Masterarbeit Corinna Harmening Raum-zeitliche Segmentierung ...
Masterarbeit Corinna Harmening Raum-zeitliche Segmentierung ...
Masterarbeit Corinna Harmening Raum-zeitliche Segmentierung ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
4.5 Analyse und Bewertung des entwickelten <strong>Segmentierung</strong>sansatzes<br />
Segment nur unvollständig wiedergegeben wird. Diese Fälle treten zwar auf, sind in der<br />
Regel jedoch auf eine geringe Datendichte zurückzuführen, die in der Datenerfassung begründet<br />
liegt.<br />
Die Güte der endgültigen <strong>Segmentierung</strong> ist stark vom Ergebnis der Vorsegmentierung<br />
abhängig: Die Voraussetzung für ein erfolgreiches Region-Merging stellt eine vorsegmentierte<br />
Punktwolke ohne Untersegmentierungen dar. Ist diese Bedingung nicht erfüllt,<br />
treten garantiert auch im endgültigen Ergebnis Untersegmentierungen auf, was für die<br />
späteren Anwendungen nicht als zufriedenstellend angesehen werden kann. Gleichzeitig<br />
erschweren zu starke Übersegmentierungen ein Region-Merging, denn insbesondere der<br />
kantenbasierte Ansatz setzt voraus, dass für jedes der Blätter ein verhältnismäßig großes<br />
Segment existiert, welches um benachbarte kleinere Segmente erweitert wird. Würde sich<br />
jedes Blatt aus einer Vielzahl kleiner Segmente zusammensetzen, würde die Einführung<br />
einer Kantenmindestlänge ihren Zweck nicht erfüllen und damit die Unterscheidung zwischen<br />
Crease-Edges innerhalb eines Blattes und Crease-Edges, die von zwei benachbarten<br />
Blättern gebildet werden, scheitern. Der Parameter, der das Auftreten von Über- und Untersegmentierungen<br />
steuert, ist die Konstante κ bzw. die von der mittleren Z-Koordinate<br />
abhängige Funktion κ(z min ): Allein sie steuert die Güte der Vorsegmentierung und damit<br />
die Güte der endgültigen <strong>Segmentierung</strong>; eine sorgfältige Wahl ist somit unerlässlich. Für<br />
die beiden in dieser Arbeit verwendeten Datensätze wurden geeignete Werte festgelegt,<br />
diese müssen jedoch nicht zwangsläufig für alle Wachstumsstadien einer Gurkenpflanze<br />
geeignet sein.<br />
Abgesehen von der Wahl dieses Parameters führt der entwickelte Algorithmus die <strong>Segmentierung</strong><br />
vollautomatisch durch und bildet somit die Grundlage für eine automatische<br />
Phänotypisierung.<br />
Neben der Güte der Ergebnisse spielt für die Beurteilung des Algorithmus auch die Laufzeit<br />
eine Rolle: Der für die Vorsegmentierung verwendete Algorithmus von Felzenszwalb<br />
u. Huttenlocher (2004) ist ein gieriger Algorithmus, dessen Laufzeit allein von der Anzahl<br />
der Kanten im Graphen abhängt und somit sehr effizient ist. Den mit Abstand größten<br />
Rechenaufwand in der Berechnungskette erfordert das Region-Merging, obwohl auch an<br />
dieser Stelle nur lokale Entscheidungen getroffen werden: In diesem Schritt müssen für<br />
jedes Segment mit einer bestimmten Mindestgröße alle Nachbarsegmente gefunden und<br />
111