Erkennung von Fehlerpixeln in Bildern einer elektronischen Kamera in Kooperation mit der Basler AG

Kameras haben meist Millionen von Pixeln, von denen ein paar defekt sein können und falsche Helligkeitswerte liefern. Bereits ein winziger Bruchteil an defekten Pixeln im Bild fällt einem Betrachter sehr unangenehm auf und muss korrigiert werden. Die bekannten Verfahren gehen dabei oft viel zu aggressiv vor. Sie korrigieren auch tausende guter Pixel und radieren dabei interessante Detailinformationen aus dem Bild heraus.

Offenbar ist der Mensch besser darin, einen falschen Pixelwert zu identifizieren. Wie macht er das eigentlich? Dazu sollen kleine Bildausschnitte von jeweils 5x5 Pixeln betrachtet werden. Ab wann erkennt der Mensch auf einem so kleinen Bildausschnitt in der Mitte einen abweichenden Pixelwert als Defekt? Wie hängt das vom Bildinhalt ab? Welche Einflussgrößen gib es? Können auch mehrere abweichende Pixelwerte als Defekte erkannt werden?
Kann man das modellieren, so dass ein Algorithmus automatisch auf einem 5x5 Pixel großen Bildausschnitt erkennen kann, ob dort ein Pixel von einem Mensch als defekt angesehen würde? Und wie gut arbeitet das Modell im Vergleich zum Menschen?

In der Werkzeugkiste finden sich Gesetzmäßigkeiten zur menschlichen Wahrnehmung, Statistiken über charakteristische lokale Helligkeitsverläufe in natürlichen Bildern, Verbundwahrscheinlichkeiten von Wertepaaren, z.B. Autokorrelation oder 1/f² Spektrum, und nichtlineare Operatoren, die sich gut zur Modellierung neuronaler Verschaltungen eignen. Und vielleicht haben Sie dazu noch eine viel bessere Idee.

Kooperationspartner:
Basler ist ein weltweit führender Entwickler und Hersteller von hochwertigen digitalen Kameras für Anwendungen in Industrie, Videoüberwachung, Medizin und Verkehr. Außerdem entwickelt und vertreibt Basler schlüsselfertige Systemlösungen zur Oberflächeninspektion.

Basler Logo

Aktuell sind 27 Gäste und keine Mitglieder online

Cognitive Neuroinformatics © 2017