Zusammenfassung
Die Detektion befasst sich mit der Erkennung bekannter oder unbekannter Objekte im Bild und mit der Feststellung ihrer Lage im Bild. Bei den zu detektierenden Objekten kann es sich einerseits um Prüfobjekte handeln, deren Vorhandensein, Lage oder Vollständigkeit untersucht werden soll. Andererseits kann es die Aufgabe sein, Defekte oder bestimmte Strukturen bzw. Merkmale im Bild zu detektieren.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
[1] AE Goetze GmbH. Honatlas: Beurteilungskriterien für die Honung von Zylinderlaufflächen. Burscheid, 1988.
[2] Dana Ballard. Generalizing the Hough transform to detect arbitrary shapes. Pattern Recognition, 13(2):111–122, 1981.
[3] Titus A. Beu. Introduction to numerical programming: a practical guide for scientists and engineers using Python and C/C++. CRC Press, Boca Raton, 2015.
[4] Jürgen Beyerer. Analyse von Riefentexturen, Bd. 390 der Reihe Fortschritt-Berichte VDI, Reihe 8. VDI-Verlag, Düsseldorf, 1994.
[5] Jürgen Beyerer und Fernando Puente León. Die Radontransformation in der digitalen Bildverarbeitung. Automatisierungstechnik, 50(10):472–480, 2002.
[6] Jürgen Brauer. Human Pose Estimation with Implicit Shape Models. KIT Scientific Publishing, Karlsruhe, 2014.
[7] Richard Duda und Peter Hart. Use of the Hough transformation to detect lines and curves in pictures. Communications of the ACM, 15(1):11–15, 1972.
[8] Rafael Gonzalez und Richard Woods. Digital image processing. Pearson Prentice Hall, Upper Saddle River, NJ, 3. Auflage, 2008.
[9] Martin Grafmüller, Jürgen Beyerer und Kristian Kroschel. Decision tree classifier for character recognition combining support vector machines and artificial neural networks. In Mathematics of Data/Image Coding, Compression, and Encryption with Applications, Proc. SPIE, Bd. 7799, San Diego, USA, August 2010.
[10] Graham Hall, Trevor J. Terrel, John M. Senior und Lesley M. Murphy. New fast discrete Radon transform for enhancing linear features in noisy images. Electronics Letters, 24(14):876–877, 1988.
[11] Robert Haralick und Linda Shapiro. Computer and robot vision. Addison-Wesley, Reading, MA, 1992.
[12] Chris Harris und Mike Stephens. A combined corner and edge detector. In Proceedings of the 4th Alvey Vision Conference, Seiten 147–151, 1988.
[13] Peter Hart. How the Hough transform was invented. IEEE Signal Processing Magazine, Seiten 18–22, November 2009.
[14] Marko Heikkilä, Matti Pietikäinen und Cordelia Schmid. Description of interest regions with local binary patterns. Pattern Recognition, 42(3):425–436, 2009.
[15] Harro Heuser. Funktionalanalysis – Theorie und Anwendung. Teubner, Wiesbaden, 4. Auflage, 2006.
[16] Joseph Horner und Peter Gianino. Phase-only matched filtering. Applied Optics, 23(6):812–816, 1984.
[17] Paul Hough. Method and means for recognizing complex patterns. Patent US 3069654, 1962.
[18] Kai Jüngling. Ein generisches System zur automatischen Detektion, Verfolgung und Wiedererkennung von Personen in Videodaten. Dissertation, Karlsruher Institut für Technologie, 2011.
[19] Avinash Kak und Malcolm Slaney. Principles of computerized tomographic imaging. Society for Industrial and Applied Mathematics, 2001.
[20] Willi Kalender. Computertomographie: Grundlagen, Gerätetechnologie, Bildqualität, Anwendungen. Publicis, Erlangen, 2. Auflage, 2006.
[21] A. A. Kassim, T. Tan und K. H. Tan. A comparative study of efficient generalised Hough transform techniques. Image and Vision Computing, 17(10):737–748, 1999.
