Müller, Stefan: Segmentierung und Klassifizierung von Bildern und Bildsequenzen mit Hidden-Markov-Modellen

Inhalt

Titel
 

	Inhaltsverzeichnis	II
	Formelverzeichnis	V
	Abkürzungsverzeichnis	IX
1	Einleitung	1
1.1	Mustererkennung	2
1.2	Integrierte Ansätze zur Segmentierung und Klassifizierung	3
1.3	Statistische Mustererkennung mit Hidden-Markov-Modellen	4
1.4	Gliederung der Arbeit	5
2	Theorie eindimensionaler Hidden-Markov-Modelle	6
2.1	Markov-Quellen	6
2.2	Hidden-Markov-Modelle	8
2.3	Kapitelzusammenfassung	20
3	Statistische Modellierung von Objekten in Bildern mit eindimensionalen Hidden-Markov-Modellen	21
3.1	Invariante Modellierung von Objektformen	21
3.2	Merkmalextraktion	23
3.3	Rotationsinvariante Modellierung	27
3.4	Experimentelle Ergebnisse	31
3.5	Inhaltsbasierter Zugriff auf Objekte in Bilddatenbanken	35
3.6	Kapitelzusammenfassung	47
4	Statistische Modellierung in zwei Dimensionen	49
4.1	Markov-Random-Fields	49
4.2	Zweidimensionale Hidden-Markov-Modelle	53
4.3	Pseudo zweidimensionale Hidden-Markov-Modelle	55
4.4	Kapitelzusammenfassung	61
5	Ein integrierter Ansatz zur Klassifizierung und Segmentierung mit pseudo zweidimensionalen Hidden-Markov-Modellen	63
5.1	Klassifizierung von Bildern mit P2DHMMs	63
5.2	Rotationsinvariante Modellierung von Objektformen mit P2DHMMs	66
5.3	Klassifizierung und Segmentierung mit P2DHMMs und Umgebungsmodell	67
5.4	Tracking von Personen	82
5.5	Kapitelzusammenfassung	92
6	Neuartige statistische Modellierung für die Klassifikation von Bildsequenzen	93
6.1	Pseudo dreidimensionale Hidden-Markov-Modelle	94
6.2	Klassifikation von Bildsequenzen	98
6.3	Experimentelle Ergebnisse	101
6.4	Ausblick auf einen integrierten Ansatz zur Klassifikation und Segmentierung mit P3DHMMs	104
6.5	Kapitelzusammenfassung	105
7	Zusammenfassung	107
	Literaturverzeichnis	110