Advertisement

Untersuchungen zur Robustheit von Farbraummodellen bezüglich Szenengeometrie und Schwankungen in der Beleuchtungsintensität

  • Wilfried Kubinger
  • Markus Vincze
  • Gerfried Zeichen
Conference paper
Part of the Informatik aktuell book series (INFORMAT)

Zusammenfassung

In dieser Arbeit wird ein allgemeines Verfahren vorgestellt, mit dem man Farbraummodelle auf ihre Robustheit bezüglich der Szenengeometrie sowie von Schwankungen in der Beleuchtungs-intensität untersuchen kann. Es zeigt sich, daß lineare Farbraummodelle prinzipiell variant sind und daher Methoden der Bildverarbeitung stark beeinträchtigen. Die meisten der hier untersuchten nichtlinearen Modelle beinhalten unter der Voraussetzung, daß der Zusammenhang zwischen der einfallenden Lichtintensität und den Sensorsignalen linear ist, invariante Komponenten. Bei deren Verwendung ist eine robuste, von Szenengeometrie und Intensitätsschwankungen unabhängige Auswertung der Bilddaten möglich.1

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. 1.
    Berwick, D., Lee, S.W.: A Chromaticity Space for Specularity, Illumination Color- and Illumination Pose Invariant 3-D Object Recognition. Proc. ICCV (1998)Google Scholar
  2. 2.
    Gevers, T., Smeulders, A.W.M.: Color Based Object Recognition. Lecture Notes in Computer Science, Springer 1310 (1997) 319–326Google Scholar
  3. 3.
    Gonzalez, R.C., Woods, R.E.: Digital Image Processing. Addison-Wesley Publishing Company, Reading, Massachusetts, 2. Edition (1993)Google Scholar
  4. 4.
    Healey, G.: Segmenting Images Using Normalized Color. IEEE Transactions on Systems, Man, and Cybernetics 27 (1) (1992) 64–73MathSciNetCrossRefGoogle Scholar
  5. 5.
    Healey, G.: Recognizing Objects in Color Images. Proc. of the 10th Scandinavian Conference on Image Analysis 2 (1997) 823–829Google Scholar
  6. 6.
    Klette, R., Koschan, A., Schlüns, K.: Computer Vision. Vieweg Technik (1996)Google Scholar
  7. 7.
    Kubinger, W., Vincze, M., Ayromlou, M.: The role of Gamma correction in colour image processing. Proc. of the 9th European Signal Processing Conference (1998)Google Scholar
  8. 8.
    Lee, J.-H., Chang, B.-H., Kim, S.-D.: Comparison of colour transformations for image segmentation. Electronics Letters 30 (20) (1994) 1660–1661CrossRefGoogle Scholar
  9. 9.
    Levkowitz, H., Herman, G.T.: GLHS: A Generalized Lightness, Hue, and Saturation Color Model. CVGIP: Graphical Models 55 (4) (1993) 271–285CrossRefGoogle Scholar
  10. 10.
    Liu, J., Yang, Y.-H.: Multiresolution Color Image Segmentation. IEEE Trans, on PAMI 16 (7) (1994) 689–700CrossRefGoogle Scholar
  11. 11.
    Nevatia, R.: A Color Edge Detector and Its Use in Scene Segmentation. IEEE Trans, on Systems, Man, and Cybernetics 7 (11) (1977) 820–826CrossRefGoogle Scholar
  12. 12.
    Ohta, Y.-L, Kanade, T., Sakai, T.: Color Information for Region Segmentation. Computer Graphics and Image Processing 13 (1980) 222–241CrossRefGoogle Scholar
  13. 13.
    Pia, F., Juste, F., Ferri, F., Vicens, M.: Colour segmentation based on alight reflection model to locate citrus fruits for robotic harvesting. Computers and Electronics in Agriculture 9 (1993) 53–70CrossRefGoogle Scholar
  14. 14.
    Poynton, C.A.: A Technical Introduction to Digital Video. John Wiley Sons (1996)Google Scholar
  15. 15.
    Rasmussen, C., Toyama, K., Hager, G.D.: Tracking Objects By Color Alone. Yale University, Tech. Report TR 1114, (1996)Google Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 1998

Authors and Affiliations

  • Wilfried Kubinger
    • 1
  • Markus Vincze
    • 1
  • Gerfried Zeichen
    • 1
  1. 1.Institut für Flexible AutomationTechnische Universität WienWienAustria

Personalised recommendations