Großer Beleg Segmentierung von ATPase-gefärbten - Fakultät ...

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