PatentDe  


Dokumentenidentifikation DE69803850T2 19.09.2002
EP-Veröffentlichungsnummer 0986794
Titel MUSTERERKENNUNG MIT KONTEXTKORRELATION
Anmelder Dyke, Dirk Ernest Maria van, Aartselaar, BE
Erfinder Van Dyke, Dirk Ernest Maria, B-2630 Aartselaar, BE
Vertreter derzeit kein Vertreter bestellt
DE-Aktenzeichen 69803850
Vertragsstaaten BE, DE, ES, FR, GB, NL
Sprache des Dokument EN
EP-Anmeldetag 20.05.1998
EP-Aktenzeichen 989307483
WO-Anmeldetag 20.05.1998
PCT-Aktenzeichen PCT/EP98/03166
WO-Veröffentlichungsnummer 0009855959
WO-Veröffentlichungsdatum 10.12.1998
EP-Offenlegungsdatum 22.03.2000
EP date of grant 13.02.2002
Veröffentlichungstag im Patentblatt 19.09.2002
IPC-Hauptklasse G06K 9/42

Beschreibung[de]

Die vorliegende Erfindung stellt ein Verfahren zur Verringerung der Datenmengen in einem Datensatz, in dem ein Datenmuster erkannt werden muss, bei minimalem Verlust relevanter Information bereit.

Ein Datensatz kann eine Matrix von Elementen wie Bildpunkte oder Bildelemente in einem Bild enthalten, wovon jedes Element eine Anzahl von Werten, die hier Informationswerte oder Codes genannt werden, annehmen kann. Die Wichtigkeit, Muster in einem Datensatz zu erkennen, ist groß. Wenn der Datensatz zum Beispiel Bildpunkte eines getippten oder handgeschriebenen Textes enthält, können die einzelnen Buchstaben dieses Textes durch Mustererkennung erkannt werden. Sogar wenn Unschärfe in dem zu erkennenden Bild vorhanden ist, ist es oft noch möglich, die Originalmuster zu erkennen. Wenn der Datensatz zum Beispiel eine medizinische Photographie ist, können Zellabnormalitäten oder Zelltumoren in einem frühen Stadium durch Mustererkennung erkannt werden.

Gemäß dem Stand der Technik sind diverse Verfahren zur Mustererkennung in Datensätzen bekannt. Es gibt statistische Verfahren, die jedoch die strukturelle Information in den Verbindungen in komplexen Mustern nicht gut erkennen können. Es gibt zum Beispiel auch beschreibende Verfahren, bei denen der Versuch gemacht wird, die Merkmale der zu erkennenden Muster zu definieren. Diese Verfahren verursachen Probleme, wenn die zu erkennenden Muster komplex sind. Es kann auch Gebrauch von neuralen Netzwerken zum Erkennen von Mustern gemacht werden. Jedoch stößt die Verwendung von neuralen Netzwerken zur Mustererkennung in großen Datensätzen auf Beschränkungen in der Kapazität gegenwärtiger Computer, mit denen die neuralen Netzwerke berechnet werden. Dokument EP-A- 0 455 898, auf dem die Präambel der Patentansprüche 1 und 14 basiert, offenbart ein Verfahren, bei dem binäre Informationswerte, d. h. 1 oder 0, von kleinen Bildpunkten bestimmt werden und anschließend gepaart und zu binären Informationswerten von größeren Bildpunkten vereinigt werden, wobei das Vereinigen auf Bestimmen der Nachbarschaft, d. h. dem Mehrheitswert der Informationswerte der kleinen Bildpunkte, Bestimmen der Anzahl der Informationswerte, die vom Nachbarschaftswert abweichen, und dem Setzen des Informationswertes des größeren Bildpunkte gleich dem Komplementärwert des Nachbarschaftswertes, wenn eine Vorbestimmte Zahl (T) von Informationswerten von dem Nachbarschaftswert abweicht, anderenfalls Setzen des Informationswertes gleich dem gleichen binären Wert der Nachbarschaft, beruht.

Dieses bekannte Verfahren ist nur auf binäre Informationswerte (Komplementärwert) anwendbar. Ein weiterer Nachteil liegt darin, dass das Vereinigen auf einer vorbestimmten, festen Anzahl (T) beruht, ohne Information, die zusätzlich in den Bildpunkte enthalten ist, zu nutzen.

