In image processing, cross correlation algorithms are preferrably used to find objects in images. This is mainly due to their robustness towards different image and object interferences. In general, these algorithms require a high computing effort. Therefore, procedures are required to reduce the computing effort without deteriorating the quality of the results. This thesis introduces cross correlation algorithms based on feature lists (FLCCA). It illustrates their advantages and disadvantages first based on synthetic pictures and compares them with pixel based cross correlation algorithms. FLCCA are derived from the generalized radon transformation with the aid of the image point mapping technology. By using image lists and a pre-flight feature extraction, by dropping list entries withzero value, the number of computing steps is reduced significantly. If alternative distancemeasurements are used instead of multiplicative measurements, the results differ from theones of the pixel based algorithms. To which extent this influences the results in a positiveor negative way, is described in this thesis. The FLCCA are very sensitive towards all changes of objects and depend on the feature extraction algorithm used. By a pre-flight feature extraction, the values of the crosscorrelation coefficients and the Peak signal to Noise ratio are very high compared to the pixel based cross correlation algorithms. This way, these algorithms are able to recognize small differences between the objects. In addition, they allow a robust detection of objects, even under complicated imaging conditions. The FLCCA are even with non-artificial images up to 12 times faster than pixel based cross correlation algorithms. The rule based edge detection in combination with a difference based feature list based cross correlation has turned out to be the best combination of feature extraction algorithm and FLCCA as described in this thesis. The rule based edge detection was developed to meet the requirements for feature extraction algorithms brought upon by the FLCCA. It allows an exact detection of the position of rising edges even as small as one pixel as well as the detection of very long rising edges. The usability of the procedures described here is illustrated with the aid of different tasks from medical image processing. The advantages of the rule based edge detection are exploited in segmentation of the glottis in high speed recording. The FLCCA are used for movement detection of fundus images of the ocular fundus. Further on, a procedure for supporting the dosimetry of the radio receptor therapy is introduced which utilizes FLCCA. The algorithms necessary for these examinations are implemented with the aid of an object oriented software architecture developed for this purpose. This has been developed for quickly implementing reusable, extendable and exchangeable components. It is a combinations of the patterns “Pipes and Filters“, “Reflection“ and “Microkernel“.
Kreuzkorrelationsverfahren werden in der Bildverarbeitung aufgrund ihrer Robustheit gegenüber verschiedenen Bild- und Objektstörungen vorwiegend zum Finden von Objekten in Bildern eingesetzt. Generell besitzen diese Algorithmen jedoch einen hohen Rechenaufwand. Daher wird nach Verfahren gesucht, mit denen der Rechenaufwand gesenkt werden kann, ohne die Qualität der Ergebnisse zu reduzieren. Im Rahmen dieser Arbeit werden merkmalslistenbasierte Kreuzkorrelationsverfahren(MlKV) vorgestellt, ihre Vor- und Nachteile zunächst anhand synthetischer Bilder aufgezeigt und anschließend mit den pixelbasierten Kreuzkorrelationsverfahren verglichen. Die MlKV werden aus der generalisierten Radontransformation unter Zuhilfenahme der „Image-Point-Mapping“-Technik abgeleitet. Durch die Verwendung von Bildlisten und einer vorherigen Merkmalsextraktion wird, durch Weglassen von Listeneinträgen mit einem Wert von Null, die Anzahl der Berechnungsschritte erheblich gesenkt. Werden anstelle des multiplikativen Abstandsmaßes bei der Berechnung der MlKV alternative Abstandsmaße verwendet, weichen die Ergebnisse zu den pixelbasierten Verfahren ab. Inwieweit sich dies positiv oder negativ auf die Ergebnisse der Kreuzkorrelationsverfahren auswirkt, wird in dieser Arbeit dargelegt. Die MlKV reagieren empfindlich gegenüber allen Veränderungen der Objekte und sind abhängig vom verwendeten Merkmalsextraktionsverfahren. Durch eine vorherige Merkmalsextraktion sind die Werte der Kreuzkorrelationskoeffizienten und das „Peak-Signal-to-Noise-Ratio“ im Vergleich zu den pixelbasierten Kreuzkorrelationsverfahren sehr hoch. Hierdurch sind diese Verfahren in der Lage, kleine Abweichungen zwischen den Objekten zu erkennen. Darüber hinaus ermöglichen sie eine robuste Detektion von Objekten, selbst unter schwierigen Bildbedingungen. Die MlKV sind auch bei nicht künstlichen Bildern bis zu zwölf mal schneller als pixelbasierte Kreuzkorrelationsverfahren. Als beste Kombination aus Merkmalsextraktionsverfahren und MlKV hat sich die in dieser Arbeit vorgestellte, regelbasierte Kantenerkennung in Kombination mit einer differenzbasierten merkmalslistenbasierten Kreuzkorrelation erwiesen. Die regelbasierte Kantenerkennung wurde entwickelt, um die Anforderungen, die an die Merkmalsextraktionsverfahren durch die MlKV gestellt werden, zu erfüllen. Sie ermöglicht sowohl die genaue Detektion der Position selbst ein Pixel breiter Kantenanstiege als auch die Detektion von sehr langen Kantenanstiegen. Die Einsetzbarkeit der vorgestellten Verfahren wird anhand verschiedener Aufgabenstellungen aus der medizinischen Bildverarbeitung gezeigt. Die Vorteile der regelbasierten Kantenerkennung werden bei der Segmentierung der Glottis in Hochgeschwindigkeitsaufnahmen ausgenutzt. Die MlKV werden zur Bewegungsdetektion von Fundusbildern des Augenhintergrunds eingesetzt. Weiterhin wird ein Verfahren zur Unterstützung der Dosimetrie der Radiorezeptortherapie vorgestellt, das die MlKV verwendet. Die für diese Untersuchungen notwendigen Algorithmen werden mit Hilfe einer hierfür entwickelten objektorientierten Softwarearchitektur implementiert, die zur schnellen Implementierung von wiederverwendbaren, erweiterbaren und austauschbaren Komponenten dient. Sie ist eine Kombination aus dem „Pipes and Filters“-, dem „Reflection“- und dem „Microkernel“-Muster.