16. Workshop Farbbildverarbeitung 2010 Ilmenau

16. Workshop Farbbildverarbeitung, 07.10.-08.10.2010, Ilmenau
Die Aufnahme, Verarbeitung und Analyse farbiger und mehrkanaliger Bilder gewinnt seit Jahren beständig an Bedeutung. Dieser Trend wird einerseits durch die verbesserten technischen Möglichkeiten und andererseits durch die gestiegenen Ansprüche aus den vielfältigen Anwendungsfeldern in der Industrie, der Medizin, der Umwelt und in den Medien befördert.
Im Jahr 1995 wurde diesem Trend folgend erstmals der Workshop Farbbildverarbeitung veranstaltet, der seitdem jährlich stattfindet. Als Veranstaltung der German Color Group bietet der Workshop ein Diskussionsforum für Forscher, Entwickler und Anwender, das sich den Problemen der Farbtheorie, der Farbmessung, der Farbbildaufnahme und der spektralen Bildgewinnung (hyperspectral imaging) genauso widmet, wie der Entwicklung von neuen Methoden und Algorithmen zur Verarbeitung und Analyse von Farbbildern und mehrkanaligen (spektroskopischen) Bilddaten. Naturgemäß nehmen hier aber auch Fragestellungen der farbtreuen Bildreproduktion auf verschiedenen Ausgabemedien einen gebührenden Platz ein und es wird die Nutzung von Methoden und Verfahren der Farbbildverarbeitung im Rahmen der industriellen Qualitätskontrolle sowie in Robotik und Automatisierung diskutiert.
 
Recovering Camera Sensitivities using Target-based Reflectances Captured under multiple LED-Illuminations - Michael Desch- Technische Universität Darmstadt 101007_01_desch_tu_darmstadt.pdf

Recovering Camera Sensitivities using Target-based Reflectances Captured under multiple LED-Illuminations

Michael Desch - Technische Universität Darmstadt

Inhalt:
  • Motivation: Spectral Estimation
  • Spectral Estimation Approaches
  • Model-based Methods
  • Camera Model (Linear, Continuous)
  • Monochromator-based Training
  • LED+Target-based Training
  • Solution: Use Chromaticities
Spektrale Charakterisierung einer Multispektralkamera - Julie Klein - RWTH Aachen Universität 101007_02_klein_hochschule_aachen.pdf

Spektrale Charakterisierung einer Multispektralkamera

Julie Klein - RWTH Aachen Universität

Gliederung:
  • Motivation
  • Multispektralkamera
  • Gesamt-und separate Kalibration
  • Einfallende Strahlung
  • Schätzung der spektralen Kurven
  • Ergebnisse
  • Zusammenfassung
Spektrale Schätzung in Inline-Bildinspektionssystemen mittels 6-12 kanaliger CCD-Zeilensensoren - Markus Schnitzlein - Chromasens GmbH 101007_03_schnitzlein_chromasens.pdf

Spektrale Schätzung in Inline-Bildinspektionssystemen mittels 6-12 kanaliger CCD-Zeilensensoren

Markus Schnitzlein - Chromasens GmbH

Advantages by use of a Multi Channel Camera-System:
  • Better accuracy for color measurements
  • Much better results for Color Mixture
  • No more problems with metamerism
  • Advantage for compensation of spectral aberations (Wavelength Shift of Filter)
  • Analysis of printing artefacts
  • High resolution 150 μm
  • Camera speed 6 m/s
  • 12 Color channels / 4 Cameralink Interfaces
Multispektrale Filterung mit Geometrischer Algebra - Bernhard Frei - Chromasens GmbH 101007_04_frei_chromasens.pdf

Multispektrale Filterung mit Geometrischer Algebra

Bernhard Frei - Chromasens GmbH

Inhalt:
  • Meist getrennte BV-Operationen auf den der RGB -Kanälen
  • Warum getrennte Verarbeitung der Grau-und Farbkomponente?
  • Getrennte BV-Operationen auf Farbkanälen erzeugen Artefakte
  • Geometrische Algebra
  • Projektion und Rejektion
  • Baryzentrische Koordinaten
Dihedral Groups and Spatio-Chromatic Filter Systems - Reiner Lenz - Linköping University 101007_05_lenz_uni_linkoeping.pdf