Es ist Ziel der vorlegenden Erfindung, den obig genannten Nachteilen des Standes der Technik abzuhelfen.

Diese Ziel wird durch das Verfahren gemäß den Patentansprüchen 1 und 14 erreicht.

Das erfindungsgemäße Verfahren entnimmt dem Datensatz relevante Information, basierend auf dem internen Informationsinhalt, der eingeschätzt wird anhand der statistischen Eigenschaften, die in einem Trainingssatz von schon bekannten (a priori)- Mustern vorhanden sind, mit dem die erfindungsgemäße Vorrichtung während einer Trainingsphase versorgt wird. Nichtrelevante oder überflüssige Information wird gemäß dem vorliegenden Verfahrens ignoriert. Dadurch wird die Größe des Datensatzes verringert, wobei eine minimaler Verlust von relevanter Information auftritt.

Die Musterinformation wird berechnet auf der Grundlage einer statistischen Schätzung der Wahrscheinlichkeit, dass der digitale Informationswert einem bestimmten Muster zugehörig ist. Diese statistische Schätzung wird anhand der Daten des Trainingssatzes berechnet.

Das Vereinigen der Informationswerte, auf das in dem letzen Schritt Bezug genommen ist, findet solcher Art statt, dass so wenig Musterinformation wie möglich verloren geht. Auf der Grundlage der a priori bekannten möglichen Muster kann die beste Schätzung der Wahrscheinlichkeit berechnet werden, dass eine Kombination eines bestimmten Informationswertes und eines bestimmten Musters eintritt. Auf der Grundlage der berechneten Schätzung der Wahrscheinlichkeit aller möglicher Verknüpfungen von Informationswerten und Mustern wird ein Entscheidungskriterium formuliert, mit dem die Kombination von Muster und Informationswert bestimmt werden kann, was einen minimalen Verlust von Musterinformation nach Vereinigen einbringt.

Die vorliegende Erfindung wird im folgenden mit Bezug auf eine bevorzugte Ausführungsform beschrieben. Die Ausführungsform ist in den Figuren veranschaulicht, in denen:

Fig. 1 eine schematische Darstellung der erfindungsgemäßen Vorrichtung ist;

Fig. 2 Teil eines Bildes eines zu erkennenden Musters zeigt;

Fig. 2 Listen der Anzahl der Male zeigt, in denen eine Kombination von Muster und Bildpunktwert auftritt,;

Fig. 4 schematisch das Vereinigen von Bildpunkten zeigt;

Fig. 5 die Konversion der Kodierung des Informationswertes nach der Paarung veranschaulicht;

Fig. 6 ein Diagramm zeigt, das den Verlauf der gesamten Information als eine Funktion der Paarungs- und Vereinigungsschritte zeigt.

Fig. 1 zeigt eine erfindungsgemäße Vorrichtung. Die Vorrichtung enthält unter anderem:

- einen Computer 1, mit dem die erfindungsgemäßen Verfahren, die unten zu beschreiben sind, durchgeführt werden können;

- Eingabeterminal 2 zur Eingabe von digitalen Informationswerten in den Computer; die Eingabe kann unter Verwendung einer Tastatur erfolgen. Die Eingabe stammt jedoch im allgemeinen von externen elektronischen Vorrichtungen wie zum Beispiel Bildpunkte von einer Videokamera, Scanner und ähnlichem.

- Verbindungen 3 zwischen dem Computer, Eingabeterminal 2 und Ausgabeterminal 4, die Datentransfer zwischen diesen ermöglichen.

- Ausgabeterminal 4 zur Ausgabe der Ergebnisse des erfindungsgemäßen Verfahrens.

Fig. 2 zeigt ein Beispiel eines Bildes, das aus neun Bildpunkten besteht, die einen Wert "1" ( = schwarz) oder einen Wert "0" ( = weiß) annehmen können. Der Einfachheit halber wird ein Schwarz-Weiß-Bild, dementsprechend ohne Grautöne oder Farben, als Anfangspunkt genommen. In der Figur sind drei Bildpunkte jeweils mit R, 5 und T bezeichnet. Man nehme an, dass zwei Muster, d. h. "/" und "\", vom System erkannt werden sollen. Zuerst einmal wird in der sogenannten Trainingsphase oder Vorbereitungsphase der Wert aller Bildpunkte bestimmt, sowohl wenn die Bildpunkte das Muster "/" als auch wenn die Bildpunkte das Muster "\" zeigen. Die Ergebnisse der Trainingsphase bilden den Trainingssatz, in dem eine Liste pro Bildpunkt erstellt wird, die alle Verknüpfungen der Muster α und Werte i der Bildpunkte enthält.

