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