Statistische Modellierung, Klassifikation und Lokalisation von Objekten

Zusammenfassung

In dieser Arbeit wird ein neuer Ansatz zur modellbasierten Erkennung und Lokalisierung dreidimensionaler Objekte in Grauwertbildern vorgestellt. Entgegen den üblicherweise verwendeten geometrischen Beschreibungen sind die hier eingesetzten Objektmodelle Wahrscheinlichkeitsdichten. Diese erlauben die Berechnung eines Dichtewertes für ein beobachtetes Bild und liefern damit ein wahrscheinlichkeitstheoretisches Maß, das die Grundlage für die Realisierung statistischer Klassifikatoren darstellt. Neben der allgemeinen Struktur von Modelldichten werden Verfahren zur automatischen Modellgenerierung aus Beispielaufnahmen sowie Algorithmen zur Lokalisierung und zur Klassifikation erläutert. Die benötigten mathematischen Hilfsmittel sind Methoden zur Parameterschätzung wie beispielsweise die Maximum-Likelihood-Schätzung und der Expectation-Maximization-Algorithmus und Verfahren zur effizienten Optimierung kontinuierlicher Funktionen. Die experimentelle Evaluierung des entwickelten Ansatzes und die Anwendung auf andere Problemstellungen der Mustererkennung unterstreichen die Vorteile und Tragweite statistischer Klassifikatoren.