Fig. 3 zeigt diese Listen für die drei Bildpunkt R, S und T. Auf der Grundlage der Listen wird die Häufigkeit bestimmt, mit der die Kombination der Bildpunktwerte und zu erkennenden Muster in dem relevanten Bildpunkt des Trainingssatzes erfolgt.

In dem Beispiel hat jedes Muster die gleiche Kombination von Bildpunktwerten. Dies ist im allgemeinen jedoch nicht der Fall. Bei der Erkennung von Buchstaben zum Beispiel ist es sehr wohl möglich, dass ein bestimmter Buchstabe mehrere Variationen aufweist, da Buchstaben auf verschiedene Arten dargestellt werden können. Es ist somit möglich, dass unterschiedliche Verknüpfungen von Bildpunktwerten in demselben Muster ("Buchstaben") auftreten. Obwohl ein Buchstabe eine Vielzahl von Darstellungen haben kann, ist jedoch ein hoher Grad von gegenseitiger Ähnlichkeit vorhanden.

Aus den Listen in Fig. 3 kann bestimmt werden, wie oft eine Kombination eines bestimmten Musters und eines Bildpunktwertes auftritt. Die Zahl der Male, in denen eine solche Kombination auftritt, wird mit "nRiα" bezeichnet, wobei R den relevanten Bildpunkt, i den digitalen Bildpunktwert und a das betreffende Muster darstellen. Tabelle 1 zeigt für die Bildpunkte R, S und T den entsprechenden Wert für nRiα.

Tabelle 1 Anzahl der Male, in denen eine Kombination von Muster und Bildpunktwert auftritt

Für alle Bildpunkte und möglichen Bildpunktwerte wird dann die Wahrscheinlichkeit Piα dafür berechnet, dass diese in einem bestimmten Muster auftreten. Die Wahrscheinlichkeit wird unter Verwendung des sogenannten Laplace'schen Stichprobenumfangskorrektors berechnet:

Unter Verwendung des obigen Ausdrucks zeigt Tabelle 2 für die drei Bildpunkte R, S und T die Wahrscheinlichkeiten pro Bildpunktwert und Muster. Die Wahrscheinlichkeiten für die anderen Bildpunkte können in analoger Weise berechnet werden.

Tabelle 2 Wahrscheinlichkeiten pro Bildpunktwert und Muster für die Bildpunkte R, S und T.

Die Bildpunkte werden anschließend in Gruppen von zwei Bildpunkten gruppiert. Da die Korrelation zwischen benachbarten Bildpunkten im allgemeinen größer ist als zwischen weit voneinander entfernten Bildpunkten, werden bevorzugt benachbarte Bildpunkte gruppiert. Ein gruppiertes Bildpunktpaar wird dann zu einem neuen Bildpunkt vereinigt. Die gesamte Zahl von Bildpunkte wird dadurch halbiert. Die Menge von möglichen Bildpunktwerten wird jedoch verdoppelt. Hierbei geht keine Information verloren. Die Gruppierung von Bildpunkten kann andernfalls auf etliche verschiedene Arten durchgeführt werden: zum Beispiel anfangs zwischen Bildpunkten, die auf einer horizontalen Linie und anschließend zwischen Bildpunkten, die auf einer vertikalen Linie liegen. Im Beispiel werden die Bildpunkte R und S. die auf einer horizontalen Linie liegen, gepaart.

Fig. 4 zeigt den Vorgang des Paarens von Bildpunkten. In dieser Figur kennzeichnen nummerierte Parallelogramme die Bildpunkte. Bei jedem Schritt von einer Schicht zur anderen Schicht (d. h. nach jedem Paaren) halbiert sich die Zahl der Bildpunkte, bis in diesem Fall nach viermaligem Paaren nur ein Bildpunkt verbleibt.

