Der visuelle Eindruck von Objektoberflächen, Objektarrangements bzw. ganzen Bildszenen wird maßgeblich durch seine Textur bestimmt.
Der Texturbegriff kann dabei sehr weit gefasst werden. Die Bandbreite reicht von Texturen, welche aus einer großen Zahl kleiner, einander ähnlicher, geometrisch beschreibbarer und räumlich neben- einander angeordnet Elementarmuster (Texel) bestehen, bis zu Texturen, die lediglich eine statistische Charakterisierung ermöglichen.
Bei grober Einteilung können somit mindestens drei Texturmodelle, rein strukturell, gemischt strukturell-statistisch und rein statistisch, benannt werden:
|  |
Die Aufgabe der Texturanalyse besteht nun in einer möglichst guten Beschreibung der Textur mit geeigneten Merkmalen. Auf der Basis dieser Texturmerkmale lassen sich dann unterschiedlich texturierte Flächen, Objekte und Objektgruppen separieren oder Störungen in Texturen feststellen. Die Texturanalyse besitzt ein weitreichendes Anwendungsgebiet mit hohem Bedarf an leistungsfähigen Analyseverfahren. Innerhalb der Machine Vision lassen sich die Fehlerdetektion in strukturierten Oberflächen (z.B. Webfehler in textiler Bahnenware) oder die Sortierung von texturierten Flächenelementen (z.B. Fassadenplatten aus natürlichen Materialien) als Beispiel anführen. Die vielfältige Charakteristik der Texturen und Texturstörungen verdeutlicht den hohen Schwierigkeitsgrad bei der Realisierung von Texturanalyseverfahren. Die Texturanalyse kann damit zu den anspruchsvollsten aber auch interessantesten Forschungsgebieten im Bereich der Bildverarbeitung gezählt werden.
|
|
|
|
Strukturelle Farbtextur mit Defekt
Bsp.: Druckmuster, Waferstruktur
|
Gemischt strukt.-stat. Texturmodell
Bsp.: textile Web-/Maschenware
|
Statistisches Texturmodell
Bsp.: Naturstein, Papier
|
|
Aufbauend auf den langjährigen Erfahrungen und Arbeitsergebnissen der Forschungsgruppe Bildverarbeitung der Technischen Universität Ilmenau bildet die Texturanalyse bereits mit der Gründung des ZBS e.V. ein wesentliches Betätigungsfeld. Neben der anwendungsorientierten Entwicklungsarbeit (z.B. Fehlerdetektion auf Wafern) beinhaltete die Forschung auch grundlegende Untersuchungen zu verschiedenen Ansätzen der Texturanalyse, so dass uns eine breite Wissensbasis und leistungsfähige Algorithmen für die Texturanalyse zur Verfügung stehen.
Im Ergebnis liegen damit weitreichende Erfahrungen zu den nachfolgend aufgeführten Verfahren der Texturanalyse vor:
- Texturbeschreibung mit Merkmalen aus der Statistik 1., 2. und höherer Ordnung (Histogramme, Co-occurrence-Matrizen, Autokorrelationsmatrizen ...)
- Texturbeschreibung mit Merkmalen aus Ortsfrequenzräumen
- Texturbeschreibung auf Basis von Elementarmustern (Texel)
- Texturbeschreibung mit fraktalen Parametern
- Textursegmentierung und Fehlerdetektion mit adaptiven Filtern (Texturenergiemasken, Eigenfilter, Quadratur-/Gaborfilter, Autoregressionsmodelle ...)
- Textursegmentierung und Fehlerdetektion mit lokalem Bild-Bild-Vergleich
- Multiresolutionmethoden für die Texturanalyse (Bildpyramiden)
In Verbindung mit der Farbbildverarbeitung widmen wir uns auch verstärkt der Bildanalyse von Farbtexturen.
|
|
