{"id":{"repo_id":"freiburg-diss","oai_identifier":"oai:freidok.uni-freiburg.de:1886"},"canonical_url":"https://search.dev.ndltd.org/etd/freiburg-diss/oai:freidok.uni-freiburg.de:1886","repository":{"repo_id":"freiburg-diss","name":"University of Freiburg","base_url":"https://freidok.uni-freiburg.de/oai/oai2.php"},"display":{"title":"Methoden zur Konstruktion invarianter Merkmale für die Texturanalyse","abstract":"Oberflächen von Gegenständen der realen Welt sind in der Regel mit sichtbaren Strukturen belegt, die sich in der Variation von Intensität und Wellenlänge des reflektierten Lichtes äußern. In der Erscheinung inhomogene Objektregionen werden gemeinhin als Texturen bezeichnet und repräsentieren eine intrinsische Eigenschaft des Objekts resp. der Objektoberfläche. Für viele Bereiche des maschinellen Sehens ist es wesentlich, Objekttexturen, die sich i.a. formal nicht beschreiben lassen, analysieren zu können. Schwierigkeiten bei der Analyse der Texturen bereiten, neben einer fehlenden formalen Beschreibung, die nicht normierten Aufnahmebedingungen der Oberflächen bei der Bildakquirierung. Verfahren der Texturanalyse müssen gegenüber variierender Aufnahmebedingungen und den daraus resultierenden Transformationen auf die Bildsignale invariant sein. Ein Großteil der konventionellen Ansätze der Texturanalyse erfordern normierte Aufnahmebedingung, was deren breite Einsatzfähigkeit einschränkt. <br> <br>In dieser Arbeit werden Methoden hergeleitet, die es ermöglichen, Merkmale für die Texturanalyse zu konstruieren, die invariant gegenüber geometrischen und grauwertbasierten Transformationen sind. Dabei beschränkt sich der verfolgte Ansatz auf die Analyse von Grauwertbildern planarer Oberflächentexturen, die sich parallel und in konstanter Distanz zur Kameraebene befinden. Die hergeleiteten Texturmerkmale sind invariant in Bezug auf die Euklidische Bewegung in der Ebene (Rotation und Translation in 2D) und streng monoton steigenden Grauwerttransformationen. Um dies zu erreichen, wurden zwei Ansätze kombiniert: die Mittelung über die 2D Euklidische Transformationsgruppe und die Verwendung relationaler Kernfunktionen, die auf der Fuzzy-Theorie basieren. <br> <br>Es konnte gezeigt werden, daß die in dieser Arbeit hergeleiteten Methoden zur Konstruktion invarianter Texturmerkmale sich für zwei typische Anwendungen der Texturanalyse, die Texturdefektdetektion und die Texturklassifikation, vorteilhaft einsetzen lassen. Durch ihre Invarianzeigenschaften sind die Texturmerkmale besonders für Problemstellungen der Texturanalyse geeignet, bei denen keine optimalen Bedingungen für die Bildakquirierung herzustellen sind. D.h., durch die Verwendung der Texturmerkmale sind beliebige Orientierungen der Texturvorlage und eine variierende Beleuchtung bei der Aufnahme der Textur zulässig. Es sind keine Lagenormierung der Textur und Korrektur der Beleuchtung als Vorverarbeitungsschritte notwendig. Auch entfallen aufwendige Trainingsphasen des Klassifikators mit umfangreichen Bildmengen transformierter Texturbilder, die ansonsten bei Verwendung von Texturmerkmalen ohne die genannten Invarianzeigenschaften notwendig wären.","abstract_html":"Oberflächen von Gegenständen der realen Welt sind in der Regel mit sichtbaren Strukturen belegt, die sich in der Variation von Intensität und Wellenlänge des reflektierten Lichtes äußern. In der Erscheinung inhomogene Objektregionen werden gemeinhin als Texturen bezeichnet und repräsentieren eine intrinsische Eigenschaft des Objekts resp. der Objektoberfläche. Für viele Bereiche des maschinellen Sehens ist es wesentlich, Objekttexturen, die sich i.a. formal nicht beschreiben lassen, analysieren zu können. Schwierigkeiten bei der Analyse der Texturen bereiten, neben einer fehlenden formalen Beschreibung, die nicht normierten Aufnahmebedingungen der Oberflächen bei der Bildakquirierung. Verfahren der Texturanalyse müssen gegenüber variierender Aufnahmebedingungen und den daraus resultierenden Transformationen auf die Bildsignale invariant sein. Ein Großteil der konventionellen Ansätze der Texturanalyse erfordern normierte Aufnahmebedingung, was deren breite Einsatzfähigkeit einschränkt. &lt;br&gt; &lt;br&gt;In dieser Arbeit werden Methoden hergeleitet, die es ermöglichen, Merkmale für die Texturanalyse zu konstruieren, die invariant gegenüber geometrischen und grauwertbasierten Transformationen sind. Dabei beschränkt sich der verfolgte Ansatz auf die