Masterarbeit Corinna Harmening Raum-zeitliche Segmentierung ...

3 Segmentierung von Laserscandaten
den ist. Graphen dieser Art werden auch als Grid-Graphen bezeichnet (siehe Abbildung
3.6) [Dezso u. a. (2012)]. Die Kantengewichte stellen ein Maß für die Ähnlichkeit adjazenter
Pixel dar: Übliche Kantengewichte sind z. B. die Differenzen der Intensitäts- oder
Farbwerte [Felzenszwalb u. Huttenlocher (2004)].
Das Ziel einer graphbasierten Segmentierung ist nach Dezso u. a. (2012) die Suche von
verbundenen Sub-Graphen, die bestimmte Ähnlichkeitskriterien erfüllen. Für den Fall,
dass die Kantengewichte sich aus Intensitätsdifferenzen berechnen, bedeutet das, dass innerhalb
eines Segmentes die Kantengewichte klein und die Kantengewichte zwischen den
einzelnen Segmenten groß sind [Felzenszwalb u. Huttenlocher (2004)].
Die graphbasierten Segmentierungsverfahren werden unterteilt in Top-Down- und Bottom-
Up-Verfahren [Dezso u. a. (2012)]: Ausgangspunkt bei den Verfahren der ersten Gruppe ist
ein großes Segment, das durch Zertrennen von Kanten nach und nach in kleinere Segmente
aufgesplittet wird. Typische Beispiele für Algorithmen, die nach dem Top-Down-Verfahren
arbeiten, sind z. B. die Graph Cuts [Boykov u. Kolmogorov (2004)] sowie die Normalized
Cuts [Jianbo u. Malik (2000)].
Im Gegensatz dazu beginnen die Bottom-Up-Verfahren mit einer Segmentierung, bei der
jedes Pixel ein Segment darstellt. Indem die einzelnen Segmente nach bestimmten Kriterien
zusammengefügt werden, wird die endgültige Segmentierung bestimmt. Felzenszwalb
u. Huttenlocher (2004) (siehe auch Abschnitt 3.4.2) stellen einen Algorithmus vor, der
nach diesem Prinzip arbeitet und der auch die Grundlage des in dieser Arbeit vorgestellten
Segmentierungsansatzes bildet.
Grid-Graphen sind nicht die einzige Möglichkeit, Bilder zu repräsentieren. Der große Nachteil,
der sich aus der Interpretation von Pixeln als Knoten ergibt, ist die große Anzahl
an Knoten, die insbesondere bei rechenaufwändigen Verfahren wie z. B. den Graph Cuts
zu langen Laufzeiten führt. Aus diesem Grund kann in einem ersten Schritt mit einem
weniger rechenaufwändigen Verfahren eine Vorsegmentierung durchgeführt werden, deren
Ergebnis sogenannte Superpixel sind [Ren u. Malik (2003)]. Diese Superpixel entstehen
durch eine Übersegmentierung des Eingangsbildes und unterteilen das Bild in sinngebende
Partitionen [Malmberg (2011)], indem sie wichtige Objektgrenzen erhalten [Achanta
u. a. (2012)].
36