Integrative Auswertung von Farbe und Textur

Palm, Christoph Arnold; Spitzer, Klaus

doi:24727

Integrative Auswertung von Farbe und Textur

Palm, Christoph Arnold (Author)

2003

Verantwortlichkeitsangabevorgelegt von Christoph Arnold Palm

ImpressumAachen : Publikationsserver der RWTH Aachen University 2003

UmfangVIII, 188 S. : Ill., graph. Darst.

Aachen, Techn. Hochsch., Diss., 2003

Genehmigende Fakultät
Fak01

Hauptberichter/Gutachter
Spitzer, Klaus (Thesis advisor)

Tag der mündlichen Prüfung/Habilitation
2003-02-06

Online
URN: urn:nbn:de:hbz:82-opus-5156
URL: https://publications.rwth-aachen.de/record/58707/files/Palm_Christoph.pdf

Einrichtungen

Fakultät für Mathematik, Informatik und Naturwissenschaften (100000)

Inhaltliche Beschreibung (Schlagwörter)
Informatik (frei) ; Bildverarbeitung (frei) ; Farbtextur (frei) ; Klassifikation (frei)

Thematische Einordnung (Klassifikation)
DDC: 004

Kurzfassung
Integrative Auswertung von Farbe und Textur Farbe und Textur sind zwei der wesentlichen Gebiete der digitalen Bildverarbeitung. In der Bildanalyse stehen beide bislang weitgehend unverbunden nebeneinander. Im Rahmen dieser Arbeit werden Methoden zur integrativen Auswertung beider Phänomene vorgestellt. Mit integrativen Farbtexturmerkmalen für Cooccurrence-Matrizen und Gabor-Filter wird sowohl der statistische als auch der signaltheoretische Bereich der Texturanalyse der Farbbildverarbeitung zugänglich gemacht. Da die separate Betrachtung von Grauwerttextur und Farbhistogramm ebenso wie die integrative Auswertung der Farbtextur im Rahmen der Cooccurrence-Notation zu realisieren ist, kann der Gewinn aus der integrativen Farbtexturanalyse mit Hilfe der Kolmogorov-Distanz quantifiziert werden. Damit wird die Diskussion um den Sinn des zusätzlichen Aufwandes, der bei der Analyse farbiger Texturen im Vergleich zu grauwertigen Texturen zu beobachten ist, auf eine objektive Basis gestellt und anwendungsspezifisch entschieden. Als Merkmale zur Klassifikation der Farbtexturen werden im Rahmen der statistischen Methodik sowohl für ein- als auch für mehrkanalige Cooccurrence-Matrizen die acht wichtigsten Haralick-Maße verwendet. Die Gabor-Filter werden sowohl als Gabor-Wavelets als auch als log-polareGabor-Filterbänke untersucht. Darüber hinaus werden neue Texturmerkmale vorschlagen, von denen insbesondere die Phasenenergie ähnliche Diskriminationseigenschaften aufweist wie die bekannte Amplitudenenergie. Damit wird das Gebiet der Gabor-Filter nicht nur für den Bereich der Farbtexturen um ein wichtiges neues Merkmal ergänzt. Die Evaluation der neuen Farbtexturmerkmale im Vergleich zu klassischen Farbhistogrammen und grauwertbasierten Texturmerkmalen erfolgt anhand umfangreicher Klassifikationstests mit einem klassischen Nearest-Neighbor-Klassifikator. Die Experimente basieren auf drei Datensätzen mit bis zu 1920 Bildern. Diese decken ein breites Spektrum farb- und texturdominierter Oberflächen ab. Die Auswertung der experimentellen Ergebnisse zeigt neben einer signifikanten Qualitätsverbesserung des integrativen Ansatzes insbesondere die diskriminative Bedeutung helligkeitsunabhängiger Farbmuster. Beide farbtexturanalytischen Methoden werden für den RGB- (technisch) und für den komplexen Farbraum (wahrnehmungsorientiert) entwickelt und untersucht. Die insgesamt besten Klassifikationsergebnisse wurden dabei im komplexen Farbraum erzielt. Dennoch kann keine generelle Empfehlung für diesen dekorrelierten Farbraum ausgesprochen werden. Beim Vergleich der beiden Analysemethoden ergibt sich eine eindeutige Präferenz zur statistischen Analyse mittels Cooccurrence Matrizen. Gerade in der medizinischen Bildverarbeitung ergeben sich zahlreiche praktische Anwendungsfelder zum Einsatz der Verfahren im Rahmen der bildunterstützten Diagnostik. Beispielhaft wird dies durch Auswertung dermatoskopischen Bildmaterials gezeigt.

Integrative Analysis of Color and Texture Color and Texture are two of the most important areas of digital image processing. Both areas are facing each other without any relation. Within this work, integrative methods for analysing both phenomena are introduced. With integrative color texture features for Cooccurrence matrices and Gabor filters the statistical and the signal theoretic approach to texture analysis is covered, respectively. The separation of grayscale texture analysis and color histograms as well as the integrative view on the color texture is realized within the notation of Cooccurrence matrices.Therefore, the gain of the integrative approach is being measured by the Kolmogorov distance quantitatively. Hence, the discussion about the usefullness of the computation overhead dealing with color image processing algorithms is objectified and decided application specific. The eight most important Haralick features are used as color texture features for classification within the statistical approach. The Gabor filters are evaluated as Gabor wavelets as well as log-polar Gabor filter banks. Additionally, novel texture features are proposed. Especially the phase energy feature is shown to have similar discriminative power as the well known amplitude energy. Therefore, not only the area of color texture analysis but the entire Gabor filter method is enriched by this new feature. The Evaluation of the novel color texture features in comparison to the classic color histograms and the grayscale texture approaches is done experimentally. For this, several classification experiments are performed with the nearest-neighbor-classifier. The experiments base on three image data sets with up to 1920 images. These data cover a wide range of color and texture dominated surfaces. The examination of the experimental results shows a significant increase in classification quality by the integrative approach. Additionally, the discriminative power of intensity independent colored textures is proved. Both methods analysing colored textures are developed and evaluated for the RGB (technical) and the complex color space (perception like), respectively. The best classification results overall are seen for the complex color space. Nevertheless, no general recommendation can be given to this decorrelated color space. The comparison between both analytical methods shows significant better results for the statistical analysis by Cooccurrence matrices. Especially within the field of medical image processing, numereous application areas are open for the new approaches to colored textures for diagnostic purposes. Exemplary, this is shown within the work dealing with dermatoscopic images.

Fulltext:
PDF
(additional files)