Mustererkennung ist eine wichtige Fähigkeit des Menschen, die bei jedem unterschiedlich stark ausgeprägt ist. Aus einer Vielzahl von Informationen kann ein Mensch Regelmäßigkeiten, Ähnlichkeiten, Wiederholungen und sogar Gesetzmäßigkeiten erkennen. Die Wahrnehmungspsychologie erforscht diese Fähigkeit. Man unterscheidet dabei zwischen der Schablonentheorie, bei der Menschen wahrgenommene Objekte mit bereits bekannten Objekten vergleichen, und der Merkmalstheorie, bei der Menschen die von ihnen wahrgenommenen Objekte analysieren und anhand verschiedener Merkmale identifizieren.

Die Fähigkeit der Mustererkennung ist Bestandteil der Informatik, denn sie erleichtert die menschliche Arbeit in vielen Bereichen. Viele elektronische Systeme, die in großem Rahmen eingesetzt werden, sind bereits entwickelt und werden immer weiter verbessert. Die Spracherkennung, die der Texterfassung dient, oder die Gesichtserkennung, wie sie anhand von biometrischen Fotos vorgenommen wird, sind wichtige Beispiele dafür. Die Mustererkennung ist ein komplizierter Prozess, bei dem gemessene Signale in verschiedene Kategorien eingeordnet werden. Alle Vertreter einer Kategorie sind durch ganz spezielle Muster zu erkennen. Durch diese Muster entscheiden sie sich von Vertretern der anderen Kategorien. Die Mustererkennung macht die aufwändige Eingabe von Daten überflüssig, denn bereit Signale, die weniger exakt sind, können einer bestimmten Kategorie zugeordnet werden.

Die Mustererkennung in der Informatik gliedert sich in drei Ansätze: die syntaktische, die statistische und die strukturelle Mustererkennung. Bei allen drei Ansätzen bestehen verschiedene Gemeinsamkeiten, welche die Anpassung von Verfahren einer Gruppe auf Verfahren einer anderen Gruppe ermöglicht. Die statistische Mustererkennung wird am häufigsten genutzt. Die syntaktische Mustererkennung ist die älteste Variante, die strukturelle Mustererkennung gewinnt mehr und mehr an Bedeutung.

In der syntaktischen Mustererkennung werden Dinge durch eine Folge von Symbolen beschrieben. Objekte, die einer Kategorie angehören, besitzen die gleiche Beschreibung. Da eine klare Zuordnung verschiedener Symbole zu einer Kategorie nicht immer möglich ist, werden Methoden der Wahrscheinlichkeitsrechnung herangezogen. Bei der statistischen Mustererkennung werden Merkmale durch Zahlenwerte bezeichnet und bestimmten Kategorien zugeordnet. Die strukturelle Mustererkennung ist ein komplexes Verfahren, bei dem sowohl die syntaktische als auch die statistische Mustererkennung genutzt werden. Aus Einzelergebnissen wird ein Gesamtergebnis ermittelt, das über die Zuordnung zu einer Kategorie entscheidet.

Die Mustererkennung gliedert sich in mehrere Teilschritte. Am Anfang steht die Erfassung der Informationen, es schließt sich die Vorverarbeitung an, bei der wichtige Daten von unwichtigen getrennt werden. Danach erfolgt die Merkmalsgewinnung anhand verschiedener Kennzahlen und Symbole. Bei der darauf folgenden Merkmalsreduktion werden wichtige von unwichtigen Merkmalen unterschieden. Der letzte Schritt der Mustererkennung ist die Klassifizierung, bei der die Einordnung in Kategorien erfolgt.

© Frank Täubel – Fotolia.com