Image Processing under Uncertainty
Technische Universität Kaiserslautern
2019
Berechnungsverfahren der Bildverarbeitung unterliegen gewissen Unsicherheiten. Ein neues Modell quantifiziert diese Unsicherheiten, kommuniziert sie und bezieht sie in die Verarbeitung ein.
Schlagworte
Bildverarbeitung, Visualisierung von Unsicherheiten
Zusammenfassung
Novel image processing techniques have been in development for decades, but most of these techniques are barely used in real world applications. This results in a gap between image processing research and real-world applications; this thesis aims to close this gap. In an initial study, the quantification, propagation, and communication of uncertainty were determined to be key features in gaining acceptance for new image processing techniques in applications. This thesis presents a holistic approach based on a novel image processing pipeline, capable of quantifying, propagating, and communicating image uncertainty. This work provides an improved image data transformation paradigm, extending image data using a flexible, high-dimensional uncertainty model. Based on this, a completely redesigned image processing pipeline is presented. In this pipeline, each step respects and preserves the underlying image uncertainty, allowing image uncertainty quantification, image pre-processing, image segmentation, and geometry extraction. This is communicated by utilizing meaningful visualization methodologies throughout each computational step. The presented methods are examined qualitatively by comparing to the State-of-the-Art, in addition to user evaluation in different domains. To show the applicability of the presented approach to real world scenarios, this thesis demonstrates domain-specific problems and the successful implementation of the presented techniques in these domains.
Interview mit Dr. Christina Gillmann
Arthur Höring
_zuschnitt.small.jpg)
Christina Gillmann
Arthur Höring: Wie würdest du „Uncertainty“ einem Laien erklären?
Christina Gillmann: Stell dir vor, du machst ein Bild mit deiner Handykamera und schaust dir das Bild danach an. Es ist verschwommen. Das weißt du, weil du ja das Objekt, das du fotografieren wolltest, vor deinen Augen siehst. Wenn du aber ein Bild aus der Medizin nimmst, beispielsweise ein MRT eines Kopfes, und darin wirken Teile verschwommen, kannst du das nicht nachprüfen. Dieses Problem beschreibt die Unsicherheit von Bildern.
Arthur Höring: Deine Forschung behandelt Bildverarbeitung aus verschiedensten Fachrichtungen. Wieviel Expertise musstest du dir für die jeweiligen Gebiete aneignen und wie leicht oder schwer ist dir das gefallen?
Christina Gillmann: Um die Daten und Probleme einer entsprechenden Fachrichtung zu verstehen, muss man natürlich auch etwas über das Fach wissen. Im medizinischen Bereich ist mir das nicht sehr schwergefallen, da ich dazu bereits einige Vorlesungen in meinem Nebenfach gehört habe und mich mit der Thematik schon seit etwa 10 Jahren beschäftige. In anderen Bereichen, in denen man noch nicht so viel Erfahrung hat, dauert es natürlich etwas länger, bis man sich eingearbeitet hat. Oft halfen mir dabei jedoch die Anwender selbst, indem sie mir ihre Probleme erklärt haben.
Arthur Höring: Zum Ende deiner Arbeit schreibst du, dass eine höhere Akzeptanz für neue Herangehensweisen der Bildverarbeitung bei den Nutzern nötig ist. Wie würdest du das Verhältnis zwischen Nutzer und Software aus deiner Sicht beschreiben?
Christina Gillmann: In vielen Bereichen begegnen Nutzer neuer Software mit Skepsis. Das ist auch verständlich, denn immerhin wissen die Nutzer, dass es oft viel Erfahrung und Zeit braucht, um ein Problem zu lösen. Viele Softwarelösungen machen dabei, meiner Meinung nach, den Fehler, den Nutzer zu bevormunden, Ergebnisse nicht gut zu kommunizieren oder schlecht bedienbar zu sein. Wenn sich das allerdings ändert, kann auch eine höhere Akzeptanz von neuen Softwarelösungen erreicht werden.