Die Abbildung von Objekteigenschaften auf reproduzierbare Parameterskalen ist eines der primären Ziele der quantitativen Bildanalyse. In vielen Anwendungen muß das Ergebnis für den Anwender nachvollziehbar sein: Die Darstellung der Ergebnisse muß der Wahrnehmung des menschlichen Experten entsprechen. So muß beispielsweise bei Verdacht auf ein malignes Melanom der Haut (``schwarzer Hautkrebs' ' ) der Arzt das Ergebnis eines Diagnoseunterstützungssystems mit seinem Wissens- und Erfahrungsschatz vergleichen können, um die angemessene Therapie einzuleiten. Die Hautkrebsproblematik ist besonders akut, da die korrekte Diagnose selbst für erfahrene Dermatologen nicht immer einfach ist. Die reproduzierbare und nachvollziehbare quantitative Charakterisierung von Objekteigenschaften ist Gegenstand dieser Arbeit. Die Einhaltung dieser Rahmenbedingungen impliziert Maßnahmen, die sich von der digitalen Bildakquisition über die Objektbeschreibung bis hin zur Klassifikation erstrecken. Diese werden diskutiert und in ein allgemeines Schema zur Bildverarbeitung integriert. Hauptaugenmerk gilt den Verfahren zur Extraktion und Charakterisierung von Objekteigenschaften. Es werden Algorithmen vorgestellt, die eine quantitative Beschreibung der sprachlich oft schwer faßbaren Merkmale Farbe, Struktur und Berandung sowie deren Homogenität und Symmetrie erlauben. Die Verfahren zur Beurteilung der Struktureigenschaften orientieren sich an der Skalierungs-Index-Methode (SIM). Im Zuge dieser Arbeit wurde eine Verallgemeinerung (fSIM) dieses strukturellen Komplexitätsmaßes entwickelt und hinsichtlich seiner Eigenschaften untersucht. Gegenüber der Beschreibung mit herkömmlichen Skalierungsindizes zeigt sich eine deutlich bessere Detektierbarkeit von Strukturen vor verrauschtem Hintergrund. Zu dieser Methode wird eine neuronale Formulierung zusammen mit einem Lernalgorithmus dargestellt und diskutiert. Die entwickelten Verfahren sind zwar in ihrer Gesamtheit oder in Teilen generell auf viele Fragestellungen in der Bildverarbeitung anwendbar, sind jedoch für die Melanomproblematik anhand eines Datensatzes von mehr als 700 Bilder optimiert. Dabei konnte eine Klassifikationsrate von mehr als 90% erreicht werden. Zusammen mit der Nachvollziehbarkeit der Ergebnisse zeigt sich, daß diese Vorgehensweise einen wertvollen Beitrag zur Diagnosefindung darstellen kann.     «

Die Abbildung von Objekteigenschaften auf reproduzierbare Parameterskalen ist eines der primären Ziele der quantitativen Bildanalyse. In vielen Anwendungen muß das Ergebnis für den Anwender nachvollziehbar sein: Die Darstellung der Ergebnisse muß der Wahrnehmung des menschlichen Experten entsprechen. So muß beispielsweise bei Verdacht auf ein malignes Melanom der Haut (``schwarzer Hautkrebs' ' ) der Arzt das Ergebnis eines Diagnoseunterstützungssystems mit seinem Wissens- und Erfahrungsschatz ve...     »

One of the primary objectives of quantitative image processing is the mapping of object properties onto reproducible parameter scales. In many applications the results have to be comprehensible to the user. Their presentation has to correspond with the perception of the human expert. In the case of diagnosing a malignant melanoma, the physician has to be able to compare the results of a digital assistance system with his knowledge and experience. The problem of identifying skin cancer is especially important, because a correct diagnosis is often difficult even for very experienced dermatologists. The reproducible and transparent quantitative characterization of object properties is the topic of this thesis. The compliance of these constraints implies measures, which spans from the digital acquisition of the images to the classification process. They are discussed and integrated into a general scheme of digital image processing. Main focus is set on methods for extraction and characterization of object properties. Algorithms are introduced, which allow a quantitative description of the features color, structure, border as well as symmetry and homogeneity with respect to these features. The methods for the evaluation of the structural properties are based on the Scaling-Index-Method (SIM). A generalization called fSIM of this structural complexity measure is presented and evaluated. The results show a clearly enhanced ability to detect structures in a noisy background. Furthermore a neural formulation of this method is presented and discussed. The developed algorithms are applicable to a great variety of problems in image analysis, but are optimized in order to assist in the early recognition of the malignant melanoma. On the basis of more than 700 images of melanocytic skin lesions an overall accuracy of more than 90% could be achieved. Together with the transparency such a image analysis system can be a valuable contribution to the early detection of the malignant melanoma.     «

One of the primary objectives of quantitative image processing is the mapping of object properties onto reproducible parameter scales. In many applications the results have to be comprehensible to the user. Their presentation has to correspond with the perception of the human expert. In the case of diagnosing a malignant melanoma, the physician has to be able to compare the results of a digital assistance system with his knowledge and experience. The problem of identifying skin cancer is especia...     »