Manchmal ist es nützlich, fotografische Bilder automatisch auf ihren Inhalt hin untersuchen zu lassen und zu interpretieren. In manchen Fällen ist dies sogar unerläßlich, wenn nämlich die riesige Menge von anfallender bildlicher Information vom Menschen nicht mehr überblickt werden kann. Dies ist etwa in der Fernerkundung der Fall, wo automatische Bildanalysesysteme verwendet werden, um auf der Basis von landschaftlichen CIR-Luftbildern oder Satellitenbildern eine Bestandsaufnahme vorzunehmen. Diese Bilder sind auch ein ideales Hilfsmittel für den Umweltschutz, da sie sich zur Feststellung gewisser Umweltschäden und zeitlicher Veränderungen der Landschaft eignen. Auch in anderen Bereichen sind automatische Bildanalysesysteme nützlich: In der Medizin werden sie eingesetzt, um pathologische Befunde in Röntgen- und Magnetresonanzbildern besser darzustellen. In der Produktionsautomatisierung werden sie immer beliebter, um eine automatische Materialüberwachung durchzuführen. Wichtige und interessante Aufgaben in diesem Zusammenhang sind Segmentierung (Zerlegung in Bestandteile), Klassifikation und Geräuschunterdrückung. Am Lehrstuhl wurde ein universelles Bildanalysesystem - ANIMA (Analysis of Images) - erstellt, welches in der Lage ist, auf der Basis von Farbwerten und Texturen in mehreren Kanälen Bilder zu klassifizieren. Zur Lösung dieser Aufgaben wurden u.a. wahrscheinlichkeitstheoretische Modelle von digitalen Mehrkanalbildern und multivariate statistische Schätzer herangezogen. Bei der Systementwicklung wurden zunächst CIR-Landschaftsluftbilder, die von der Nationalparkverwaltung Bayerischer Wald, Grafenau, zur Verfügung gestellt wurden, verwendet. Später zeigte es sich an von Prof. Dr. W. G. Kropatsch, TU Wien, zur Verfügung gestellten Bildern, daß ANIMA universell genug ist, um z.B. auch in der Materialüberwachung eingesetzt zu werden. Bei den Luftbildern kann ANIMA z.B. gut zwischen Nadelbäumen, Laubbäumen und gemähten und ungemähten Wiesen unterscheiden. An Materialien zeigt es fehlerhafte Stellen auf.
