First, this work discusses methods to improve an existing image segmentation pipeline. Then, different contour based features are presented. A selection of actual learning algorithms and feature selection algorithm which have been shown to work well in many practical domains is described. The presented algorithms are evaluated on a real dataset and the influence of feature selection is examined. Finally, a prototyp system is described which implements the developed concepts.

: http://publica.fraunhofer.de/documents/N-69262.html