Großer Beleg Segmentierung von ATPase-gefärbten - Fakultät ...
Großer Beleg Segmentierung von ATPase-gefärbten - Fakultät ...
Großer Beleg Segmentierung von ATPase-gefärbten - Fakultät ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
5.5 Parameter des Seeded-Region-Growing 43<br />
beiden Räume unterscheiden sich in der Form, dass Ω c nur Pixel der Regionskonutr<br />
enthält, Omega DB hingegen alle Pixel des Datenbankbildraumes umfasst. Damit die<br />
aus dem Formvergleich stammenden Labels sich nicht auf Bildbereiche auswirken, die<br />
für das aus E D erzeugte Labeling nicht beeinflussbar sind, werden die Labelupdates<br />
für beide Energien nur für das sogenannte Narrow-Band, also die Regionskontur aufsummiert.<br />
Dadurch, dass die Labelupdates der beiden Energiefunktionen unabhängig<br />
<strong>von</strong>einander ausgeführt werden und dies unterschiedlich häufig passiert, müssen die<br />
Gradienten entsprechend skaliert werden.<br />
5.5 Parameter des Seeded-Region-Growing<br />
Im folgenden Kapitel wird sich eine Betrachtung über die verschiedenen Parameter<br />
des Seeded-Region-Growings anschließen. Wie wir in den vorangegangenen Abschnitten<br />
gesehen haben, gibt es sehr viele Werte, die den Ablauf des Algorithmus signifikant<br />
beeinflussen. Es ist daher sinnvoll einen Überblick über die <strong>Segmentierung</strong>sergebnisse<br />
bei bestimmten Parametereinstellungen zu geben und die Bedeutung und Auswirkungen<br />
bestimmter Parameter explizit zu erläutern. Die nachfolgende Liste zählt die wichtigsten<br />
Parameter vom Seeded-Region-Growing Ansatz auf und erklärt deren Auswirkungen auf<br />
das <strong>Segmentierung</strong>sergebnis einer Zelle.<br />
• Zeitintervall / Konturdurchläufe (k)<br />
k beschreibt die Anzahl der Abarbeitungen der Kontur. In jedem Abarbeitungszyklus<br />
wird die aktuelle Regionskontur einmal durchlaufen und für jeden Pixel wird<br />
ein Regionswachstumstest (siehe Gleichung 4.2 und 4.4) durchgeführt. Sind k-viele<br />
Zyklen durchlaufen (siehe auch Abb. 3) erfolgt ein Formvergleich. Die Wahl des<br />
Paramters k beeinflusst die Zeitabstände in denen ein Formvergleich stattfindet.<br />
Ein sehr niedriges k sorgt für häufige Formvergleiche. Erfolgen die Datenbankabgleichungen<br />
in kurzer zeitlicher Folge, so garantiert dies eine ständige Kontrolle der<br />
wachsenden Zellregion, steigert aber auch den Rechenaufwand. Die wachsende Region<br />
hat zwischen den Vergleichen kaum Zeit ihre Form signifikant zu verändern.<br />
Gerade bei großen Formdatenbanken können zu häufige Formvergleiche sehr viel<br />
Rechenaufwand nach sich zeihen und so die <strong>Segmentierung</strong> verlangsamen.<br />
Sind die Zeitabstände k für die Formvergleiche zu groß gewählt, so ist es möglich,<br />
dass der Algorithmus nicht die optimale Kontur ermitteln kann, weil der Formvergleich<br />
zu selten stattfindet und im Gegenzug das Regionswachstum auf Basis<br />
der Bilddaten dominiert. Ein weiterer Faktor bei der Wahl des Parameters k