In den beiden vorangegangenen Jahren hat die Gruppe ,,Mustererkennung`` des ZPR die Aktivitäten auf dem Gebiet der Handschriftenerkennung um die Entwicklung einer angegliederten assoziativen Datenbank erweitert. Im Bereich Bildverarbeitung galt das Interesse vermehrt neuen anpassungsfähigen Algorithmen.
Durch die rasante Entwicklung der Hardware in den letzten Jahren sind hohe Rechenleistungen auch in PC-basierten Systemen verfügbar. Daher ist es mittlerweile möglich, Verfahren der Mustererkennung in der industriellen Praxis einzusetzen, die vor kurzem noch der reinen Forschung vorbehalten waren. Problematisch ist z.Zt. noch die Anpassung bestehender Software an Veränderungen im Produktionsprozeß. Solche Parameteranpassungen verlangen zumeist algorithmisches Wissen und sind deshalb ein großer Kostenfaktor. Um die Einsetzbarkeit der Mustererkennungsverfahren zu erhöhen, muß das Ziel heute die Entwicklung von selbstlernenden Algorithmen und die Erschließung einer Wissensbasis sein.
Im Bereich Handschriftenerkennung wurde der Schwerpunkt auf die Entwicklung der assoziativen Datenbank ,,DACCORD`` gelegt, da es sich als essentiell herausgestellt hat, die Ergebnisse von maschinellen Schrifterkennungssystemen durch eine solche Wissensbasis zu verbessern. Die hohe Durchsatzrate von ,,DACCORD`` selbst bei Datenbankgrößen von über 100 MByte hat schnell zum erfolgreichen Einsatz in einer deutschen Großbank bei der Verarbeitung von Überweisungsformularen geführt. Die maschinelle Schrifterkennung selbst konnte durch die Entwicklung dynamischer Segmentierungsverfahren und neuer hierarchischer Clusterungsverfahren weiter verbessert werden. Im Bereich der industriellen Qualitätskontrolle wurden die existierenden Anwendungen um Algorithmen zum automatischen Lernen und um Region-of-Interest-Verfahren erweitert. Letztere suchen in einem größeren Bild einen relevanten Ausschnitt wie z.B. Adressen auf Briefen.
Abbildung: Präsentation der Handschriftenerkennung auf der CeBIT '96