Please use this identifier to cite or link to this item: http://dx.doi.org/10.25673/3705
Full metadata record
DC FieldValueLanguage
dc.contributor.authorErz, Gregor-
dc.date.accessioned2018-09-24T14:06:26Z-
dc.date.available2018-09-24T14:06:26Z-
dc.date.issued2006-
dc.identifier.urihttps://opendata.uni-halle.de//handle/1981185920/10490-
dc.identifier.urihttp://dx.doi.org/10.25673/3705-
dc.description.abstractDie Minirhizotrontechnik erlaubt durch die Verwendung von transparenten Röhren die fortgesetzte und zerstörungsfreie Beobachtung von pflanzlichen Wurzelsystemen. Die manuelle Auswertung der dabei aufgenommenen Bilder ist jedoch zeitaufwändig und monoton. Aus diesem Grund wurde in der vorliegenden Arbeit ein zweiphasiges Verfahren entwickelt, das für jeden Pixel eines Minirhizotronbildes entscheidet, ob er dem Hintergrund oder einer Wurzelprojektion angehört. Dabei wird von der Annahme ausgegangen, dass nur bestimmte Bereiche einer Wurzel mit einfachen Kriterien sicher als solche erkannt werden können. Diese Regionen werden als Keime bezeichnet und durch mehrfache Schwellwertbinarisierung, Anwendung von Formkriterien auf die entstehenden Regionen und mit Hilfe einer Mittelachsentransformation bestimmt. Nach dieser ersten Phase werden die ermittelten Keime in der zweiten Phase beidseitig so verlängert, dass sie die komplette Wurzelprojektion überdecken. Hierzu wird ein entsprechender Suchgraph auf dem Bild definiert, eine geeignete Kostenfunktion modelliert und das gesuchte Wurzelkonturenpaar als Pfad in diesem Suchgraph bestimmt. Zur Bestimmung des gesuchten Pfades wird eine hierarchische Suchheuristik verwendet, die den A*-Algorithmus auf zwei unterschiedlich detaillierten Suchebenen einsetzt. Dieses Vorgehen erlaubt eine sinnvolle Suchraumbeschränkung bei gleichzeitig einfacherer Modellierbarkeit der Anforderungen an die Wurzelkonturen. Zugleich erlaubt dieser Ansatz die effiziente und einfache Einbringung von Vorwissen innerhalb einer Versuchsreihe und erleichtert die halbautomatische Detektion unter Überwachung eines menschlichen Nutzers. Anhand des erzeugten binären Ergebnisbildes werden in einem abschließenden Schritt biologisch relevante Wurzelparameter, wie etwa Wurzellänge, Wurzelfläche und Wurzelbreitenverteilung, durch eine Mittelachsentransformation ermittelt. In der Arbeit werden die auf einer manuell markierten Stichprobe von 100 Bilder aus drei unterschiedlichen Quellen erzielten Ergebnisse präsentiert und mit den Resultaten eines bereits bekannten Verfahrens verglichen. Hierbei wird eine merkliche Steigerung der Ergebnisqualität festgestellt.-
dc.description.abstractBy employing transparent tubes the minirhizotron technique allows for a destruction free, continuuous in situ observation of plant root systems. Manual analysis of the resulting images is however time consuming and monotonous. This is why a two phased approach has been developed which classifies every pixel of a minirhizotron image as belonging to the background or to a root projection. Normally only small regions of a root projection can be safely recognized relying on simple criterions only. Such regions are called are "Keime" (seeds) and detected in the first phase. They are found by means of multiple image binarization, evaluation of shape criteria for the resulting regions and by employing a medial axis transform. Subsequently each seed is expanded on both sides to cover the whole root projection. This is done by defining a suitable search graph and cost function and by determining the root contours in form of a path. This path is found by using a hierarchical search employing the A*-algorithm on two levels of different detail. Using a hierarchy makes it easier to restrict the search domain and at the same time simplifies the tuning of the root model. Another benefit is the possiblity of using previous knowledge to speed up search in time series or the use as semi automatic method with human supervision. A set of biological relevant parameters such as root area, root length and root width distribution is computed from the resulting binary image in a final step. The proposed method was evaluated on a set of 100 minirhizotron images from three different sources which were manually labeled. The achieved results were presented and compared with an already known approach yielding a significant improvement.eng
dc.description.statementofresponsibilityvon Gregor Erz-
dc.format.extentOnline-Ressource, Text + Image-
dc.language.isoger-
dc.publisherUniversitäts- und Landesbibliothek Sachsen-Anhalt-
dc.rights.urihttp://rightsstatements.org/vocab/InC/1.0/-
dc.subjectElektronische Publikation-
dc.subjectHochschulschrift-
dc.subjectOnline-Publikation-
dc.subjectZsfassung in engl. Sprache-
dc.titleAutomatische Analyse von Minirhizotronbildern-
dcterms.typeHochschulschrift-
dc.typePhDThesis-
dc.identifier.urnurn:nbn:de:gbv:3-000010585-
local.publisher.universityOrInstitutionMartin-Luther-Universität Halle-Wittenberg-
local.subject.keywordsBildverarbeitung, Minirhizotron, hierarchisch, A* (A-Stern), Wurzeldetektion, vollautomatisch, Straßendetektion, Gefäßerkennung, Konturverfolgung-
local.subject.keywordsimage analysis, minirhizotron, hierarchical, A* (A-Star), root detection, full automatic, road detection, vessel detection, contour tracingeng
local.openaccesstrue-
dc.identifier.ppn517746794-
local.accessrights.dnbfree-
Appears in Collections:Hochschulschriften bis zum 31.03.2009

Files in This Item:
File Description SizeFormat 
prom.pdf13.36 MBAdobe PDFThumbnail
View/Open