Diplom-/Masterarbeit : Objekterkennung in Seitensichtsonar-Bilddaten

Max Neumann

Betreuer: Prof. Dr. Christian Knauer

Seitensichtsonare werden eingesetzt, um ein Abbild des Meeresbodens zu erzeugen. In der vorliegenden Diplomarbeit werden acht Algorithmen zur Detektion und anschließender Falschalarmreduzierung von menschgemachten Objekten (z.B. Fässer, Anker, Container) in Seitensichtsonar-Bilddaten vorgestellt, diskutiert und getestet. Die eingelesenen Sonardaten werden vorverarbeitet und nach auffälligen Regionen durchsucht. Die dabei gefundenen Ausschnitte bilden häufig kein gesuchtes Objekt ab, sondern kleine Steine, Rauschen oder Bildstörungen. Diese Falschalarme werden anschließend mit Klassifizierungsalgorithmen aussortiert werden.

Das Augenmerk beim Entwurf und der Implementierung der Algorithmen lag auf der Robustheit und Invarianz gegenüber verschiedenen Sonarsystemen und Aufnahmebedingungen. Um diesen Aspekt zu testen, wurden Daten aus fünf Messkampagnen mit unterschiedlichen Sonaren aus verschiedenen Gebieten gesichtet um eine Objektdatenbank mit etwa 200 manuell klassifizierten Objekten, 270 großen Steinen und 2000 neutralen Bildregionen zu erstellen. Für die detaillierte Auszuwertung der Ergebnisse wurde die Effizienz aller Algorithmen automatisiert getestet.