Eine neue Kodierung kann für die mögliche Kombination der Bildpunkte verwendet werden. Fig. 5 gibt eine neue Kodierung für die verschiedenen Verknüpfungen der Bildpunkte R und 5 an. Das Resultat des Vereinigens zweier Bildpunkte R und S ist in diesem Fall ein einzelner Bildpunkt V mit Bildpunkrwerten 0, 1, 2 oder 3. Die Wahrscheinlichkeit Pijα dass der Bildpunkt R den Bildpunktwert 1 hat, Bildpunkt 5 den Bildpunktwert j hat und das Muster gleich α ist kann iterativ bestimmt werden oder angenähert werden durch den Ausdruck:

Hiermit und mit den Informationen von Fig. 3 können die Wahrscheinlichkeiten für jede Kombination neuer Bildpunktwerte und Muster bestimmt werden. Tabelle 3 zeigt die Ergebnisse hiervon.

Tabelle 3 Wahrscheinlichkeiten pro Bildpunktwert und Muster für Bildpunkt V.

Die obige Verfahrensweise kann wiederholt werden, wobei die Zahl der Bildpunkte jedes Mai halbiert wird, während die Zahl der Bildpunktwerte verdoppelt wird.

Da die Zahl der möglichen Bildpunktwerte exponentiell mit der Zahl der sukzessiven Kombination der Bildpunktpaare zunimmt, kann es notwendig sein, diese Zahl zu verringern. Dies kann dadurch erfolgen, dass Bildpunktwerte zu einem neuen Bildpunktwert vereinigt werden, was auch als "pruning" bezeichnet wird. Dadurch kann der ursprüngliche Bildpunktwert nicht mehr länger unterschieden werden und es ist unvermeidlich, dass die Information, die in den Bildpunktwerten enthalten ist, verloren ist. Die Zahl der Bildpunktwerte hat jedoch abgenommen. Um den auf das Vereinigen von Bildpunktwerten zurückzuführenden Informationsverslust zu minimieren, ist ein Kriterium entwickelt worden, um zu entscheiden, welche Bildpunktwerte bevorzugt vereinigt werden müssen.

Da das Ziel der vorliegenden bevorzugten Ausführung der Erfindung die Mustererkennung ist, muss der die Muster betreffende Informationsverlust aufgrund des Vereinigens der Bildpunktwerte minimal sein. Musterinformation kann wie folgt beschrieben werden:

Der Verlust von Musterinformation durch das Vereinigen von Informationswerten i und i' ergibt sich damit zu:

Dieser Informationsverlust wird für alle Verknüpfungen von Bildpunktwerten i und i' für einen bestimmten Bildpunkt bestimmt. In Tabelle 4 wird der Informationsverlust für alle Verknüpfungen von Bildpunktwerten des Bildpunkts V mit Bezug auf das obige Beispiel bestimmt.

Verknüpfung Informationsverlust

0 und 1 1,6653·10&supmin;¹&sup6;

0 und 2 -0,09811

0 und 3 -0,004961

1 und 2 -0,049619

1 und 3 -0,032703

2 und 3 1,6653·10&supmin;¹&sup6;

Tabelle 4 Informationsverlust für alle möglichen Verknüpfungen von Bildpunktwerten.

Für das Vereinigen werden die Bildpunktwerte der Kombination von Informationswerten mit dem kleinsten Informationsverlust gewählt. In diesem Fall erzielt die Kombination von 0 und 1 oder die Kombination von 2 und 3 den kleinsten Informationsverlust. Wenn die Kombination 0 und 1 gewählt wird, wird jede 0 daher eine 1 oder jede 1 eine 0.

Wenn die Kombination 2 und 3 gewählt wird, wird jede 2 daher eine 3 oder jede 3 eine 2.

Durch Vereinigen der Bildpunktwerte i und i' ergibt sich die Wahrscheinlichkeit der vereinigten Bildpunkte als Pi+i',α = Piα + Pi'α.

Es ist notwendig, in einer Code-Liste oder in einem Code-Buch aufzuzeichnen, welche Bildpunktwerte vereinigt wurden, damit die Information betreffend des Vereinigens zu einem späteren Zeitpunkt während des Erkennens von Bildern verwendet werden kann. Das Verfahren des Vereinigens von Bildpunktwerten muss im allgemeinen für alle Bildpunkte individuell durchgeführt werden. Die obigen Berechnungen müssen daher für jeden Bildpunkt angestellt werden, wobei die Ergebnisse pro Bildpunkt in einem Code-Buch gespeichert werden.

Wenn die Anzahl der Bildpunktwerte nach dem Vereinigen noch zu groß ist, kann das Verfahren wiederholt werden, bis die Anzahl der Bildpunktwerte genügend verringert ist. Danach kann der Vorgang des Paarens von Bildpunkten und möglichem Vereinigen von Bildpunktwerten wieder beginnen.

