Аннотация
Eine zentrale Aufgabe bei der Verarbeitung von Bildern ist nach wie
vor die sinnvolle Aufteilung eines Bildes in semantisch zusammenhängende
Gebiete, die Segmentierung. Die Mehrheit der Algorithmen bildet Segmente
auf der Basis zusammenhängender Merkmale wie Helligkeit, Kantenorientierung
oder Textur. Das hat zur Folge, da die Ergebnisse stark von den Aufnahmebedingungen
des Bildes (Beleuchtung, Rauschen, Transformationen) abhängen und
die semantische Aufteilung nur ungenau approximieren. Demgegenüber
können höhere Lebewesen Bilder auch unter ungünstigen Bedingungen
mühelos analysieren. Bei Untersuchungen des visuellen Systems verschiedener
Säugetiere wurden in Abhängigkeit vom Stimulus zeitliche Korrelationen
der Aktivität von Neuronen beobachtet. Diese Korrelationen können
einen Mechanismus zur dynamischen Integration der Information
verschiedener Verarbeitungskanäle (z.B. Farbe, Kanten, Bewegung) darstellen.
Da das Ergebnis der Integration eine Segmentierung der Bildinformation
ist, könnte die Anwendung dieses Prinzips helfen, Probleme bestehender
Segmentierungsverfahren zu lösen. Netzwerke gekoppelter Oszillatoren
sind ein häug verwendetes Modell zur Untersuchung zeitlicher Korrelationen
zwischen Neuronen. Eine Reihe theoretischer Untersuchungen belegt,
da die Dynamik gekoppelter Oszillatoren ein breites Spektrum umfa
t, z.B. Synchronisation und Desynchronisation, feste und zeitlich
veränderliche Phasenverschiebungen, Chaos. Anliegen dieser Arbeit
ist es, einen weiteren Schritt zur Erkundung des Potentials von Oszillatornetzwerken
zu leisten. Ausgehend von den Ergebnissen biologischer Untersuchungen
zur visuellen Gruppierung und einem überblick der bestehenden Modelle
wird ein biologisch plausibles Netzwerk zur Segmentierung von Bildern
entwickelt. Die wichtigste Eigenschaft des Netzes besteht darin,
mehrere Segmentierungsmöglichkeiten eines Bildes
gleichzeitig repräsentieren zu können. Aus dieser Eigenschaft resultiert
ein Fortschritt in zwei Bereichen. Einerseits stellt das Verfahren
einen Ansatz zur Lösung des Segmentierungsproblems bei Bildern dar,
die unterschiedliche Segmentierungen zulassen. Andererseits ist das
Modell in der Lage, logisch strukturierte, konzeptuelle Repräsentationen
einer visuellen Szene zu erzeugen. Es kann damit als ein Modell für
die Realisierung systematischer kognitiver Repräsentationen im Gehirn
dienen.
Пользователи данного ресурса
Пожалуйста,
войдите в систему, чтобы принять участие в дискуссии (добавить собственные рецензию, или комментарий)