[22] Violet F. Leavers. Shape detection in computer vision using the Hough transform. Springer, London, 1992.
[23] Alain Lehmann, Bastian Leibe und Luc Van Gool. Fast PRISM: Branch and bound Hough transform for object class detection. International Journal of Computer Vision, 94(2):175–197, 2011.
[24] Bastian Leibe, Aleš Leonardis und Bernt Schiele. Combined object categorization and segmentation with an implicit shape model. In ECCV Workshop on Statistical Learning in Computer Vision, Seiten 17–32, 2004.
[25] Bastian Leibe, Aleš Leonardis und Bernt Schiele. Robust object detection with interleaved categorization and segmentation. International Journal of Computer Vision, 77:259–289, 2008.
[26] Lesley M. Murphy. Linear feature detection and enhancement in noisy images via the Radon transform. Pattern Recognition Letters, 4(4):279–284, 1986.
[27] Ana Pérez Grassi. Variable illumination and invariant features for detecting and classifying varnish defects. KIT Scientific Publishing, Karlsruhe, 2010.
[28] Johann Radon. Über die Bestimmung von Funktionen durch ihre Integralwerte längs gewisser Mannigfaltigkeiten. Berichte über die Verhandlungen der Königlich Sächsischen Gesellschaft der Wissenschaften, Mathematisch-Physikalische Klasse, 69:262–277, 1917.
[29] Paul Rattey und Allen Lindgren. Sampling the 2-D Radon transform. IEEE Transactions on Acoustics, Speech and Signal Processing, 29(5):994–1002, 1981.
[30] Jennifer Sander, Michael Heizmann, Igor Goussev und Jürgen Beyerer. Global evaluation of focussed Bayesian fusion. In Jerome Braun (Hrsg.), Multisensor, Multisource Information Fusion: Architectures, Algorithms, and Applications, Proc. SPIE, Bd. 7710, Orlando, USA, April 2010.
[31] Günter Saur, Stéphane Estable, Karin Zielinski, Stefan Knabe, Michael Teutsch und Matthias Gabel. Detection and classification of man-made offshore objects in TerraSAR-X and RapidEye imagery: Selected results of the DeMarine-DEKO project. In IEEE OCEANS, 2011.
[32] Hanns Schulz-Mirbach. Anwendung von Invarianzprinzipien zur Merkmalgewinnung in der Mustererkennung. VDI-Verlag, Düsseldorf, 1995.
[33] Wesley Snyder und Hairong Qi. Machine vision. Cambridge University Press, 2004.
[34] Josef Stoer. Numerische Mathematik, Bd. 1. Springer, 8. Auflage, 1999.
[35] Ansgar Trächtler. Tomographische Methoden in der Meßtechnik, Bd. 897 der Reihe Fortschritt-Berichte VDI, Reihe 8. VDI-Verlag, Düsseldorf, 2001.
[36] A. vander Lugt. Signal detection by complex spatial filtering. IEEE Transactions on Information Theory, 10(2):139–145, 1964.
[37] B. V. K. Vijaya Kumar, Fred M. Dickey und John M. DeLaurentis. Correlation filters minimizing peak location errors. Journal of the Optical Society of America A, 9(5):678–682, 1992.
[38] B. V. K. Vijaya Kumar und L. Hassebrook. Performance measures for correlation filters. Applied Optics, 29(20):2997–3006, 1990.
[39] Wolfgang Walter. Analysis 2. Springer, Berlin, 5. Auflage, 2002.
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2016 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Beyerer, J., Puente León, F., Frese, C. (2016). Detektion. In: Automatische Sichtprüfung. Springer Vieweg, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-47786-1_14
Download citation
DOI: https://doi.org/10.1007/978-3-662-47786-1_14
Published:
Publisher Name: Springer Vieweg, Berlin, Heidelberg
Print ISBN: 978-3-662-47785-4
Online ISBN: 978-3-662-47786-1
eBook Packages: Computer Science and Engineering (German Language)