Zur Seitenansicht
 

Titelaufnahme

Titel
Towards On-The-Fly Image Processing / Alexander Jungmann. [Supervisors: Prof. Dr. Franz-Josef Rammig, Paderborn University ; Prof. Dr. Eyke Hüllermeier, Paderborn University]
AutorJungmann, Alexander
BeteiligteRammig, Franz Josef In der Gemeinsamen Normdatei der DNB nachschlagen ; Hüllermeier, Eyke In der Gemeinsamen Normdatei der DNB nachschlagen
ErschienenPaderborn, 2016
Ausgabe
Elektronische Ressource
Umfang1 Online-Ressource (vii, 264 Seiten) : Diagramme
HochschulschriftUniversität Paderborn, Univ., Dissertation, 2016
Anmerkung
Tag der Verteidigung: 29.08.2016
Verteidigung2016-08-29
SpracheEnglisch
DokumenttypDissertation
URNurn:nbn:de:hbz:466:2-26816 Persistent Identifier (URN)
Dateien
Towards On-The-Fly Image Processing [28.81 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Bildverarbeitung ist grundlegender Bestandteil jedes Kamera-basierten Systems. Eine automatisierte Prototypenentwicklung vermag den aufwendigen Entwicklungsprozess zu verkürzen. On-The-Fly Computing bietet diesbezüglich Techniken zur Spezifikation, Komposition, Ausführung und Bewertung von Funktionalität. Softwarekomponenten werden als Services modelliert und flexibel miteinander kombiniert. Die Grundidee dieser Arbeit ist daher, On-The-Fly Computing Techniken als Fundament zur automatischen Generierung von Bildverarbeitungsanwendungen zu nutzen. Wir bezeichnen diese Kombination als On-The-Fly Image Processing. In dieser Arbeit werden Konzepte zur Spezifikation, Komposition, Empfehlung, Ausführung und Bewertung von Bildverarbeitungsfunktionalität vorgestellt, sowie sukzessive ein ganzheitlicher, adaptiver Ansatz entwickelt. Bildverarbeitungsalgorithmen werden als Services modelliert. Domänenwissen wird in Form von Ontologien bereitgestellt. Komplexe Bildverarbeitungsfunktionalität wird anhand des Datenflusses zwischen Services definiert und mittels Petri-Netze beschrieben. Eine automatisierte Komposition komplexer Funktionalität wird durch eine flexible Vorwärtssuche ermöglicht. Die Entscheidungsfindung zwischen alternativen Kompositionsschritten wird durch ein lernendes Empfehlungssystem unterstützt, welches gültige Kompositionsschritte in Form einer Kompositionsgrammatik verwaltet. Weiterhin wird die Empfehlungsstrategie durch den Einsatz von Reinforcement Learning Techniken über die Zeit angepasst. Als Feedback werden Bewertungsergebnisse basierend auf konkreten Ausführungsergebnissen genutzt. Anwendungsfälle aus drei Problemdomänen dienen zur Veranschaulichung der vorgestellten Konzepte. In Kombination mit einer prototypischen Umsetzung demonstrieren sie zudem die Machbarkeit unseres ganzheitlichen, adaptiven Ansatzes.

Zusammenfassung (Englisch)

Image Processing is fundamental for any camera-based vision system. Automating the prototyping process may significantly shorten the development process of image processing applications. In this context, On-The-Fly Computing provides techniques for specifying, composing, executing, and rating functionality. Software components are modeled as services and can be flexibly combined with each other. The very basic idea of this thesis is to adopt On-The-Fly Computing techniques as foundation for a holistic approach that allows for automated generation of task-specific image processing applications. We refer to this combination as On-The-Fly Image Processing.Throughout this thesis, we gradually develop a holistic, adaptive approach and present concepts for specification, composition, recommendation, execution, and rating of image processing functionality. Image processing applications are modelled as services. The proposed specification formalism grounds on domain knowledge provided in terms of ontologies. Complex image processing functionality is defined by the data-flow between input and output ports of services and modeled based on a Petri-net formalism. To automatically compose complex image processing functionality, we present a flexible forward search approach. Decision-making between alternative composition steps is supported by a learning recommendation system, which keeps track of valid composition steps by automatically constructing a composition grammar. In addition, it adapts to solutions of high quality by means of feedback-based Reinforcement Learning techniques. Rating values based on concrete execution results serve as feedback. Three concrete use cases with different characteristics are used for motivating and illustrating our proposed concepts. Furthermore, in combination with a prototypical realization, they serve as proofs of concept and demonstrate...