Die Verfahren zum Paaren von Bildpunkten und Vereinigen von Bildpunktwerten kann so oft wie nötig wiederholt werden, bis alle Bildpunkte gepaart sind und die Anzahl der Bildpunktwerte auf ein akzeptables Niveau verringert wurde.

Fig. 6 zeigt ein Diagramm, in dem die gesamte Musterinformation eines Bildes aufgetragen ist gegen die Schritte des Paarens von Bildpunkten (bezeichnet mit C) und Vereinigens oder Pfropfens (bezeichnet mit S) von Bildpunktwerten. Bei jedem Schritt des Paarens von Bildpunkten nimmt die Musterinformation wegen der starken Korrelation zwischen den Bildpunkten der betrachteten Bilder zu. Bei jedem Schritt des Vereinigens oder Pfropfens von Bildpunktwerten geht (eine kleine Menge von) Musterinformation verloren. Nach dem Paaren und Vereinigen so oft ausgeführt wurden, dass das ganze Bild bearbeitet ist, nähert sich der Wert der Musterinformation einem Wert nahe null da die Erkennung praktisch perfekt ist. Der endgültige Wert der Musterinformation (d. h. die Differenz mit einem Nullwert)ist der Erkennungsfehler. Dieser Wert ist eine Kumulation aller Informationsverluste infolge des Vereinigens von Bildpunktwerten und infolge einer intrinsischen Mehrdeutigkeit, die aus den begrenzten statistischen Merkmalen des Trainingssatzes resultiert.

Das Paaren der Bildpunkte und Vereinigen der Bildpunktwerte der obig-beschriebenen bevorzugten Ausführung kann so oft wie nötig wiederholt werden, bis eine für neurale Netzwerke geeignete Eingabe resultiert. Die Erkennung des Musters wird dann vom neuralen Netzwerk übernommen. Der Grund, warum neurale Netzwerke nicht unmittelbar auf Bildpunkte angewendet werden können (und damit ohne Bearbeitung gemäß obig-beschriebenen Verfahrens) ist, dass die Anzahl der Knotenpunkte viel zu groß würde, als dass Mustererkennung in schneller Weise, in Anbetracht der gegenwärtigen Computertechnologie, möglich wäre.

Ein Muster in einem Bild kann auch unmittelbar durch Paaren von Bildpunkten and Vereinigen von Bildpunktwerten erkannt werden. In der beschriebenen bevorzugten Ausführung des Verfahrens und der Vorrichtung werden nur Korrelationen in jeder Schicht zwischen benachbarten, nahe zusammenliegenden Elementen untersucht, Korrelationen mit entfernten Elementen findet später in "tieferen" Schichten statt. Die verfahrensgemäße Datenverringerung bildet eine Schichtstruktur, wobei in Abhängigkeit von der Umgebung (dem Kontext) Elemente vereinigt werden, oder die Mustererkennung erfolgt unter Verwendung von Kontextkorrelation.

Übersetzung Fig. 6:

"ST": Schritte des Paarens (von Bildpunkten) "P": Musterinformation


Anspruch[de]

1. Verfahren zur Verringerung der Menge an digitaler Information in einem Datensatz zum Zwecke der Mustererkennung, aufweisend:

a) Bestimmen von digitalen Informationswerten erster Elemente, die mit einem zu erkennenden Muster assoziiert sind;

b) Paaren zweier oder mehr erster Elemente zu zweiten Elementen, wobei die Anzahl der digitalen Informationswerte für jedes zweite Element mindestens verdoppelt wird;

c) Vereinigen von mindestens zwei digitalen Informationswerten in ein reduziertes zweites Element mit einer reduzierten Anzahl von Informationswerten;

dadurch gekennzeichnet, dass

das Vereinigen der Informationswerte von Schritt c) auf digitalen a priori Informationswerten basiert wird, die anhand eines trainierbaren Satzes von einem oder mehr schon bekannten a priori Mustern, die in der Trainingsphase bereitgestellt werden, bestimmt werden.

2. Verfahren nach Anspruch 1, wobei die Schritte b) und c) wiederholt werden.

3. Verfahren nach Ansprüchen 1-2, wobei anhand von Informationswerten von mindestens einem a priori bekannten Muster die Wahrscheinlichkeit bestimmt wird, dass ein Informationswert eines zu erkennenden Musters zu einem a priori bekannten Muster gehört.

