Zusammenfassung
In diesem Artikel werden zwei Verfahren zur translations- und rotationsinvarianten Erkennung von Objekten und zweidimensionalen Bildern mit neuronalen feedforward Netzen vorgestellt: ein Verfahren mit invarianten Momenten und ein neues Verfahren mit neuronalen Netzen zweiter Ordnung. Beide Verfahren wurden mit einem Netzwerksimulator (Stuttgarter Neuronale Netze Simulator, SNNS) realisiert und an drei verschiedenen Anwendungsbeispielen getestet. Es werden jeweils spezielle Merkmalvektoren mit einem einfachen und schnellen Vorverarbeitungsalgorithmus berechnet, die dann von einem zweistufigen neuronalen feedforward Netz klassifiziert werden. Beide Verfahren sind für die Erkennung beliebiger zweidimensionaler, auch nicht zusammenhängender Objekte oder Bilder geeignet. Sie sind unabhängig von den jeweils zu erkennenden Objekten und auch für größere Anwendungen allgemein verwendbar. Im Gegensatz zu vielen in der Literatur beschriebenen Methoden mit neuronalen Netzwerken ermöglichen beide Verfahren problemlos Eingabebilder mit Bildschirmauflösung.
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
R. O. Duda, P. E. Hart: Pattern classification and scene analysis. Wiley 1973.
S. A. Dudani, K. J. Breeding: Aircraft Identification by Moment Invariants. IEEE Transactions on Computers, Vol. C-26, No. 1, 39–45, January 1977.
S. E. Fahlman: Faster-Learning Variations on Back-Propagation: An Empirical Study. In [Tou88] Part 1, 38–51, 1988.
G. L. Giles, T. Maxwell: Learning, invariance, and generalization in high-order neural networks. Applied Optics 26–23, 4972–4978, 1 December 1987.
G. L. Giles, R. D. Griffin, T. Maxwell: Encoding geometric invariances in higher-order neural networks. Neural Information Processing Systems. American Institute of Physics Conference Proceedings, 301–309, 1988.
R. C. Gonzalez, P. Wintz: Digital image processing. Addison-Wesley 1987.
A. Goshtasby: Template Matching in Rotated Images. IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. PAMI-7, No. 3, 338–344, May 1985.
N. Harendt, W. Döler, A. Jäger: Erkennung von Bildmustern mit Hilfe von invarianten Momenten. In Mustererkennung 1989: Proceedings, Hamburg, 2.-4. Oktober 1989. H. Burkhardt (Hrsg.), Informatik-Fachberichte 219, Springer Verlag 1989.
T. C. Hsia: A Note on Invariant Moments in Image Processing. IEEE Transactions on Systems, Man, and Cybernetics, Vol. SMC-11, No. 12, 831–834, December 1981.
M.-K. Hu: Visual Pattern Recognition by Moment Invariants. IRE Transactions on Information Theory, IT-8, 179–187, February 1962.
International Joint Conference on Neural Networks, Washington D.C., June 1822, 1989, Volume I. Lawrence Erlbaum Associates 1989.
T. Maxwell, G. L. Giles, Y. C. Lee, H. H. Chen: Transformation invariance using high order correlations in neural net architectures. IEEE International Congress on Systems, Man, and Cybernetics, Vol. ICSMC-1, 627–632, 1986.
Y. H. Pao: Adaptive Pattern Recognition and Neural Networks. Addison-Wesley 1989.
S. S. Reddi: Radial and Angular Moment Invariants for Image Identification. IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. PAMI-3, No. 2, 240–242, March 1981.
M. B. Reid, L. Spirkovska, E. Ochoa: Simultaneous position, scale, and rotation invariant pattern classification using third-order neural networks. Neural Networks, 1: 154–159, 1989.
M. B. Reid, L. Spirkovska, E. Ochoa: Rapid Training of Higher-Order Neural Networks for Invariant Pattern Recognition. In [IJC89], 689–692, 1989.
D. S. Touretzky, G. Hinton, T. Sejnowski (Eds.): Proceedings of the 1988 Connec- tionist Models Summer School. Morgan Kaufmann, San Mateo 1988.
J. R. Ullman: Pattern recognition techniques. Butterworth, London 1973.
P. Zamperoni: Methoden der digitalen Bildsignalverarbeitung. Friedrich Vieweg & Sohn 1989.
Benutzerhandbuch. Bericht Nr. 1/91. Institut für Parallele und Verteilte Höchstleistungsrechner (IPVR), Universität Stuttgart, 1991.
Nessus-Handbuch. Bericht Nr. 3/91. Institut für Parallele und Verteilte Höchstleistungsrechner (IPVR), Universität Stuttgart, 1991.
P. Zimmerer: Vergleich verschiedener Lernverfahren für neuronale Netze. Studienarbeit Nr. 896, Institut für Parallele und Verteilte Höchstleistungsrechner (IPVR), Fakultät Informatik, Universität Stuttgart, Dezember 1990.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 1991 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Zimmerer, P., Zell, A. (1991). Translations- und rotationsinvariante Erkennung von Werkstücken mit neuronalen Netzwerken. In: Radig, B. (eds) Mustererkennung 1991. Informatik-Fachberichte, vol 290. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-08896-8_5
Download citation
DOI: https://doi.org/10.1007/978-3-662-08896-8_5
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-54597-2
Online ISBN: 978-3-662-08896-8
eBook Packages: Springer Book Archive