Scharfe Ecken

Ein MIT-Forscher hat einen neuartigen Algorithmus zur Kantenerkennung entwickelt, der genauer und schneller arbeitet als frühere Methoden.

In der Bildbearbeitung und Bilderfassung gibt es kaum ein schwierigeres Problem als die saubere Erkennung von Abgrenzungsbereichen zwischen zwei Objekten. Dabei ist dieses Verfahren enorm wichtig: Nicht nur beim automatischen Freistellen von Urlaubsfotos, sondern auch für Roboter, die beispielsweise erkennen müssen, wo der Teppichboden aufhört und ein auf ihm stehender Mensch beginnt.

Forscher am MIT-Labor für künstliche Intelligenz, CSAIL, um den Informatiker Jason Chang haben nun ein Verfahren entwickelt, das das Auffinden von Kanten in digitalen Aufnahmen bis zu 50.000 Mal effizienter beherrschen soll als bisherige Techniken. "Wir wollten einen Algorithmus, der Bilder so segmentiert, wie das Menschen tun", sagt Chang. Aus diesem Ansatz entwickelte sich ein Verfahren, das zahlreiche Versuche unternimmt, um die richtigen Kanten zu ermitteln. "So kommen wir in etwa auf das, was ein Mensch machen würde."

Der neue Algorithmus basiert auf einem Standardverfahren, das sich Image Segmentation nennt. Dabei versucht der Computer, sich näherungsweise an die richtigen Kanten heranzutasten, bis die ideale Trennung gefunden ist. Das allein dauert allerdings noch zu lange, weswegen Chang und sein Team mit einem Bewertungsverfahren arbeiten.

Dieses untersucht die verschiedenen Kandidaten auf Faktoren wie Farbtrennung, Einfachheit der Kantendarstellung oder Verteilung der Bildpunkte auf beiden Seiten einer Kante. Auf diese Art lassen sich von vorne herein Näherungskandidaten ausschließen, die nicht zum Erfolg führen dürften. Mit dieser Methode ergab sich unter Laborbedingungen eine hohe Beschleunigung, erklärt Chang.

Während frühere Algorithmen den einen, besonders genauen Kandidaten finden, läuft das MIT-Verfahren zwar zunächst weniger genau, aber dafür deutlich effizienter. Interessanterweise finden sich nämlich auch unter den weniger akkuraten Kantentrennungsmodellen einige, die sehr nah an die Idealvorstellung herankommen.

Ob die Technik tatsächlich zu einer Revolution in der Bilderkennung führt, bleibt allerdings abzuwarten. Anthony Yezzi, Professor für Computerbau an der US-Hochschule Georgia Tech, wirft ein, dass es zahllose unterschiedliche Implementierungen der Kantentrennung gibt. Trotzdem sei die Idee, mit vielen Iterationen samt Bewertungsverfahren zu arbeiten, gelungen.

Neben Anwendungen in der Bildbearbeitung oder in der Robotersteuerung denken Chang und sein Team auch noch an die Nutzung der Technik in der Medizin. So könnten Gewebeveränderungen für einen Arzt genauer dargestellt werden, inklusive zeitlicher Achse. Sogar eine Freistellung einzelner Objekte ist denkbar.

Als nächstes wollen Chang und Kollegen den Algorithmus noch weiter verfeinern, bevor es zu ersten weitergehenden Tests kommen kann. Vertreter der Hersteller von Bildverbarbeitungssoftware interessieren sich für die Technik bereits. (bsc)