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

5.5 Parameter des Seeded-Region-Growing 45
• DB-Gewichtung (α)
Der Skalierungsfaktor α verstärkt bzw. vermindert den Einfluss, den die Formvergleiche
auf die Labelentwicklung haben. Wird α zu klein gewählt, so ist der
Einfluss der Datenbankvergleiche möglicherweise zu gering und das auf den Bildinformationen
basierte Regionswachstum dominiert das Segmentierungsergebnis.
Ist hingegen α zu groß gewählt, hat die Datenbank zu viel Einfluss auf die Segmentierung
und behindert das Regionswachstum, so dass das Segmentierungsergebnis
sich mehr den Datenbankformen annähert, als sich an den Bilddaten im Muskelfaserschnitt
zu orientieren.
• Bildgewichtung (β)
Der Skalierungsfaktor β hat die gleichen Auswirkungen auf die Segmentierung, wie
der Faktor α. Eine Abstimmung beider Werte ist notwendig, damit sich Formvergleich
und Regionswachstum gut miteinander ergänzen. In den vorhanden Bespielbildern
(??) wurde zum Beispiel mit den Werten α = 1000 und β = 1 gearbeitet.
• Labelinterval ([−a, a])
Wie im Abschnitt 4.2.2 bereits erklärt wurde, sind die Labels beim Seeded-Region-
Growing auf ein Intervall [−a, a] beschränkt. Ziel dieser Begrenzung ist es, dass
sich an bestimmten Stellen der Kontur die Labels nicht zu stark in eine Richtung
entwickeln können. An Stellen, wo die Kontur vorerst eine feste Position
eingenommen hat, summieren sich die Labels stark in eine Richtung (positiv bzw.
negativ). Es hat sich gezeigt, dass das Labelinterval so gewählt werden sollte, dass
das Labelupdate der Formvergleiche, innerhalb des Labelintervals liegt. Dadurch,
dass die Formvergleiche seltener stattfinden, als Berechnungen zum Regionswachstum,
müssen die Labelupdates aus dem Datenbankvergleich meist höher gewichtet
werden. Dadurch ergeben sich aber Labelwerte, die merklich größer sind, als
die Labels aus dem Regonswachstum. Sollte das Labelintervall zu klein gewählt
werden, wird damit auch der Einfluss der Formvergleiche stark beschränkt. Ein
Intervall von [−20, 20] bzw. [−40, 40] liefert gute Segmentierungsergebnisse. Je
nach Initialisierung der außenliegenden Labels, ergibt sich ein schnelles oder verlangsamtes
Regionswachstum. Wird der Bildraum Ω zu Beginn mit L = −20
definiert, verlangsamt sich das Wachstum, da die Labelupdates aus dem Regionswachstum
(E D ) den hohen Betrag der Labelinitialisierung abarbeiten müssen.
Eine Labelinitialisierung von L = −1 sorgt hingegen für ein schnelles Wachstum,
da die Labelupdates aus E D schneller einen Vorzeichenwechsel erzeugen können.