Wavelet-basierte Fensterdetektion

Die Fenster-Erkennung soll mit Wavelet-Features durchgeführt werden. Hierbei sollen Diskrete Wavelet-Transformation (DWT) zur Klassifikation verwendet und verglichen werden. Es sollen Haar-Wavelets oder orthogonale Daubechies-Wavelets ausprobiert und verschiedene Filterlängen evaluiert werden. Die Wavelet-Transformationen soll möglichst mit einer bestehende Implementation, die eine GPL oder ähnlicher Lizenz besitzt, durchgeführt werden. Es darf allerdings auch eine eigene Implementation angefertigt werden. Eine möglicherweise hohe Zahl an potenzieller Features kann gegebenenfalls mittels Selektion über PCA, t-Test oder ähnliche Verfahren realisiert werden.

Fensterkandidaten sollen mit einer einfachen Segmentierung in Gebäudeaufnahmen gefunden und mittels der Wavelet Feature geclustert werden. Die Segmentierung soll dabei über die Hough-Linien-Schnittpunkte mit Fluchtpunktzuordnung erfolgen, wodurch geeignete Vierecke erkannt werden. Dieses Verfahren ist vorhanden und muss angepasst werden. Für die Vierecke erfolgt dann eine perspektivische Entzerrung. Die entstehenden Cluster werden analysiert und getestet ob die Fensterkandidaten erkannt werden können. Dafür können zum Beispiel kmeans oder LGB verwendet werden.

Eine Evaluation der Fensterdetektion muss die in der Literatur üblichen Testbilder verwenden, um mit anderen Detektoren vergleichbar zu sein.

Die Programmierung soll dabei in C++, Java oder Matlab durchgeführt werden und in eine GUI eingebunden werden. Es soll darauf geachtet werden, dass die einzelnen Verfahren Modular gehalten werden.