Stochastische Mustererkennung zur Bildsegmentierung = Stochastic pattern recognition for image segmentation

Luftbilder zeigen häufig weite homogene Bereiche mit inhomogener Textur. Das sind Bereiche, die zwar lokal eine hohe Schwankung in den Farbwerten aufweisen, die jedoch stochastisch ein augenscheinlich so regelmäßiges Muster zeigen, dass man sie als Mensch leicht als zusammengehörige Fläche wie einen Wald, ein Feld, einen Weg oder ein Gewässer erkennt. Mit der vorliegenden Arbeit sollen solche Bereiche erkannt werden. Dazu werden zunächst Texturmodelle zu verschiedenen Bildbereichen generiert, die strukturelle Ähnlichkeit ermittelt und hinreichend unterschiedliche Texturmodelle gespeichert. Anschließend wird jedes Pixel des Bildes via Struktur-Metrik einem der gefundenen Texturmodelle zugeordnet und entsprechend charakteristisch eingefärbt. Dabei werden drei unterschiedliche Ansätze zur Texturmodellierung untersucht und miteinander verglichen im Hinblick auf das Ziel, möglichst viele Bildbereiche als gleichartig zu segmentieren, die von einem Menschen als ähnlich angesehen werden (z.B. alle Baumkronen im Bild, Wege oder Äcker) und Segmentgrenzen dort zu erzielen, wo augenscheinliche Übergänge sind (z.B.Waldgrenzen, Auto auf einer Wiese, Fahrzeugspuren im Gelände, Vegetationsveränderungen).