Forskningsguiden  HEM

 
 

Institutionen  Avdelningen   Safari - Nationell  forskningsdatabas

Bildbehandling Institutionen för systemteknik   Datorseende är ett nyckelbegrepp för forskningen inom bildbehandling. Forskarna utvecklar bl.a. datorseende för förarlösa flygplan. Målet är självgående, intelligenta robotar med ett seende som liknar människans. Datorseendet i ett förarlöst flygplan måste snabbt kunna ta in olika delbilder av omgivningen och, liksom människan, snabbt flytta blicken. Forskningen inom bildbehandling handlar till stor del om att utveckla allmänna metoder som passar för mer än en tillämpning. Ämnesföreträdare är Gösta Granlund.   Datorseende i förarlösa flygplan En förarlös flygfarkost (ett flygplan eller en helikopter) kan användas exempelvis vid trafikövervakning. För att kunna agera självständigt måste farkosten kunna identifiera föremål och förlopp på marken under den (till exempel att en bil kör om en annan bil). Farkosten skall kunna fatta egna beslut baserade på de förlopp som den själv observerar, samt eventuell styrinformation utifrån. Forskningen vid avdelningen sker inom ramen för WITAS-projektet (Wallenberg laboratory on Information Technology and Autonomous Systems) som engagerar flera olika forskargrupper vid universitetet. Målet för WITAS är att, innan slutet av år 2003, kunna demonstrera ett autonomt flygande system. Forskarna vid avdelningen utvecklar de algoritmer som behövs för att kunna registrera (relatera bilderna till varandra och till aktuell modell av omgivningen) och tolka de bildsekvenser som systemet tar emot via styrbara digitala kameror. De metoder som utvecklas är snarare generellt gångbara än specifika för just förarlösa flygfarkoster. Avdelningen har tidigare deltagit i flera andra projekt kring autonoma robotar, exempelvis robotar som kan utföra farliga arbeten inuti ett kärnkraftverk. Klicka här om du vill läsa en artikel om förarlösa flygplan som varit publicerad i Teknik & Vetenskap nr 2/98.   Medicinska tillämpningar Bildbehandling har också flera användningsområden inom medicinen. Forskarna utvecklar nya metoder för tolkning av angiografibilder (röntgenbilder som åskådliggör blodkärl) och ultraljudsbilder. Ett problem med medicinska bilder är så kallade rörelseartefakter som uppstår om patienten rör sig när bilderna tas. Dessa rörelser måste man kompensera för och forskarna har utvecklat en metod för automatisk kompensering. På så sätt kan dyrbar läkartid sparas och möjligen också bildkvaliteten förbättras. Att kompensera för rörelse är matematiskt svårt, särskilt om rörelsen är olika stor i olika riktningar. Forskarna vid avdelningen har dock lyckats separera två olika rörelser i bilder som ligger ovanpå varandra (vilket är fallet exempelvis när kranskärlen på hjärtats främre och bakre sida avbildas). Läs mer om automatisk rörelsekompensering i en artikel som publicerades i Dagens Medicin 12 maj 1998. Forskarna gör också bildbehandling på råbilder från röntgen. Bilderna kan därefter tolkas och ge upplysningar om blodflödet är försämrat, vilket det är t.ex. vid blodpropp. Genom att göra olika slags bildbearbetningar kan forskarna se var någonstans blodflödet minskar. Kontrastvätska sprutas in i blodet och dess utbredning följs i en sekvens av bilder. Tillämpningar finns också inom mammografin där man kan använda tekniken för att göra statistiska undersökningar. Metoden kallas digital subtraktionsangiografi - man subtraherar en röntgenbild före insprutning av kontrastvätska från en röntgenbild efter insprutning av kontrastvätska. På så vis subtraherar man ben och andra störande strukturer från den röntgenbild man vill studera. I det här projektet, som finansieras av NUTEK (Närings- och teknikutvecklingsverket), samarbetar forskarna med SECTRA AB.   Bild- och videodatabaser Stora databaser för bilder och video kommer troligen att användas i allt större utsträckning, såväl av privatpersoner som av professionella. Forskarna undersöker här nya metoder för sökning bland materialet i en bilddatabas. Datorn ska själv kunna klassificera de bilder som finns i databasen och sökningen ska inte bara fungera utifrån sökord. Klassificieringen sker med hjälp av s.k. features som datorn plockar fram ur bilderna. Dessa kan t.ex. vara färg, textur, lokal orientering, hörn och andra mer komplexa geometriska former. Eventuellt kan användaren själv välja vilka features som han/hon tycker är relevanta för sin sökning. Forskningen handlar om att undersöka vilka features som är lämpliga och hur man kan använda inlärning för att känna ingen mer komplexa former med hjälp av dessa features. Forskningen har nytta bl.a. för bildbyråer, som snabbare än idag ska kunna plocka fram bilder som de fått beställningar på. Projektet ingår i VISIT-programmet (Visual information technology) som delvis finansieras av Stiftelsen för strategisk forskning.   Signalbehandling i flera dimensioner Vid så kallad multidimensionell signalbehandling, exempelvis bildbehandling, försöker man instruera en dator hur den ur mycket stora datamängder ska plocka fram relevant information. Detta är i allmänhet mycket svårt och kan generellt definieras endast för mycket enkla eller mycket specialiserade uppgifter. En av svårigheterna är att definiera vilka egenskaper som är viktiga att detektera i exempelvis en bild. Forskningen handlar om hur inlärning kan användas för multidimensionell signalbehandling, särskilt datorseende. Inlärning är ett omfattande begrepp, men kan allmänt beskrivas som att ett system ändrar sitt beteende så att systemets prestanda i något avseende förbättras. För all inlärning och signalbehandling är valet av signalrepresentation ett centralt problem. För högdimensionella signaler är det ofta nödvändigt att sänka dimensionen och det är då viktigt att inte kasta bort viktig information. Forskning har skett bl.a. kring en metod för att uppskatta djup i stereobilder. Algoritmen kan användas exempelvis i medicinska tillämpningar såsom analys av röntgenbildssekvenser.     Informationsansvarig: Gösta Granlund Sidan skapades 1999-06-22