Weiter:	4. Local Color Indexing
Zurück:	2. Histogram Intersection
Übergeordnet:	1. Histogrammbasierte Methoden

    
3. Histogram Backprojection

Der Histogram Backprojection Algorithmus dient zur Detektion von bekannten Objekten. Es wird zunächst ein Histogramm H_R aus dem Verhältnis der Farbhistogramme des gesuchten Objekts H_M und des Bildes H_I errechnet:

$$\forall i \in [0,n_1]\;\forall j \in [0,n_2]\;\forall k \in [... ...,j,k) = \min\left(\,\frac{H_M(i,j,k)}{H_I(i,j,k)},\,1\,\right)$$

Schließlich findet eine Rückprojektion des Histogramms H_R(i,j,k)auf das Bild statt, in dem nach dem Objekt gesucht werden soll. Durch diesen Ansatz werden alle Farben im Bild, die nicht im gesuchten Objekt vorkommen, unterdrückt. Im Ergebnisbild sind nur noch die Objektfarben vorhanden.

Ausführliche eigene Tests ergaben für den Histogram Backprojection Algorithmus ähnlich gute Ergebnisse wie für den Histogram Intersection Algorithmus. Objekte wurden schnell und mit hoher Trefferwahrscheinlichkeit detektiert. Bei Änderungen von Bildparametern und Verdeckungen weist er die gleichen Vorteile auf, wie der Histogram Intersection Algorithmus, besitzt aber auch die gleichen Nachteile bei einer Änderung der Beleuchtungsverhältnisse (siehe Tabelle 3.2).

Eine mögliche Lösung ist auch hier die Vorverarbeitung der Bilder mit einem Farbkonstanzalgorithmus, was allerdings, wie weiter unten beschrieben, auch nicht immer zufriedenstellende Ergebnisse garantiert.