REAL-TIME OBJECT DETECTION WITH SUB-PIXEL ACCURACY USING THE LEVEL SET METHOD

摘要

In diesem Artikel wird eine Methode zur Objekterkennung mit Subpixelgenauigkeit in digitalen Bildern vorgestellt, welche Echtzeitanforderungen erfüllt. Die Methode verwendet eine Näherung der auf der Level Set Methode basierenden Kurvenausbreitung, welche nur Integeroperationen in einem zweistufigen Algorithmus einsetzt, um Echtzeitfähigkeit zu erreichen. Die auf der Level Set Methode basierende Konturausbreitung ist den geometrischen Aktiven Konturen zuzuordnen, welche Bilddaten mit geometrischem Vorwissen über das Objekt kombinieren, um sich im Bild zur Objektbegrenzung hin zu bewegen. Der Algorithmus vermeidet die Lösung von partiellen Differentialgleichungen (PDGs). Stattdessen werden nur Integeroperationen verwendet und die Konturausbreitung wird durch einen zweistufigen Algorithmus durchgeführt. Die vorgestellte Methode zur Objekterkennung mit Subpixelgenauigkeit verbessert das pixelgenaue Ergebnis der auf der Level Set Methode basierenden Konturausbreitung mit Hilfe eines schnellen Mechanismus zur Parabelanpassung. Die Subpixelgenauigkeit der Ergebniskontur wird erreicht, indem jeder Konturpunkt auf das in der Nähe befindliche Gradientenmaximum angepasst wird. Die Echtzeitfähigkeit kann erhalten werden, da die Anpassung nur einmal nach der Kurvenausbreitung durchgeführt wird. Die Funktionalität dieser Methode sowie deren Anwendbarkeit in vielen Arbeitsbereichen wird durch Experimente aus der industriellen Bildverarbeitung, der Photogrammetrie, der Fernerkundung und der medizinischen Bildverarbeitungrngezeigt. Die Experimente werden zusätzlich hinsichtlich der geometrischen Qualität und der Laufzeit evaluiert.%This paper presents a method for object detection with sub-pixel accuracy in digital images satisfying real-time applications. The method uses an approximation of the level-set-based contour evolution, which applies only integer operations in a fast two-cycle algorithm to achieve real-time performance. Level-set-based contour evolution forms a part of the geometric active contour process, which combines image data and a priori geometric knowledge of an object to be evolved over an image towards the object border. The algorithm avoids the solution of partial differential equations. Instead only integer operations are applied and the contour evolution is performed by using a two-cycle algorithm. The proposed method for object detection with sub-pixel accuracy refines the pixel-accurate result of the level-set-based contour evolution algorithm by using a fast parabolic fitting mechanism. Sub-pixel accuracy of the resulting object contours is achieved by adjusting every contour point towards the nearby maximum of the image gradient. Real-time performance can be provided because the adjustment is performed only once after the contour evolution. Experimental results with images from industry, photogramme-try, remote sensing and medicine show the functionality and applicability of this method to several fields of work. In addition, the experiments are evaluated by applying quality measures for the geometric accuracy and the run time.