Analyse von Grauwertbildern planarer Oberflächentexturen, die sich parallel und in konstanter Distanz zur Kameraebene befinden. Die hergeleiteten Texturmerkmale sind invariant in Bezug auf die Euklidische Bewegung in der Ebene (Rotation und Translation in 2D) und streng monoton steigenden Grauwerttransformationen. Um dies zu erreichen, wurden zwei Ansätze kombiniert: die Mittelung über die 2D Euklidische Transformationsgruppe und die Verwendung relationaler Kernfunktionen, die auf der Fuzzy-Theorie basieren. &lt;br&gt; &lt;br&gt;Es konnte gezeigt werden, daß die in dieser Arbeit hergeleiteten Methoden zur Konstruktion invarianter Texturmerkmale sich für zwei typische Anwendungen der Texturanalyse, die Texturdefektdetektion und die Texturklassifikation, vorteilhaft einsetzen lassen. Durch ihre Invarianzeigenschaften sind die Texturmerkmale besonders für Problemstellungen der Texturanalyse geeignet, bei denen keine optimalen Bedingungen für die Bildakquirierung herzustellen sind. D.h., durch die Verwendung der Texturmerkmale sind beliebige Orientierungen der Texturvorlage und eine variierende Beleuchtung bei der Aufnahme der Textur zulässig. Es sind keine Lagenormierung der Textur und Korrektur der Beleuchtung als Vorverarbeitungsschritte notwendig. Auch entfallen aufwendige Trainingsphasen des Klassifikators mit umfangreichen Bildmengen transformierter Texturbilder, die ansonsten bei Verwendung von Texturmerkmalen ohne die genannten Invarianzeigenschaften notwendig wären.","abstract_has_math":false,"creators":["Schael, Marc"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":["Burkhardt, Hans"],"advisors":[],"committee_chairs":[],"committee_members":[],"year":null,"date_issued":"","date_published":null,"updated_at":"2026-07-24T02:22:33Z","subjects":["Invariante Merkmale","Texturdefektdetektion","Texturklassifikation","Invariant Features","Texture Defect Detection","Texture Classification"],"languages":[],"rights":[],"rights_urls":[],"identifier_entries":[]},"links":{"outbound_url":"https://freidok.uni-freiburg.de/data/1886","outbound_label":"Repository record","outbound_source":"source_url"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:contributor","label":"Contributor","values":["Burkhardt, Hans"]},{"key":"dc:creator","label":"Author","values":["Schael, Marc"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:type","label":"Dc Type","values":["DoctoralThesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Invariante Merkmale","Texturdefektdetektion","Texturklassifikation","Invariant Features","Texture Defect Detection","Texture Classification"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description.abstract","label":"Abstract","values":["Oberflächen von Gegenständen der realen Welt sind in der Regel mit sichtbaren Strukturen belegt, die sich in der Variation von Intensität und Wellenlänge des reflektierten Lichtes äußern. In der Erscheinung inhomogene Objektregionen werden gemeinhin als Texturen bezeichnet und repräsentieren eine intrinsische Eigenschaft des Objekts resp. der Objektoberfläche. Für viele Bereiche des maschinellen Sehens ist es wesentlich, Objekttexturen, die sich i.a. formal nicht beschreiben lassen, analysieren zu können. Schwierigkeiten bei der Analyse der Texturen bereiten, neben einer fehlenden formalen Beschreibung, die nicht normierten Aufnahmebedingungen der Oberflächen bei der Bildakquirierung. Verfahren der Texturanalyse müssen gegenüber variierender Aufnahmebedingungen und den daraus resultierenden Transformationen auf die Bildsignale invariant sein. Ein Großteil der konventionellen Ansätze der Texturanalyse erfordern normierte Aufnahmebedingung, was deren breite Einsatzfähigkeit einschränkt. <br> <br>In dieser Arbeit werden Methoden hergeleitet, die es ermöglichen, Merkmale für die Texturanalyse zu konstruieren, die invariant gegenüber geometrischen und grauwertbasierten Transformationen sind. Dabei beschränkt sich der verfolgte Ansatz auf die Analyse von Grauwertbildern planarer Oberflächentexturen, die sich parallel und in konstanter Distanz zur Kameraebene befinden. Die hergeleiteten Texturmerkmale sind invariant in Bezug auf die Euklidische Bewegung in der Ebene (Rotation und Translation in 2D) und streng monoton steigenden Grauwerttransformationen. Um dies zu erreichen, wurden zwei Ansätze kombiniert: die Mittelung über die 2D Euklidische Transformationsgruppe und die Verwendung relationaler Kernfunktionen, die