Zur Eignung invarianter Momente für die Klassifikation von Objekten in Bildern

Im Rahmen dieser Arbeit sollte ein Klassifikator entworfen werden, mit dem eine Aussage über die Existenz eines Objektes in einem Bild getroffen werden kann. Dafür sollten in diesem Ansatz Momente als charakteristische Merkmale für Objekte herangezogen werden. Momente sind Funktionen, die nur die Farb- bzw. Grauwerte der einzelnen Bildpunkte benötigen. Man spricht deshalb auch von content-based image retrieval (CBIR). Außerdem sollen die Ergebnisse der Klassifikation unabhängig von der Position oder Größe des Objektes im Bild sein. Aus den berechneten Momenten lassen sich solche invarianten Merkmale ableiten, die deshalb als invariante Momente bezeichnet werden. Diese sollen schließlich als Merkmalvektor für ein Bild bei der Klassifikation Verwendung finden. In dieser Arbeit wird die Eignung der invarianten Momente für die Klassifikationsaufgabe untersucht. Das Ziel des Verfahrens besteht darin, unabhängig von der Position und Größe eines Objektes im Bild eine verlässliche Aussage über die Existenz des Objektes zu treffen. Damit soll es möglich sein, auch große Datenbanken mit Bildern nach einzelnen Objekten zu durchsuchen. Bei der Suche kann dann die Menge der möglicherweise relevanten Bilder wesentlich verkleinert werden. Ein typisches Beispielszenario ist die musterbasierte Suche eines Bildes in einer Clipart-Sammlung. Oft hat der Anwender bereits ein Bild mit dem gewünschten Objekt vorliegen, er sucht aber weitere Bilder mit dem selben Inhalt und einer anderen Auflösung oder einer leicht unterschiedlichen Realisierung.