Advertisement

Automatische Bewertung von Bildverarbeitungsroutinen zur konturorientierten Segmentierung mit FuzzySOLUTION

  • H. Münkel
  • C.-E. Liedtke
  • U. Rost
Conference paper
Part of the Informatik aktuell book series (INFORMAT)

Zusammenfassung

Derzeit herrscht ein allgemeines großes Interesse an der Bewertung von Bildverarbeitungsverfahren. In den letzten 20 Jahren wurde weltweit eine Vielzahl von Verfahren erarbeitet und es kommen immer neue dazu. Bei der Lösung eines konkreten Bildverarbeitungsproblems stellen sich daher oft die Prägen, welches Verfahren für eine vorgegebene Aufgabenstellung am besten geeignet ist und wie man Bildverarbeitungsverfahren beurteilen könnte.

Für den Spezialfall der konturorientierten Segmentierungsverfahren wird ein Lösungsansatz für dieses Problem vorgestellt. Das System FuzzySOLUTION ist in der Lage Bildverarbeitungsverfahren aufgrund einer vorgegebenen Aufgabenstellung zu konfigurieren, deren freie Parameter zu adaptieren und anschließend die einzelnen Verfahren hochsprachlich zu bewerten.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. 1.
    Wolfgang Förstner: “10 Pros and Cons Against Performance Characterization of Vision Algorithms”, Workshop on Performance Characteristics of Vision Algorithms, Cambridge, 1996.Google Scholar
  2. 2.
    V. Ramesh and R.M. Haralick: “Performance Evaluation of Edge Operators”, Proceedings of the DARPA IUW 93, Washington DC, April 93, pp. 1071–79.Google Scholar
  3. 3.
    R. Haralick: “Performance Characterization Protocol in Computer Vision”, Proceedings of the DARPA IUW 94.Google Scholar
  4. 4.
    M. Salotti, F. Bellet, C. Garbay: “Evaluation of Edge Detectors: Critics and Proposal”, Workshop on Performance Characteristics of Vision Algorithms, Cambridge, 1996.Google Scholar
  5. 5.
    P. Courtney, N. Thacker, A. Clark: “Algorithmic Modeling for Performance Evaluation”, Machine Vision and Applications 9, pp. 219–228, 1997.CrossRefGoogle Scholar
  6. 6.
    I. Pitas: “Digital Image Processing Algorithms”, Prentice Hall, 1993.Google Scholar
  7. 7.
    U. Rost, H. Münkel: “Knowledge Based Configuration of Image Processing Algorithms”, Proceedings of the ICCIMA 1998.Google Scholar
  8. 8.
    C.-E. Liedtke, A. Blömer: “Architecture of the Knowledge Based Configuration System for Image Analysis CONNY”, Proceedings of the 11th ICPR, International Conference on Pattern Recognition, The Hague, Vol I, pp. 375–378, Sept. 1992.Google Scholar
  9. 9.
    V. Ramesh and R.M. Haralick: “A Methodology for Automatic Selection of IU Algorithm Tuning Parameters”, Proceedings of the DARPA IUW 94.Google Scholar
  10. 10.
    X. Liu, T. Kanungo, R.M. Haralick: “Statistical Validation of Computer Vision Software”, Proceedings of the DARPA Image Understanding Workshop, Palm Springs, Vol. II, pp. 1533–1540, 1996.Google Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 1998

Authors and Affiliations

  • H. Münkel
    • 1
  • C.-E. Liedtke
    • 1
  • U. Rost
    • 1
  1. 1.Institut für Theoretische Nachrichtentechnik und InformationsverarbeitungUniversität HannoverHannoverGermany

Personalised recommendations