DA Schnelle Verfahren zur Objektregistrierung in
der Bildverarbeitung am Beispiel der Gesichtsstabilisierung
Ausgangspunkt
- Für
die Erkennung und Auswertung von Bildobjekten ist es oft wichtig, diese Objekte
über mehrere Frames einer Sequenz zu beobachten und die einzelnen
Instanzen möglichst passgenau übereinanderzulegen, z.B. um Rauschen zu
unterdrücken. Diesen Prozess bezeichnet man als (Objekt-)Registrierung.
- Ein
bestehendes Verfahren zum Image Mosaicing soll dahingehend
ausgeweitet werden, dass es sich auch für die Registrierung von
Realwelt-Bildern eignet. Hierzu muss die Robustheit des Verfahrens erhöht
werden, da verschiedene Störungen die optimale Bildqualität beeinträchtigen können.
- Speziell
soll dieses Verfahren am Beispiel der Gesichtsstabilisierung erprobt werden.
Von einer Partnerfirma wird ein Tool zur Gesichtsfindung in Videosequenzen
bereitgestellt, das es in einfacher Weise gestattet, Testsequenzen mit Gesichtern
als Objekten aufzunehmen.
Für die Registrierung stehen (auf Basis des Image Mosaicing) Grundverfahren
bereit, deren Robustheit und Einsatzmöglichkeiten im Rahmen der DA zu erweitern
sind:
- Existierende
Matlab-Implementierung – nicht echtzeitfähig, viele Algorithmusvarianten
- Existierende
Java [ImageJ] Implementierung – echtzeitfähig
- [Kourogi99],
[KonenNaS07], [Nad07]
Ziele
- Inbetriebnahme
eines durch Partnerfirma bereitgestellten Tools zur Gesichtsfindung (nicht
Stabilisierung) im Labor für Mathematik und Bildverarbeitung, Aufnahme
Testsequenzen
- Evaluation
eines vorhandenen Algorihtmus zur Gesichtsstabilisierung an ausgewählten
Beispielen
- Analyse
und Optimierung der Verfahrensparameter, Konzepte zu neuen
Verfahrensvarianten (z.B. in Matlab)
- Umsetzung
der besten Variante(n) in ImageJ
Schritte
- Einarbeitung:
Algorithmus [Kourogi99], bestehenden Code [Nad07, Konen06]
- Testaufnahmen
- Herausfinden
von Problemfällen in den Testsequenzen
- Analyse
der Ursachen, Entwicklung von Tools zur geeigneten Inspektion,
Ausprobieren von Ideen zur Verbesserung
- Testen
- Usability
Tests, Verfeinerung
Voraussetzungen
- Bildverarbeitung,
Java, Englisch
- Kenntnis
von oder Bereitschaft zur Einarbeitung in ImageJ
Randbedingungen
- Eine
parallele Beschäftigung als SHK kann in Aussicht gestellt werden
Literatur:
zentral:
- [Kourogi99] M. Kourogi, T. Kurata,
J. Hoshino, and Y. Muraoka. Real-time
image mosaicing from a video sequence. In Proc. ICIP99,vol. 4, 133--137,
1999. http://citeseer.ist.psu.edu/253440.html
- [KonNaS07] W. Konen,
M. Naderi, M. Scholz, Endoscopic
image mosaics for real-time color video sequences, in: H.U. Lemke (ed.), Computer
Assisted Radiology and Surgery (CARS2007, Berlin),
Elsevier, Amsterdam,
2007.
- [Nad07]
M. Naderi, Implementierung
eines Echtzeitverfahrens zur Erstellung von Bildmosaiken aus endoskopischen
Videosequenzen, Bachelorarbeit, FH Köln, 2007.
- [Konen06]
W. Konen: Optischer Fluss und Echtzeit-Videobearbeitung,
Technischer Report, Institut für Informatik, FH Köln, Nov. 2006. TR-OpticalFlow-ImaMos.pdf
weiterführend:
- [KonenBS07]
W. Konen, B. Breiderhoff, M. Scholz: Real-time
image mosaic for endoscopic video sequences, to appear in: A. Horsch
(ed.), Bildverarbeitung für die
Medizin (BVM2007), München, 2007. bvm2007_paper2_final.pdf
- [HornSchunck81] B. K. P. Horn
and B. G. Schunck, Determining
optical flow, Artificial Intelligence, 17, 1-3, pp. 185--203, 1981. Historisch ganz wichtiges Paper!
- [BreiderKS07]
B. Breiderhoff, W. Konen, M. Scholz, Ein automatisiertes Verfahren zum Image-Mosaicing bei
endoskopischen Videoaufnahmen, submitted to: A. Horsch (ed.), Bildverarbeitung
für die Medizin (BVM2007), München, 2007.