Technologieangebote

Optimierte Filter zur Erkennung von Bildmerkmalen z. B. bei der Oberflächeninspektion

Kurzfassung

Mit diesen maßgeschneiderten Filterbänken können Fehler-Klassifikationen mit deutlich höherer Trennschärfe und besseren Detektionsraten erzielt werden. Das Verfahren ist als Software einfach in bestehende Systeme zu integrieren.

Hintergrund

Die Erkennung und Extraktion von Bildmerkmalen, also allgemein die Klassifikation von Bildmerkmalen, spielt bei der digitalen Bildverarbeitung eine große Rolle. So werden z. B. bei der Oberflächeninspektion Bilder von den zu prüfenden Oberflächen aufgenommen, um in diesen verschiedene Klassen von Oberflächen-Fehlern zu identifizieren. Dabei können aber selbst Objekte derselben Klasse in sehr unterschiedlichen Größen vorkommen. Dies stellt die bisher verwendeten Methoden der Bildverarbeitung jedoch vor Herausforderungen. Um diese Analyse-Verfahren zuverlässiger und stabiler gestalten zu können, sind an das jeweilige Bildmerkmal angepasste Lösungen von Vorteil.

Problemstellung

Die bisher bevorzugt verwendeten dyadischen und M Channel Wavelet Filterbänke können aufgrund ihrer ganzzahligen Skalierung nicht optimal an die verschiedenen Größen der Bildmerkmale angepasst werden. Ihre Verwendung bietet daher längst nicht für alle Anwendungen zufriedenstellende Ergebnisse.

Lösung

Das erfindungsgemäße Filterverfahren wurde im Rahmen eines Forschungsprojektes von der Hochschule Pforzheim in Zusammenarbeit mit dem Fraunhofer Institut IOSB und dem Karlsruher Institut für Technologie entwickelt. Es werden maßgeschneiderte „rationale biorthogonale wavelet-Filterbänke“ verwendet. Die Anpassung erfolgt in zwei Schritten: zuerst wird der passendste rationale Skalierungsfaktor ermittelt und danach werden die Filterkoeffizienten an die Bildmerkmale angepasst. Dafür werden biorthogonale Filter verwendet, um mehr Freiheitsgrade zur Verfügung zu haben.
Dieses neue Analyseverfahren wurde im Rahmen einer Testreihe zur Fehlererkennung an spekularen Oberflächen mittels Deflektometrie erprobt. Hierbei hat sich gezeigt, dass mit dem neuen Verfahren bei der Fehler-Klassifikation eine deutlich höhere Trennschärfe erzielt wird. Auch die korrespondierenden Detektionsraten sind bekannten Verfahren überlegen. In der Abbildung sind exemplarische Testergebnisse zusammengestellt, die dies verdeutlichen. Die Erfindung betrifft dieses Analyseverfahren sowie auch seine Implementierung in bestehende Systeme. Die maßgeschneiderten Filterbänke können für eine optimale Merkmalserkennung in bestehende Systeme integriert werden.

Die linke Tabelle zeigt die Präzisionszunahme durch eine erhöhte Anzahl berücksichtigter Attribute (t) eines Objektes und zeigt gleichzeitig den Vorteil rationaler biorthogonaler Filterbänke (RWFB) gegenüber M-Channel Filterbänken (MCFB). Die rechte Tabelle verdeutlicht den Vorteil unterschiedlich aufgebauter RWFB (unten) gegenüber der Verwendung von „Thresholding“ bzw. Standard-Wavelets (oben). Dargestellt wird die Genauigkeit der Klassifikationen für die Merkmalsklassen Cd (dent), Cp (pimple) sowie Cs (stain) unter Berücksichtigung verschiedener Auflösungsstufen t.

Vorteile

  • Deutlich höhere Detektionsraten und Trennschärfe bei der Klassifikation der Bildmerkmale
  • Filterbänke sowie deren Komponenten werden gezielt auf charakteristische Merkmale angepasst
  • Neue Software kann problemlos in bestehende Systeme und Prozesse integriert werden

Anwendungsbereiche

  • Qualitätskontrolle (Fehlererkennung auf Oberflächen)
  • Digitale Bildverarbeitung

Publikationen und Verweise

Thomas Greiner, Tan-Toan Le, Mathias Ziebarth, Michael Heizmann, Multiskalige Oberflächeninspektion mit Wavelets und Deflektometrie, tm-Technisches Messen, Band 83, Heft 11, Seiten 617–627, ISSN (Online) 2196-7113, ISSN (Print) 0171-8096, October 2016, De Gruyter Verlag.
DOI: https://doi.org/10.1515/teme-2015-0047

Tan-Toan Le, Matthias Ziebarth, Thomas Greiner, Michael Heizmann, Systematic Design of Object Shape Matched Wavelet Filter Banks for Defect Detection, 39th International Conference on Telecommunications and Signal Processing, June 2016, Vienna, Austria.
DOI: https://doi.org/10.1109/TSP.2016.7760923

Le, T.-T.; Ziebarth, M.; Greiner, T.; Heizmann, M.: Optimized Size-adaptive Feature Extraction Based on Content-matched Rational Wavelet Filters. - ln: Proceedings of the 22th European Signal Processing Conference (EUSIPCO), Lisbon Portugal, September 2014, pp. 1672-1676. (978-0-9928626-1-9).

T. Le, T. Greiner, M. Ziebarth, M. Heizmann, Inspection of Specular Surfaces using Optimized M-Channel Wavelets, IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP), Proceedings, Vancouver, Canada, May 2013.

Exposé
Kontakt
Anne Böse, M.Sc.
TLB GmbH
Ettlinger Straße 25
76137 Karlsruhe | Germany
Telefon +49 721-79004-0
boese(at)tlb.de | www.tlb.de
Entwicklungsstand
Prototyp / TRL5
Patentsituation
EP 2977933 B1 erteilt
DE erteilt
FR erteilt
GB erteilt
Referenznummer
14/005TLB
Service
Die Technologie-Lizenz-Büro GmbH ist mit der Verwer­tung der Technologie beauftragt und bietet Unternehmen die Möglichkeit der Lizenznahme.