learn_ndim_normT_learn_ndim_normLearnNdimNormLearnNdimNorm (Operator)

Name

learn_ndim_normT_learn_ndim_normLearnNdimNormLearnNdimNorm — Konstruieren von Clustern für class_ndim_normclass_ndim_normClassNdimNormClassNdimNormClassNdimNorm.

Signatur

Beschreibung

learn_ndim_normlearn_ndim_normLearnNdimNormLearnNdimNormLearnNdimNorm erzeugt aus den in ForegroundForegroundForegroundForegroundforeground enthaltenen Regionen Klassifikationscluster, die im Operator class_ndim_normclass_ndim_normClassNdimNormClassNdimNormClassNdimNorm verwendet werden. Mit BackgroundBackgroundBackgroundBackgroundbackground kann eine Klasse von Pixeln angegeben werden, die bei der Klassifikation (class_ndim_normclass_ndim_normClassNdimNormClassNdimNormClassNdimNorm) nicht gefunden werden sollen. Dieser Parameter darf auch leer sein (leeres Objekt).

Mit dem Parameter DistanceDistanceDistanceDistancedistance wird der maximale RadiusRadiusRadiusRadiusradius für die Cluster festgelegt. Er beschreibt den minimalen Abstand zweier Clusterzentren. Wird der Parameter DistanceDistanceDistanceDistancedistance klein gewählt, so können die (kleinen) Hyperkugeln (-Würfel) den Merkmalsraum gut approximieren. Gleichzeitig steigt jedoch der Rechenaufwand beim Klassifizieren.

Das Verhältnis aus Anzahl der Pixel in einem Cluster zu der Gesamtzahl (in Prozent) muss über dem Wert von MinNumberPercentMinNumberPercentMinNumberPercentMinNumberPercentminNumberPercent liegen, ansonsten wird dieser Cluster nicht ausgegeben. Der Parameter MinNumberPercentMinNumberPercentMinNumberPercentMinNumberPercentminNumberPercent dient dazu, Ausreißer in der Trainingsmenge zu eliminieren. Wird er zu groß gewählt, dann werden zu viele Cluster unterdrückt.

Es können zwei verschiedene Verfahren verwendet werden: Die minimale euklidische Distanz (n-dimensionale Kugeln) und das Maximum-Verfahren (n-dimensionale Würfel) für die Beschreibung der Pixel des zu klassifizierenden Bildobjekts im n-dimensionalen Histogramm (Parameter MetricMetricMetricMetricmetric). Die euklidische Metrik liefert i.A. die besseren Ergebnisse, benötigt jedoch auch mehr Rechenzeit. Der Parameter QualityQualityQualityQualityquality gibt die Qualität der Clusterbildung an. Dabei wird die Überschneidung der Abweisungsobjekte mit den Klassifizierungsobjekten berechnet. Null bedeutet maximale Überschneidung, Werte größer Null geben das entsprechende Verhältnis der Überlappung an. Wird kein Zurückweisungsobjekt angegeben, so ist dieser Wert 1. Die Objekte in BackgroundBackgroundBackgroundBackgroundbackground haben jedoch keinen Einfluss auf die Konstruktion der Cluster. Sie dienen nur zur Kontrolle der zu erwartenden Ergebnisse.

Aus Anwendersicht besteht der wesentliche Unterschied zwischen learn_ndim_normlearn_ndim_normLearnNdimNormLearnNdimNormLearnNdimNorm und learn_ndim_boxlearn_ndim_boxLearnNdimBoxLearnNdimBoxLearnNdimBox darin, dass bei letzterem die BackgroundBackgroundBackgroundBackgroundbackground-Klasse den Klassifikationsprozess selbst mitsteuert. Hier wird eine Trennfläche zwischen ForegroundForegroundForegroundForegroundforeground- und BackgroundBackgroundBackgroundBackgroundbackground-Klasse erzeugt, so dass keine Punkte im Merkmalsraum falsch klassifiziert werden. Bei learn_ndim_normlearn_ndim_normLearnNdimNormLearnNdimNormLearnNdimNorm dagegen ist eine Überlappung von ForegroundForegroundForegroundForegroundforeground- und BackgroundBackgroundBackgroundBackgroundbackground-Klasse erlaubt. Dies schlägt sich dann im Rückgabewert QualityQualityQualityQualityquality nieder: Je größer die Überlappung, desto kleiner die Güte der Klassifikation.

Ausführungsinformationen

• Multithreading-Typ: exclusive (läuft parallel nur zu unabhängigen Operatoren).
• Multithreading-Bereich: global (kann von jedem Thread aufgerufen werden).
• Wird ohne Parallelisierung verarbeitet.

Parameter

Ergebnis

learn_ndim_normlearn_ndim_normLearnNdimNormLearnNdimNormLearnNdimNorm liefert den Wert 2 (H_MSG_TRUE), falls die Parameter korrekt sind. Für das Verhalten bzgl. der Eingabebilder sind die Flags 'no_object_result'"no_object_result""no_object_result""no_object_result""no_object_result" und 'empty_region_result'"empty_region_result""empty_region_result""empty_region_result""empty_region_result" einstellbar (siehe set_systemset_systemSetSystemSetSystemSetSystem). Gegebenenfalls wird eine Fehlerbehandlung durchgeführt.

Vorgänger

min_max_graymin_max_grayMinMaxGrayMinMaxGrayMinMaxGray, sobel_ampsobel_ampSobelAmpSobelAmpSobelAmp, binomial_filterbinomial_filterBinomialFilterBinomialFilterBinomialFilter, gauss_filtergauss_filterGaussFilterGaussFilterGaussFilter, reduce_domainreduce_domainReduceDomainReduceDomainReduceDomain, diff_of_gaussdiff_of_gaussDiffOfGaussDiffOfGaussDiffOfGauss

Nachfolger

class_ndim_normclass_ndim_normClassNdimNormClassNdimNormClassNdimNorm, connectionconnectionConnectionConnectionConnection, dilation1dilation1Dilation1Dilation1Dilation1, erosion1erosion1Erosion1Erosion1Erosion1, openingopeningOpeningOpeningOpening, closingclosingClosingClosingClosing, rank_regionrank_regionRankRegionRankRegionRankRegion, shape_transshape_transShapeTransShapeTransShapeTrans, skeletonskeletonSkeletonSkeletonSkeleton

Alternativen

learn_ndim_boxlearn_ndim_boxLearnNdimBoxLearnNdimBoxLearnNdimBox, learn_class_boxlearn_class_boxLearnClassBoxLearnClassBoxLearnClassBox

Siehe auch

class_ndim_normclass_ndim_normClassNdimNormClassNdimNormClassNdimNorm, histo_2dimhisto_2dimHisto2dimHisto2dimHisto2dim

Literatur

P. Haberäcker, „Digitale Bildverarbeitung“; Hanser-Studienbücher, München, Wien, 1987

Modul

Foundation