Ein System zur personenbezogenen wahrnehmungsbasierten Bildkontrastverbesserung

Projektleitung: Prof. A. Gräser

Heutzutage wird die digitale Bildverarbeitung in immer mehr Bereichen zur Unterstützung und Erweiterung der menschlichen Wahrnehmung eingesetzt. Das Ziel ist eine verbesserte Informationsgewinnung durch die Hervorhebung wichtiger Bildinformationenund die Beseitigung von Bildstörungen.

Ein Nachteil konventioneller Verfahren ist die Konzentration ausschließlich auf die Bildeigenschaften, während die Betrachtereigenschaften vernachlässigt werden. Da die wahrgenommene Bildqualität u.a. auch von der individuellen Wahrnehmung abhängt, ist es offensichtlich, dass in Bereichen, in denen Bilder von Menschen beurteilt und interpretiert werden müssen, bessere Ergebnisse erzielt werden können, wenn Bildverarbeitungssysteme die wichtigsten Eigenschaften der menschlichen Wahrnehmung berücksichtigen können.

Das Ziel des Forschungsvorhabens war die Entwicklung und praktische Realisierung der Verfahren zur Verbesserung der Bildqualität unter Berücksichtigung von Eigenschaften der menschlichen Wahrnehmung von Bildinformationen. Insbesondere sollte die menschliche Wahrnehmung von Farbe und von Bewegung untersucht und in die Bildverarbeitungsalgorithmen integriert werden.

Die im Rahmen des Projektes entwickelten Algorithmen wurden zur Beurteilung derLeistungsfähigkeit auf aktueller Hardware implementiert. Der zunächst gewählte Ansatz die Bildverarbeitungsalgorithmen in FPGA-Technik zu realisieren hat sich als schwierig und schlussendlich als ungeeignet erwiesen, da der Einsatz dieser Technik mit zunehmender Komplexität der Anwendung immer aufwändiger wird und sehr schnell an Speichergrenzen auch aktueller FPGAs stößt. Zur Untersuchung der Parallelisierbarkeitsowie dem Ressourcen- und Rechenzeitbedarf der entwickelten Algorithmenmusste daher nach Alternativen zu der ursprünglichen FPGA Implementierung gesucht werden.

Es kamen schließlich sowohl Standard-Multiprozessorsysteme als auch hochintegrierte Multiprozessor-Grafikkarten zum Einsatz, die Aufgrund ihrer hervorragenden Parallelisierungsoptionen, der leistungsfähigenProzessoren und der einfachen Programmierbarkeit eine geeignete Plattform für die Realisierung der zum Teil sehr komplexen Algorithmen darstellten. Hierdurch konnte das Projekt zu einem erfolgreichen Abschluss gebracht werden.

• S. Mehno, “Optimization of a contrast enhancement method adapted for the human vision system for real-time capabilities using FPGA support”, Presentationat 29th Colloquium of automation, Salzhausen 09-10.11.20072. 
• A. Teymourian, “Image and Video Processing with simultaneous Considerationof the Human Vision System”, Poster at 30th Colloquium of Automation, Salzhausen 07.-08.11.20083. 
• B. Hillers, U. Krebs, O. Kuz’micheva, „Stream Processors for Computational Costly Image Processing“, Poster at 30th Colloquium of Automation, Salzhausen 07.-08.11.20084. 
• V. Gui, B. Hillers, U. Krebs, “Contrast Enhancement in Video Sequences Using Variable Block Shape Adaptive Histogram Equalisation”, Poster at 31st Colloquium of Automation, Leer 05.-06.11.20095. 
• U. Krebs, O. Kuz’micheva, “CUDA in Computational Costly Image Processing: An Introduction to CUDA and a Comparison to Conventional Multiprocessor-Systems“, Poster at 31st Colloquium of Automation, Leer 05.-06.11.20096. 
• A. Teymourian, “Luminance Tuning of Moving Objects in Videosequences for Perceptual Enhancement”, Poster at 31st Colloquium of Automation, Leer 05.-06.11.2009