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 Entwicklung eines Verfahrens zur raum-<strong>zeitliche</strong>n <strong>Segmentierung</strong> von natürlichen Objekten<br />
der Daten zwar eine deutliche Abgrenzung der Pflanze vom Hintergrund (siehe Abbildung<br />
4.2), die einzelnen Blätter nehmen jedoch sehr ähnliche Werte an. Da eine Abgrenzung<br />
der Pflanze vom Hintergrund aufgrund der Einschränkung des Sichtfeldes nicht mehr notwendig<br />
ist, kann davon ausgegangen werden, dass diese spektralen Daten nicht oder nur<br />
bedingt für die <strong>Segmentierung</strong> der einzelnen Blätter geeignet sind.<br />
Ein anderes Bild ergibt sich dagegen bei den geometrischen Tiefenwerten: Auch diese zeigen<br />
zwar – hervorgerufen durch Verdeckungen und daraus resultierenden Tiefensprüngen<br />
– Variationen innerhalb eines einzelnen Blattes, gleichzeitig sind die Grenzen zwischen<br />
zwei Blättern in den meisten Fällen jedoch gut zu erkennen. Aus diesem Grund wird bei<br />
der Entwicklung einer <strong>Segmentierung</strong>sstrategie zunächst der Fokus auf die <strong>Segmentierung</strong><br />
der geometrischen Merkmale gelegt (vgl. Abschnitt 3.3).<br />
Da die zu dieser Methodik gehörende <strong>Segmentierung</strong> durch Extraktion von Primitiven<br />
bereits in Abschnitt 4.1 ausgeschlossen wurde und aufgrund fehlenden Expertenwissens<br />
eine Aufstellung komplexer Modelle entfällt, verbleibt für die Lösung des <strong>Segmentierung</strong>sproblems<br />
die in Abschnitt 3.3.1 vorgestellte <strong>Segmentierung</strong> unter Verwendung von Oberflächeneigenschaften.<br />
Von der Vielfalt der bestehenden Algorithmen, die dieser Gruppe<br />
von Verfahren zugeordnet werden können, wird für die <strong>Segmentierung</strong> der Gurkenblätter<br />
der in Abschnitt 3.4.2 vorgestellte graphbasierte Algorithmus nach Felzenszwalb u. Huttenlocher<br />
(2004) als besonders geeignet angesehen. Den Grund hierfür stellt das adaptive<br />
<strong>Segmentierung</strong>skriterium dar, welches durch die Abbildung 3.8 motiviert wird. Ein Vergleich<br />
dieser Abbildung mit dem vergrößerten Ausschnitt eines beispielhaft ausgewählten<br />
Tiefenbildes der in dieser Arbeit verwendeten Datensätze (siehe Abbildung 4.5) lässt große<br />
Ähnlichkeiten erkennen: Zum einen weist jedes Blatt aufgrund des starken Messrauschens<br />
eine gewisse Texturierung auf, zum anderen entstehen durch die Blattkrümmungen über<br />
größere Bereiche eines Blattes sich kontinuierlich ändernde Werte, die in einer farblichen<br />
Darstellung als Grauwertrampen identifiziert werden können. Der Algorithmus nach<br />
Felzenszwalb u. Huttenlocher (2004) wird innerhalb der Patch-Type-Verfahren den regionenbasierten<br />
Verfahren zugeordnet, wobei die <strong>Segmentierung</strong> an sich mit Hilfe eines<br />
Clusterings erfolgt.<br />
56