Adaptive geometrische Transformation zur Mustererkennung mit Hilfe eines linearen, lokalen Distanzmaßes

Zusammenfassung

Vor längerer Zeit /1/ wurde vorgeschlagen, für Mustererkennungsaufgaben bei bildhaften Mustern anstelle der oft angewandten linearen Transformation im vieldimensionalen Nachrichtenraum den Raum der realen Welt zu betrachten und in diesem Koordinatentransformationen durchzuführen. Das nach der sogenannten “Space Distortion” Theorie vorgeschlagene Erkennungssytem führt diese geometrische Transformation bzw. Rücktransformation in adaptiver Weise durch, wobei als Indikator für die Annäherung eine Kreuzkorrelation mit einem die Musterklasse repräsentierendem idealen Prototyp vorgesehen war. In diesem Aufsatz wird nun ein geometrisches Zielfindungsverfahren vorgeschlagen, das im Gegensatz zur Kreuzkorrelation mit einem lokalen, linearen Distanzmaß arbeitet und somit eine erhebliche Reduktion des Rechenaufwandes mit sich bringt. Das Konvergieren des Verfahrens auf ein Optimum der Übereinstimmung zwischen Prototyp und adaptiv transformiertem Muster wird an Beispielen demonstriert.