auf der Fuzzy-Theorie basieren. <br> <br>Es konnte gezeigt werden, daß die in dieser Arbeit hergeleiteten Methoden zur Konstruktion invarianter Texturmerkmale sich für zwei typische Anwendungen der Texturanalyse, die Texturdefektdetektion und die Texturklassifikation, vorteilhaft einsetzen lassen. Durch ihre Invarianzeigenschaften sind die Texturmerkmale besonders für Problemstellungen der Texturanalyse geeignet, bei denen keine optimalen Bedingungen für die Bildakquirierung herzustellen sind. D.h., durch die Verwendung der Texturmerkmale sind beliebige Orientierungen der Texturvorlage und eine variierende Beleuchtung bei der Aufnahme der Textur zulässig. Es sind keine Lagenormierung der Textur und Korrektur der Beleuchtung als Vorverarbeitungsschritte notwendig. Auch entfallen aufwendige Trainingsphasen des Klassifikators mit umfangreichen Bildmengen transformierter Texturbilder, die ansonsten bei Verwendung von Texturmerkmalen ohne die genannten Invarianzeigenschaften notwendig wären.","Object surfaces of the real world have visible structures which reflects light in varying intensity and wave length. Object regions which are inhomogeneous in their appearance are generally known as textures. These textures are intrinsic properties of the object and object surface, respectively. For many areas of Computer Vision it is essential to analyse the object textures, which can be seldom formally described. Due to the lack of a formal description of textures and not normalised image acquiring conditions texture analysis is difficult. Texture analysis methods have to deal with varying image acquiring conditions and the resulting transformations of the image signals. Many of the known approaches of texture analysis do require normalised image acquiring conditions, which reduces their usability. <br> <br>In this work we derive methods for the construction of texture analysis features which are invariant w.r.t. geometrical and intensity based transformations. The approach is limited to the analysis of grey scale images of planar object surface texures, which are in parallel to the camera plane. The features are invariant w.r.t. Euclidean motion in the plane (rotation and translation in 2D) and stricly monotonic increasing grey scale transformations. To archieve this invariance properties two methods were combined: the integration of the 2D Euclidean group and relational kernel functions, which are based on the Fuzzy theory. <br> <br>Two typical problems of the texture analysis were used to analyse the performance of the texture features: the texture defect detection and the texture classification. For both applications the experimental results reveal the excellent performance of the new invariant features. The methods are particularly suitable for texture analysis problems where no normalised image acquiring conditions can be guaranteed. Thus, free orientation and varying lighting of the object surface are possible. No normalisation of the texture and no shading correction of the image signals have to be performed. Additionally no costly trainings of the classifier with huge amounts of transformed images are necessary."]},{"key":"dc:format.medium","label":"Dc Format Medium","values":["application/pdf"]},{"key":"dc:title","label":"Title","values":["Methoden zur Konstruktion invarianter Merkmale für die Texturanalyse","Methods for the construction of invariant features for texture analysis"]}]}],"canonical_facts":{"dc:contributor":["Burkhardt, Hans"],"dc:creator":["Schael, Marc"],"dc:description.abstract":["Oberflächen von Gegenständen der realen Welt sind in der Regel mit sichtbaren Strukturen belegt, die sich in der Variation von Intensität und Wellenlänge des reflektierten Lichtes äußern. In der Erscheinung inhomogene Objektregionen werden gemeinhin als Texturen bezeichnet und repräsentieren eine intrinsische Eigenschaft des Objekts resp. der Objektoberfläche. Für viele Bereiche des maschinellen Sehens ist es wesentlich, Objekttexturen, die sich i.a. formal nicht beschreiben lassen, analysieren zu können. Schwierigkeiten bei der Analyse der Texturen bereiten, neben einer fehlenden formalen Beschreibung, die nicht normierten Aufnahmebedingungen der Oberflächen bei der Bildakquirierung. Verfahren der Texturanalyse müssen gegenüber variierender Aufnahmebedingungen und den daraus resultierenden Transformationen auf die Bildsignale invariant sein. Ein Großteil der konventionellen