Klassifikation von Mustern

3.11. LITERATURHINWEISE 275
Merkmale, die wenigstens an einem der in [Wagner, 1999] untersuchten Typen von Texturen
die besten Erkennungsraten erzielten, sind danach die in [Galloway, 1975, Unser, 1986b,
Chen et al., 1995, Amelung, 1995] angegebenen, wobei zudem die Rechenzeit bei Merkmalen
nach [Galloway, 1975, Unser, 1986b, Amelung, 1995] mit zu den geringsten gehört.
Merkmale, die an einem Typ von Texturen unter den drei besten waren, sind zusätzlich
[Laine und Fan, 1993, Laws, 1980, Pikaz und Averbuch, 1997]. Die höchsten Rechenzeiten ergeben
sich bei Merkmalen nach [Haralick et al., 1973, Laws, 1980, Chen et al., 1995]. Weitere
Vergleiche enthalten [Fountain et al., 1998, Pichler et al., 1996, Rubner et al., 2001].
Texturmerkmale auf der Basis der GABOR-Funktionen wurden vorgeschlagen und
untersucht z. B. in [Dunn et al., 1994, Fogel und Sagi, 1989, Grigorescu et al., 2002,
Jain und Farrokhnia, 1991, Manthalkar et al., 2003b, Teuner et al., 1995, Pichler et al., 1996,
Panda und Chatterji, 1997]. Ein Vorschlag zur automatischen Bestimmung der Filterparameter
wird in [Dunn und Higgins, 1995, Teuner et al., 1995] gemacht, erfordert
allerdings zusätzliche Rechenzeit. Weitere Arbeiten dazu sind [Aach et al., 1995,
Bovik et al., 1990, Clausi und Jernigan, 2000]. Histogramme der Ausgabe von Filterbänken
werden in [Liu und Wang, 2003] untersucht.
Texturmerkmale auf der Basis der Wavelet-Transformation, darunter auch rotationsinvariante,
werden in [Charlampidis und Kasparis, 2002, Chen et al., 1994, Do und Vetterli, 2002,
Kim und Udpa, 2000, Manthalkar et al., 2003a, Pun und Lee, 2003, Pun, 2003] vorgeschlagen.
Weitere Arbeiten sind die Verwendung der fraktalen Dimension
[Chaudhury und Sarkar, 1995], von autoregressiven Modellen
[Kashyap und Khotanzed, 1986], von FOURIER- und HADAMARD-Merkmalen
[Azencott et al., 1997, Haley und Manjunath, 1999, Unser, 1986a, Unser und Eden, 1989],
von bildpunktbasierten Merkmalen [Park et al., 2004], der HAAR-Transformation
[Lonnestad, 1992], von morphologischen Merkmalen [Li et al., 1996], Assoziationsregeln
[Rushing et al., 2001], Lauflängen [Chu et al., 1990] oder neuronalen Netzen für
Merkmalsgewinnung und Klassifikation [Jain und Karu, 1996]. Ein Maß für den Texturunterschied
wird in [Li und Leung, 2002] vorgeschlagen. Auch die Nutzung des
Entropieprinzips (s. Abschnitt 4.2.4) und von MARKOV-Ketten wurde vorgeschlagen
[Zhu et al., 1997, Zhu et al., 1998, Zhu et al., 2000]. In [Kim et al., 2002b] wird die
Verwendung der Grauwerte als Eingabe für eine Support Vektor Maschine experimentell
untersucht.
Texturmerkmale für das Wiederfinden von Bildern werden in
[Çarkacioˇglu und Yarman-Vural, 2003] vorgeschlagen.
Merkmale für die Spracherkennung
Modelle der Sprachproduktion werden in [Berry et al., 1995, Fant, 1960, Flanagan, 1972,
Flanagan, 1983, Story und Titze, 1998] entwickelt. Zur linearen Vorhersage in der Sprachverarbeitung
wird auf [Itakura und Saito, 1970, Makhoul, 1975, Markel und Gray Jr., 1982,
White und Neeley, 1976] verwiesen, für andere Signale und Bilder auf [Bohlin, 1973,
Deguchi und Morishita, 1978, Tjostheim und Sandvin, 1979, Wood und Treitel, 1975]. Die
hier verwendete Autokorrelationsmethode wird in [Chandra und Lin, 1974] mit der Kovarianzmethode
verglichen und hat i. Allg. Vorteile hinsichtlich Stabilität und Effizienz
bei vergleichbarer Analysegenauigkeit. Die LEVINSON-Rekursion [Levinson, 1947] wird
in Sect. 3.3 von [Markel und Gray Jr., 1976] gezeigt, wo auch genauer auf die theoretische
Begründung des Modellspektrums eingegangen wird. Zur Ermittlung der Zahl