modelelement met een beeldelement worden geëlimineerd. Hier let men er
onder andere op dat de corresponderende beeldlijn van een rechte modellijn ook
recht moet zijn en dat de afbeelding van een modelpunt, dat met drie lijnen is
verbonden, in het beeld niet meer dan drie lijnen kan hebben (minder kan wel,
omdat sommige lijnen onzichtbaar zijn). Aan alle nog mogelijke combinaties
worden "juistheidsH-waarschijnlijkheden toegekend.
Doel van de relaxatie labeling methode is, met behulp van de topologische
relaties, deze waarschijnlijkheden iteratief zo te veranderen, dat aan het einde
van het proces een eenduidige labeling overblijft.
Het relational matching gaat geheel anders te werk. Hier wordt aangenomen, dat
de waarschijnlijkste combinatie van een model- en een beeldelement inderdaad
juist is. Deze aanname heeft consequenties voor de andere combinaties. Wanneer
gesteld wordt dat punt de afbeelding is van punt pm kunnen alleen de lijnen,
die met zijn verbonden, de afbeeldingen zijn van de lijnen, die met pm zijn
verbonden. Na deze deductie wordt de volgende waarschijnlijkste combinatie als
juist aangenomen. Dit wordt herhaald totdat voor alle beeldelementen een
modelelement is gevonden. Wanneer een aanname niet juist is, blijkt bij een van
de latere deducties, dat er voor een bepaald beeldelement geen modelelement
overblijft. In zo'n geval wordt deze aanname verworpen en worden de minder
waarschijnlijke aannamen geprobeerd.
Tenslotte wordt bij beide methoden een achterwaartse insnijding berekend uit de
gevonden combinaties van beeld- en modelpunten en wordt voor de verificatie
het model in het beeld geprojecteerd. De oplossing in figuur 5d is gevonden met
het relational matching na het maken van ongeveer 900 aannamen. Nu de relatie
tussen het beeld- en het modelcoördinaatsysteem bekend is, zou een robot het
object kunnen grijpen.
Herkennen met algemene modellen
Bij het herkennen met algemene modellen zijn weliswaar kenmerken van de te
zoeken objecten bekend, maar kan geen geometrische beschrijving worden
gebruikt om, zoals in het vorige voorbeeld, het resultaat van de herkenning te
controleren. Aan verschillende universiteiten worden algemene modellen en
herkenningsmethoden voor interpretatiedoeleinden ontwikkeld.
2-Dimensionale algemene modellen
- Fotointerpretatie
Aan het Artificial Intelligence Center van het Stanford Research Institute is de
tot nu toe volledigste theorie ontwikkeld. Deze wordt gebruikt om in gedigitali
seerde luchtfoto's huizen, straten en bomen te herkennen. De definitie van hun
algemene modellen bestaat uit vier onderdelen: (1) de definitie van kanten in
371