Ansätze der Texturanalyse erfordern normierte Aufnahmebedingung, was deren breite Einsatzfähigkeit einschränkt. <br> <br>In dieser Arbeit werden Methoden hergeleitet, die es ermöglichen, Merkmale für die Texturanalyse zu konstruieren, die invariant gegenüber geometrischen und grauwertbasierten Transformationen sind. Dabei beschränkt sich der verfolgte Ansatz auf die Analyse von Grauwertbildern planarer Oberflächentexturen, die sich parallel und in konstanter Distanz zur Kameraebene befinden. Die hergeleiteten Texturmerkmale sind invariant in Bezug auf die Euklidische Bewegung in der Ebene (Rotation und Translation in 2D) und streng monoton steigenden Grauwerttransformationen. Um dies zu erreichen, wurden zwei Ansätze kombiniert: die Mittelung über die 2D Euklidische Transformationsgruppe und die Verwendung relationaler Kernfunktionen, die auf der Fuzzy-Theorie basieren. <br> <br>Es konnte gezeigt werden, daß die in dieser Arbeit hergeleiteten Methoden zur Konstruktion invarianter Texturmerkmale sich für zwei typische Anwendungen der Texturanalyse, die Texturdefektdetektion und die Texturklassifikation, vorteilhaft einsetzen lassen. Durch ihre Invarianzeigenschaften sind die Texturmerkmale besonders für Problemstellungen der Texturanalyse geeignet, bei denen keine optimalen Bedingungen für die Bildakquirierung herzustellen sind. D.h., durch die Verwendung der Texturmerkmale sind beliebige Orientierungen der Texturvorlage und eine variierende Beleuchtung bei der Aufnahme der Textur zulässig. Es sind keine Lagenormierung der Textur und Korrektur der Beleuchtung als Vorverarbeitungsschritte notwendig. Auch entfallen aufwendige Trainingsphasen des Klassifikators mit umfangreichen Bildmengen transformierter Texturbilder, die ansonsten bei Verwendung von Texturmerkmalen ohne die genannten Invarianzeigenschaften notwendig wären.","Object surfaces of the real world have visible structures which reflects light in varying intensity and wave length. Object regions which are inhomogeneous in their appearance are generally known as textures. These textures are intrinsic properties of the object and object surface, respectively. For many areas of Computer Vision it is essential to analyse the object textures, which can be seldom formally described. Due to the lack of a formal description of textures and not normalised image acquiring conditions texture analysis is difficult. Texture analysis methods have to deal with varying image acquiring conditions and the resulting transformations of the image signals. Many of the known approaches of texture analysis do require normalised image acquiring conditions, which reduces their usability. <br> <br>In this work we derive methods for the construction of texture analysis features which are invariant w.r.t. geometrical and intensity based transformations. The approach is limited to the analysis of grey scale images of planar object surface texures, which are in parallel to the camera plane. The features are invariant w.r.t. Euclidean motion in the plane (rotation and translation in 2D) and stricly monotonic increasing grey scale transformations. To archieve this invariance properties two methods were combined: the integration of the 2D Euclidean group and relational kernel functions, which are based on the Fuzzy theory. <br> <br>Two typical problems of the texture analysis were used to analyse the performance of the texture features: the texture defect detection and the texture classification. For both applications the experimental results reveal the excellent performance of the new invariant features. The methods are particularly suitable for texture analysis problems where no normalised image acquiring conditions can be guaranteed. Thus, free orientation and varying lighting of the object surface are possible. No normalisation of the texture and no shading correction of the image signals have to be performed. Additionally no costly trainings of the classifier with huge amounts of transformed images are necessary."],"dc:format.medium":["application/pdf"],"dc:subject":["Invariante Merkmale","Texturdefektdetektion","Texturklassifikation","Invariant Features","Texture Defect Detection","Texture Classification"],"dc:title":["Methoden zur Konstruktion invarianter Merkmale für die Texturanalyse","Methods for the construction of invariant features for texture analysis"],"dc:type":["DoctoralThesis"]},"updated_at":"2026-07-24T02:22:33Z"}