SSBA och framtiden

30 år på nacken! Hade det varit en bil hade den kallats veteranbil nu. Att ta över ett veteranfordon innebär ett extra ansvar. Man får liksom inte bete sig hur som helst. Man har ett arv att förvalta, en historia att ta hänsyn till. Glimtar av den historien berättas i denna jubileumsskrift. Men samtidigt handlar det inte om att konservera. Veteranbilar på museum är ju inte särskilt spännande. Föreningen ska leva och utvecklas. Nya forskargrupper tillkommer, vilket vi sett exempel på genom att de två senaste symposierna har hållits i Malmö och Umeå. Datorerna blir kraftfullare. Problem som var näst intill olösbara eller krävde specialhårdvara för några år sedan kan idag hanteras av en vanlig persondator på skrivbordet.

För 30 år sedan hade jag ingen aning om vad automatiserad bildanalys (eller bildbehandling) var och datorer var för mig jättestora maskiner som förbrukade otroliga mängder papperslappar med små hål i. Undrar hur många hålkort det skulle gå åt att koda en normal CT-volym! Det är inte konstigt att tillämpningarna ändras med förutsättningarna. Från att bara ha kunnat användas på det vi i dagligt tal kallar för bilder, det vill säga 2-dimensionella skalärfält, används nu bildbehandlingsmetoder mer eller mindre rutinmässigt på såväl 3- och 4-dimensionella datavolymer som på vektor- och tensorfält. Medicinska tillämpningar blir allt vanligare och har numera en självklar plats på varje konferens inom området.

Det viktiga att inse här är att nya tillämpningar med nya typer av data ofta kräver nya metoder. Att filtrera ett tensorfält är inte bara en uppskalning av problemet att filtrera en bild! Så datorutvecklingen löser inte alla problem, även om den gör tillvaron lättare för oss bildbehandlare. Det krävs fortfarande mycket forskning och utveckling av nya metoder för att kunna hantera framtidens bildanalysproblem, vilka de nu kan vara. Det är, som bekant, svårt att sia, i synnerhet om framtiden (1). Men en sak är säker: Vill man bli citerad om ett eller ett par decennier ska man nog inte bekymra sig för mycket om huruvida ens metoder går att köra i realtid eller över en kafferast. Algoritmer som idag endast går att köra på löjligt små dataset och med en plågsamt lång leveranstid av resultatet kan mycket väl bli högst användbara i framtiden. Men exakt för vad är nog ingen som kan säga. Det kommer hur som helst att bli väldigt intressant att följa utvecklingen. För framtiden är inte längre vad den har varit (2).

Fotnoter
(1) Markus Ronner
(2) Hermann Josef Abs