Weiter:	3. Segmentierung und Klassifikation
Zurück:	1. Modellierung von Farbe
Übergeordnet:	2. Problemstellung und Lösungsansatz

2. Datenreduktion

Bei der Verarbeitung von Farbbildern fällt im Vergleich zur Verarbeitung von Grauwertbildern die dreifache Datenmenge an. Der Vorteil, daß Farbbilder inhärent einen wesentlich höheren Gehalt an Informationen besitzen und damit entsprechend robustere Ergebnisse liefern, wird durch die wesentlich höhere Verarbeitungszeit wieder relativiert.

Da aber durch die Korrelation der Farbkanäle einiges dieser Information redundant ist oder zumindest nur unwesentlich zur Gesamtinformation beiträgt, kann hier frühzeitig eine Datenreduktion vorgenommen werden und somit die Komplexität herabgesetzt werden. Durch eine geeignete Wahl der internen Farbdarstellung können relevante von vernachlässigbaren Informationen getrennt werden. Die praktische Realisierung der Datentransformation kann durch vorherige Datenanalysen oder durch automatische Techniken wie der Principal Component Analysis (PCA) bzw. der Karhunen-Loeve Transformation [OKS80],[OK85],[Jol86],[LS97] gewonnen werden. Näher beschrieben ist dieses Verfahren in Kapitel 5.3.

Besonders Ohta veröffentlichte bereits 1980 einen vielbeachteten und vielzitierten Artikel [OKS80] zur Datenreduktion bei Farbsegmentierungen, dessen Ergebnisse auch in der vorliegenden Arbeit Verwendung finden.