Invariante Erkennung handskizzierter Piktogramme mit Anwendungsmöglichkeiten in der inhaltsorientierten Bilddatenbankabfrage

Zusammenfassung

In diesem Bericht präsentieren wir ein neuartiges Merkmalsextraktionsverfahren sowie einen Hidden-Markov-Modell (HMM) basierten Klassifizierer für die rotations-, translations-, und skalierungsunabhängige Erkennung von handskizzierten Piktogrammen. Die Merkmalsvektoren werden dabei in einem festen Winkelabstand entlang der Verbindungslinie zwischen dem Schwerpunkt und einem das Piktogramm einschließenden Kreis entnommen. Für die Erkennung werden HMM-Techniken verwendet, die es ermöglichen, neben dem Klassifikationsergebnis auch einen Schätzwert für den Rotationswinkel anzugeben. Die Evaluierung der vorgestellten Methoden erfolgt mittels zweier großer Piktogramm-Datenbasen, die jeweils aus 20 Klassen bestehen und deren Klassenelemente durch die handschriftliche Eingabe große Formvariationen aufweisen. Die erzielten Erkennungsraten liegen über 99% und sind denen, die mit Momentenmethoden in Kombination mit neuronalen Netzen erzielt wurden, überlegen. Als Beispiel für eine mögliche Anwendung der vorgestellten Techniken wird ein experimentelles Bilddatenbanksystem vorgestellt, das intuitiv über Skizzen des Benutzers angefragt werden kann.