Logo des Repositoriums

Auflistung nach Autor:in "Cremers, Daniel"

1 - 4 von 4
  • Zeitschriftenartikel
    Computer Vision für 3-D-Rekonstruktion
    (Informatik Spektrum: Vol. 40, No. 2, 2017) Cremers, Daniel
  • Konferenzbeitrag
    Pixel-based classification method for detecting unhealthy regions in leaf images
    (INFORMATIK 2011 – Informatik schafft Communities, 2011) Madhogaria, Satish; Schikora, Marek; Koch, Wolfgang; Cremers, Daniel
    In this paper, we present a pixel-based, discriminative classification algorithm for automatic detection of unhealthy regions in leaf images. The algorithm is designed to distinguish image pixels as belonging to one of the two classes: healthy and unhealthy. The task is solved in three steps. First, we perform segmentation to divide the image into foreground and background. In the second step, support vector machine (SVM) is applied to predict the class of each pixel belonging to the foreground. And finally, we do further refinement by neighborhood-check to omit all falsely-classified pixels from second step. The results presented in this work are based on a model plant (Arabidobsis thaliana), which forms the ideal basis for the usage of the proposed algorithm in biological researches concerning plant disease control mechanisms.
  • Konferenzbeitrag
    Probabilistic classification of disease symptoms caused by salmonella on arabidopsis plants
    (INFORMATIK 2010. Service Science – Neue Perspektiven für die Informatik. Band 2, 2010) Schikora, Marek; Schikora, Adam; Kogel, Karl-Heinz; Koch, Wolfgang; Cremers, Daniel
    Several reports have linked food poisoning with the consumption of raw vegetables and fruits contaminated by Salmonella. Most studies suggested an extracellular lifestyle of Salmonella on plants. However, more recent studies show that Salmonella are also able to colonize the intracellular compartment of various plant tissues causing chlorosis and eventually death of infected organs. The aim of this work is to present a probabilistic classification algorithm for disease symptoms on Arabidopsis thaliana plant in order to improve the current biological research. The algorithm itself uses images of Arabidopsis thaliana leaves as input and consists of two steps. The first step is the detection of pixels belonging to a leaf. This is done with a globally optimal color segmentation method. The second step is realized with a probabilistic framework to classify each pixel. Finally a morbidity rate is computed based on the classification result.
  • Textdokument
    Statistisches Formenwissen in Variationsansätzen zur Bildsegmentierung
    (Ausgezeichnete Informatikdissertationen 2002, 2003) Cremers, Daniel
    In der vorliegenden Arbeit werden Bildsegmentierungsverfahren entwickelt, die es ermöglichen, gelerntes Wissen über die Silhouetten bekannter Objekte in den Segmentierungsprozess zu integrieren. Das statistisch repräsentierte Formwissen führt zu deutlich besserer Segmentierung vertrauter Objekte in Inputbildern, die durch Rauschen, teilweise Verdeckungen und störende Hintergrundsturkturen korrumpiert sind. Es wird ein Überblick über existierende Variationsansätze zur Bildsegmentierung gegeben. Anschließend werden die Diffusion Snakes vorgestellt, eine Symbiose zweier etablierter Ansätze, in der flächenbasierte Segmentierung mit einer splinebasierten Konturrepräsentation kombiniert wird. Es werden statistische Formmodelle verschiedener Komplexität eingeführt. Auf der Grundlage der Kernmethoden wird ein nichtlineares statistisches Formmodell entwickelt. Dieses Modell erlaubt es, mehrere dreidimensionale Objekte durch die Silhouetten verschiedener zweidimensionaler Ansichten zu kodieren und - trotz teilweiser Verdeckungen - über längere Videosequenzen zu verfolgen und sehr präzise zu segmentieren. Ein neues Verfahren intrinsischer Registrierung garantiert ein Formenwissen, welches invariant ist gegenüber Verschiebung, Drehung und Skalierung der entsprechenden Objekte. Im letzten Teil dieser Arbeit wird eine Modifikation des Datenterms der Kostenfunktion vorgeschlagen, die es ermöglicht, Objekte nicht aufgrund ihres Aussehens zu segmentieren, sondern aufgrund ihrer relativen Bewegung in einer gegebenen Videosequenz. Experimentelle Resultate belegen, daß sich bewegte Objekte auch dann noch präzise segmentieren und über Videosequenzen verfolgen lassen, wenn sich sowohl Objekt als auch Hintergrund bewegen und wenn sich Objekt und Hintergrund in ihrer Helligkeitsstruktur nicht unterscheiden. Der vorliegende Text liefert einen Abriß der Ergebnisse der Dissertation. Eine ausführlichere Darstellung findet sich in [Cr02].