4. Verfahren nach Anspruch 3, wobei die Wahrscheinlichkeit bestimmt wird durch

wobei niα die Anzahl der Male ist, in denen ein Paaren von Informationswert i und einem bekannten Muster α erfolgt, piα die Wahrscheinlichkeit ist, dass ein Paaren von Informationswert i und einem bekannten Muster α erfolgt, und pα die Summation über alle Informationswerte der Wahrscheinlichkeiten piα ist.

5. Verfahren nach Anspruch 4, wobei ein Musterinformationswert berechnet wird durch

wobei piα die Wahrscheinlichkeit ist, dass ein Paaren von Informationswert i und einem bekannten Muster α erfolgt, und pi die Wahrscheinlichkeit ist, dass ein Informationswert auftritt.

6. Verfahren nach Anspruch 5, wobei die Differenz von Musterinformationswert vor und nach Vereinigen der Informationswerte für alle Paarungen von Informationswerten bestimmt wird.

7. Verfahren nach Ansprüchen 1-6, wobei in Schritt (c) aus Anspruch 1 die digitalen Informationswerte vereinigt werden, die einen minimalen Verlust an Musterinformationswert ergeben.

8. Verfahren nach Anspruch 1, wobei Paaren von ersten Elementen mit benachbarten ersten Elementen stattfindet.

9. Verfahren nach Anspruch 1, wobei die ersten Elemente von Bildpunkten gebildet werden, die zusammen ein Bild ergeben.

10. Verfahren nach Anspruch 1, wobei die Informationswerte von dem digitalen Wert gebildet werden, den die Bildpunkte annehmen können.

11. Verfahren nach Anspruch 1, wobei die ersten Elemente ein Spektrum bilden.

12. Verfahren nach Anspruch 1, wobei nach Vereinigen der digitalen Informationswerte die verbleibenden digitalen Informationswerte neu geordnet werden.

13. Verfahren nach jedem beliebigen der voranstehenden Ansprüche, wobei die digitalen Informationswerte der zweiten Elemente als Eingabewerte für ein neurales Netzwerk verwendet werden.

14. Vorrichtung zur Verringerung der Menge von digitaler Information zum Zweck der Mustererkennung, aufweisend:

- elektronische Speichermittel zum Speichern digitaler Information;

- Eingabemittel zur Eingabe digitaler Informationswerte in die elektronischen Speichermittel;

- Rechnermittel, aufweisend:

- Paarungsmittel zum Paaren von ersten Elementen zu zweiten Elementen, wobei die Anzahl der digitalen Informationswerte für jedes zweite Element mindestens verdoppelt wird;

- Vereinigungsmittel zum Vereinigen von mindestens zwei digitalen Informationswerten zu einem reduzierten zweiten Element mit einer reduzierten Anzahl von Informationswerten;

- Verbindungsmittel zwischen den Rechnermitteln Speichermitteln und Eingabemitteln,

dadurch gekennzeichnet, dass Bestimmungsmittel bereitgestellt sind zur Bestimmung von digitalen a priori Informationswerten aus einem trainierbaren Satz von einem oder mehr schon bekannten a priori Mustern, mit denen die Vorrichtung während einer Trainingsphase versorgt wurde; und dass die Vereinigungsmittel Informationswerte basierend auf den digitalen a priori Informationswerten vereinigen.

15. Vorrichtung nach Anspruch 14, wobei die Bestimmungsmittel, Gruppierungsmittel und Vereinigungsmittel durch Softwarekontrolle der Rechnermittel realisiert werden.

16. Vorrichtung nach Anspruch 14 oder 15, die ferner Mittel aufweist, mit denen die Verfahren gemäß den Patentansprüchen 1-12 durchgeführt werden.







IPC
A Täglicher Lebensbedarf
B Arbeitsverfahren; Transportieren
C Chemie; Hüttenwesen
D Textilien; Papier
E Bauwesen; Erdbohren; Bergbau
F Maschinenbau; Beleuchtung; Heizung; Waffen; Sprengen
G Physik
H Elektrotechnik

Anmelder
Datum

Patentrecherche

Patent Zeichnungen (PDF)

Copyright © 2008 Patent-De Alle Rechte vorbehalten. eMail: info@patent-de.com