Dihedral Groups and Spatio-Chromatic Filter Systems

Reiner Lenz - Linköping University

The Algebra of Digital Color Images:
  1. Algebra, Filter design from first principles
  2. Visual properties of filters
  3. Discrimination of visual classes, Image retrieval, Emotions
Klassifikation von Farbtexturen mit dem HSI-Kugelmodell - Mattias Mende - Fraunhofer-Institut für Werkzeugmaschien und Umformtechnick IWU 101007_06_mende_fraunhofer_iwu.pdf

Klassifikation von Farbtexturen mit dem HSI-Kugelmodell

Mattias Mende - Fraunhofer-Institut für Werkzeugmaschien und Umformtechnick IWU

Inhalt:
  1. Einleitung
  2. RGB-HSI-Transformation der Farbpixel
  3. Segmentierung des Bildes
  4. Gewinnung invarianter Merkmale
  5. Verfahren der Robusten Klassifikation
  6. Praktische Ergebnisse an realen Texturen
  7. Zusammenfassung
Erweiterung von Punktmerkmalen um Farbinformation zur semantischen Gruppierung - N. Hering - Universität Koblenz-Landau 101007_07_hering_uni_koblenz_landau.pdf

Erweiterung von Punktmerkmalen um Farbinformation zur semantischen Gruppierung

N. Hering - Universität Koblenz-Landau

Kontext:
  • semantische Gruppierung von Punktmerkmalen soll semantisch ähnliche Orte in einem Bild zusammenfassen
  • Anwendungsfeld: Posebestimmung auf Universitätscampus Koblenz
  • zugrunde liegende Punktmerkmale (z.B. SIFT-Merkmale) enthalten meist nur Information über Grauwertgradienten
  • durch Nichtbetrachtung von Farbe gehen wertvolle Informationen über die beschriebenen Orte verloren
  • deshalb: Farbinformation betrachten!
SIMULTANEOUS GEOMETRIC AND COLORIMETRIC CAMERA CALIBRATION - Daniel Kapusi - ZBS Zentrum für Bild- und Signalverarbeitung e.V. 101007_08_kapusi_zbs.pdf

SIMULTANEOUS GEOMETRIC AND COLORIMETRIC CAMERA CALIBRATION

Daniel Kapusi - ZBS Zentrum für Bild- und Signalverarbeitung e.V.

Outline:
  • Motivation
  • Calibration Target
  • Target Feature Detection
  • Geometric Calibration
  • Stereo Rectification
  • Color Calibration
  • Conclusion
Korrektur von RGB-Werten für unterschiedliche Aufnahmebedingungen mit Comparagram-Technik und Ausgleichsrechnung - Matthias Hintzmann - Gesellschaft zur Förderung angewandter Informatik e.V. GFaI 101007_09_hintzmann_gfai.pdf

Korrektur von RGB-Werten für unterschiedliche Aufnahmebedingungen mit Comparagram-Technik und Ausgleichsrechnung

Matthias Hintzmann - Gesellschaft zur Förderung angewandter Informatik e.V. GFaI

Inhalt:
  • Anwendungsgebiet: Stereo-Vision
  • Comparagram-Technik
  • Comparagram-Technik: Beispiel Stereo
  • Comparagram-Auswertung mit Ausgleichsrechnung
  • Erhöhung der Robustheit, Adaption der Gewichte
  • Visueller Eindruck der Farbtransformation
Dynamikerweiterung durch Weissabgleich im Bildsensor - Michael Schöberl - Fraunhofer-Institut für Integrierte Schaltungen IIS 101007_10_schoeberl_fraunhofer_iis.pdf

Dynamikerweiterung durch Weissabgleich im Bildsensor

Michael Schöberl - Fraunhofer-Institut für Integrierte Schaltungen IIS

Übersicht:
  • Digitale Bildaufnahme
  • Dynamikumfang einer
  • Farbbildaufnahme
  • Beeinflussung der
  • Belichtung
  • Digitales ND-Filter und Weißabgleich
  • Ergebnisse
Onlinefähige automatische Farbmessung an künstlichen Zähnen - Sarah Steinmetz - Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB 101008_12_steinmetz_fraunhofer_iosb.pdf

Onlinefähige automatische Farbmessung an künstlichen Zähnen

Sarah Steinmetz - Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB

Übersicht:
  • Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung IOSB / Sichtprüfsysteme
  • Aufgabenstellung
  • Stand der Technik
  • Lösungsansatz
  • Experimentelle Ergebnisse
  • Zusammenfassung und Ausblick
Robust Pixel Classication for RoboCup - Andreas Fürtig - Johann Wolfgang Goethe-Universität 101008_13_fuertig_uni_frankfurt.pdf

