Großer Beleg Segmentierung von ATPase-gefärbten - Fakultät ...
Großer Beleg Segmentierung von ATPase-gefärbten - Fakultät ...
Großer Beleg Segmentierung von ATPase-gefärbten - Fakultät ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
18 3 GRUNDLAGEN DER BILDSEGMENTIERUNG<br />
(a) Iteration: 1 (b) Iteration: 2<br />
(c) Iteration: 3 (d) Iteration: 4<br />
Abbildung 2: k-Means-Clustering für k=3 über 4 Iterationen<br />
des iterativen Lösungsverfahrens können im ungünstigen Fall stark vpn der optimalen<br />
Lösung abweichen [KMN + 02b]. Gerade für die Initialisierung der Centroiden muss<br />
daher größerer Aufwand betrieben werden, um möglichst gute Startparameter für den<br />
Algorithmus zu erhalten. Problematisch wird eine Anwendung des k-Means-Clusterings,<br />
wenn die Anzahl der zu findenden Klassen nicht genau bekannt ist. Um einen solchen<br />
Fall handelt es sich bei einer Zellsegmentierung, bei der jede Zelle genau eine Klasse<br />
darstellt. Während bei einer Klassifikation nur die Anzahl der Zelltypen <strong>von</strong> Belang ist<br />
(k = 3), benötigt man für eine <strong>Segmentierung</strong> die Anzahl der Zellen im Bild. Diesen<br />
Wert präzise zu schätzen, ist aber relativ schwierig, ebenso wie eine sichere Positionierung<br />
der Klassenmittelpunkte im Inneren der Zellen.