84

SITZUNGEN

a) Die gute Erfahrung in der Vergangenheit; Akademienprogramme haben oft
Forschungsprojekte gefordert, die mittlerweile zum etablierten F'ächerkanon
gehören.
b) Die Abgrenzung zwischen Natur- und Geisteswissenschaften ist nicht so scharf
wie im Vorschlag des Wissenschaftsrates dargestellt.
c) Für viele Projekte ist eine Zusammenarbeit beider Klassen äußerst hilfreich.
WISSENSCHAFTLICHE SITZUNG
Herr Hans Burkhardt hält einen Vortrag: „Invarianten in der Mustererkennung -
Neue Ergebnisse für eine klassische Aufgabenstellung“.
In vielen Mustererkennungsproblemen stellt sich die Aufgabe, ein- oder zweidimen-
sionale Signale bzw. Bilder unabhängig von ihrer Ansicht oder ihrer Lage zu klassi-
fizieren. Anstatt nun em gemessenes Muster in allen möglichen Positionen oder
Drehlagen mit den vorliegenden Prototypen zu vergleichen, ist es wesentlich attrak-
tiver, lageinvariante Merkmale zu extrahieren und eine Klassifikation in dem so
gebildeten Merkmalsraum durchzuführen. Mathematisch gesprochen bilden die
Muster eine Aquivalenzklasse in Bezug auf eine geometrische Koordinatentransfor-
mation, welche eine Objektbewegung charakterisieren. Lageinvariante Transforma-
tionen sind nun in der Lage solche Aquivalenzklassen in einen Punkt des Merkmal-
raumes abzubilden.
In dem Vortrag werden allgemeine Prinzipien zur Berechnung von Invarian-
ten dargestellt und diskutiert (Haar-Integrale, Lie-Theorie, Normalisierungsmetho-
den). Es werden sowohl Graubild- als auch konturbildbasierte Verfahren vorgestellt.
Dabei werden sowohl ebene Bewegungen (Translation und Rotation) als auch
räumliche Bewegungen mit anschließender Parallelprojektion (affine Abbildungen)
behandelt. Neben den mathematischen Herleitungen werden außerdem die Eigen-
schaften der nichtlinearen kontrahierenden Abbildungen in Bezug auf ihre Eignung
in praktischen Anwendungen diskutiert (Vollständigkeit, mögliche Mehrdeutigkei-
ten, Reaktion auf Störungen, Berechnungskomplexität).
Der Beitrag schließt mit Anwendungen u.a. aus dem Bereich der räumlich
invarianten Klassifikation von Volumendaten (Projekt zur automatischen Klassifika-
tion von Blütenpollen) sowie der Suche in Bilddatenbanken.
Literatur
[1] K. Arbter,W Snyder, H. Burkhardt, and G. Hirzinger. Application of Affine-Inva-
riant Fourier Descriptors to 3-D Objects. IEEE Trans, on Pattern Analysis and
Machine Intelligence, PAMI-12(7): 640-647, July 1990.
[2] H. Schulz-Mirbach. Anwendung von Invarianzprinzipien zur Merkmalgewinnung in
der Mustererkennung. Dissertation, Technische Universität Hamburg-Harburg,
Februar 1995. Reihe 10, Nr. 372, VDI-Verlag.