Robust Pixel Classi cation for RoboCup


Andreas Fürtig - Johann Wolfgang Goethe-Universität

Inhalt:
  • Was ist der RoboCup?
  • Anforderungen
  • State of the Art
  • Typische Verteilung der Farben
  • Warum Statistik?
  • Angepasstes Distanzmaß
Klassifikation mineralischer Baurohstoffe mittels Bildverarbeitung und maschinellem Lernen - Katharina Anding- Technische Universität Ilmenau 101008_14_anding_tu_ilmenau.pdf

Klassifikation mineralischer Baurohstoffe mittels Bildverarbeitung und maschinellem Lernen

Katharina Anding - Technische Universität Ilmenau

Inhalt:
  1. Einleitung
  2. Versuchsaufbau zur Bildaufnahme
  3. Objektklassen der Erkennungsaufgabe und verwendeter Bilddatensatz
  4. Bildsegmentierung und Merkmalsextraktion
  5. Merkmalsselektion
  6. Wahl eines geeigneten Klassifikationsverfahrens
  7. Zusammenfassung der Ergebnisse
  8. Literatur
Image-Based Comparison of Pre-modern Coins and Medals - Jens Hedrich- Universität Koblenz-Landau 101008_15_hedrich_uni_koblenz_landau.pdf

Image-Based Comparison of Pre-modern Coins and Medals

Jens Hedrich - Universität Koblenz-Landau

Overview:
  • Introduction
  • Coin Images
  • Related Work
  • Data Acquisition
  • Image Registration
  • Result & future work
Automatische Besatzanalyse mittels Bildverarbeitung und maschinellem Lernen - Daniel Garten - GFE Gesellschaft für Fertigungstechnik und Entwicklung Schmalkalden e.V. 101008_16_garten_gfe.pdf

Automatische Besatzanalyse mittels Bildverarbeitung und maschinellem Lernen

Daniel Garten - GFE Gesellschaft für Fertigungstechnik und Entwicklung Schmalkalden e.V.

Gliederung:
  1. Einleitung
  2. Bildaufnahme
  3. Bildmerkmale und Klassifikator
  4. Erreichte Ergebnisse im Praxiseinsatz
  5. Zusammenfassung
3D-Segmentierung in Bilderwelten  Frank Nagl - Fachhochschule Erfurt 101008_17_nagl_fh_erfurt.pdf

3D-Segmentierung in Bilderwelten

Frank Nagl - Fachhochschule Erfurt

Gliederung:
  • Motivation
  • State-Of-The-Art
  • Konzept
  • Umsetzung und Ergebnisse
  • Zusammenfassung und Ausblick
3D-Oberflächen-Rekonstruktion undplastisches Rendern aus Bilderserien - Sebastian Schäfer - Johann Wolfgang Goethe-Universität 101008_18_schaefer_goethe_uni.pdf

3D-Oberflächen-Rekonstruktion undplastisches Rendern aus Bilderserien

Sebastian Schäfer - Johann Wolfgang Goethe-Universität

Übersicht:
  • Motivation & Problemstellung
  • Verfahren
  • Anforderungen & Umsetzung
  • Ergebnisse & Fazit
  • Ausblick
Color and Spectral Inspections with Smartphones - Dietrich Hofmann - SpectroNet Green Vision 101008_19_hofmann_spectronet_a.pdf
101008_19_hofmann_spectronet_b.pdf

Color and Spectral Inspections with Smartphones

Dietrich Hofmann - SpectroNet Green Vision

Content:
  1. Introduction
  2. Color Measurement and Inspection with Smartphones
  3. Simplifications with Smartphones
  4. Learning with Smartphones
  5. Practical Applications of Smartphones
  6. Summary & Outlook
Farb CIS Sensoren für die Bildverarbeitung - Nikolaus Tichawa - Tichawa Vision GmbH 101008_20_tichawa_tichawa_vision.pdf

Farb CIS Sensoren für die Bildverarbeitung

Gordon Scherwinsky - Tichawa Vision GmbH

Inhalt:
  • Wir über uns
  • Traditionelle CIS Sensoren
  • Funktionsprinzip CIS Sensoren
  • Abbildende Optik eines CIS Sensors
  • GRIN (GRaded INdex) Linse
  • MAXICIS