Automatische Detektion von Wurzelsystemen in Minirhizotron-Bildern

  • M. Jankowski
  • S.-W. Breckle
  • S. Posch
  • G. Sagerer
  • M. Veste
Conference paper
Part of the Informatik aktuell book series (INFORMAT)

Zusammenfassung

An der Wurzelforschung besteht aufgrund der vielfältigen Wechselwirkungen zwischen Wurzelsystem und Boden ein großes Interesse. Für aussagekräftige Untersuchungen ist die Analyse von großen Bildmengen erforderlich. Die manuelle Auswertung ist zeitaufwendig und die Qualität der Ergebnisse hängt sehr stark von der Erfahrung der auswertenden Person ab. Dieses führt zu einer zunehmenden Automatisierung der Bildauswertung. Jedoch enthalten die Bilder komplexe und zufällig verzweigte Wurzelsysteme (s. Abb. 2). Die Detektion der Wurzelregionen ist besonders schwierig, da der Hintergrund sehr stark variiert und der Kontrast zwischen Boden und Wurzel oft sehr gering ist. Alle existierenden Verfahren zur automatischen Auswertung dieser Bilder sind regionenbasierte Ansätze, die davon ausgehen, daß die Grauwerte des Wurzelsystems sich gut von den Grauwerten des Hintergrundes trennen lassen. Diese Annahme ist aber im allgemeinen nicht erfüllt. Aus diesem Grund verfolgen wir in dieser Arbeit einen konturorientierten Ansatz. Nach der Detektion von signifikanten Wurzelbereichen, erweitern wir diese mittels heuristischer Suche zur optimalen Kontur. Die Basis des Verfahrens bildet der A—Algorithmus. Bei der Suche wird die parallele Struktur der Wurzel ausgenutzt, d.h. die Informationen der rechten und der linken Kontur fließen gemeinsam in die Bewertung ein.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

References

  1. [Böh79]
    W. Böhm: Methods of Studying Root Systems, Springer-Verlag, 1979CrossRefGoogle Scholar
  2. [Bra78]
    M. Brady, H. Asada: Smoothed local Symmetries and Their Implementation, International Journal of Robotics Research, Bd. 7, 1978, S. 331–355Google Scholar
  3. [Cas91]
    M. Casarin, S. Jacquey, A. Feuere, P. Girardin: Digital Picture Processing Applied to the Evoluation of Plant Root Dynamics, in Development in Argriculturaland Managed-Forest Ecology, Bd. 24, 1991, S. 570–575Google Scholar
  4. [Opf94]
    G. Opfer: Numerische Mathematik für Anfänger, Vieweg, 1994Google Scholar
  5. [Sed92]
    R. Sedgewick: Algorithmen in C, Addison-Wesley (Deutschland), GmbH,1992.Google Scholar
  6. [Smi94]
    A. L. Smit, J. F. C. M. Sprangers, P. W. Sablik, J. Groenwold: Automated measurement of root length with a three-dimensional high-resolution scanner and image analysis, Plant and Soil, Bd. 158, 1994, S. 145–149CrossRefGoogle Scholar
  7. [Smu87]
    A. J. M. Smucker, J. Ferguson, W. P. DeBruyn, R. K. Belford, J. T. Ritchie: Image Analysis of Video-Recorded Plant Root Systems, in Minirhizothrons Observation Tubes: Methods and Applications for Measuring Rhizosphere Dynamics, Nr. 50, ASA Special Publications, 1987, S. 67–80Google Scholar
  8. [Ste93]
    W. Steinke: Unterirdische Biomasse: Erfassung und Beitrag zur Festigung des Deichvorlandes, Dissertation, Westfähsche Wilhelms-Universität Münster,1993.Google Scholar
  9. [Ten75]
    D. Tennant: A test of a modified line intersect method of estimating root length, J. Ecol, Bd. 63, 1975, S. 995–1001CrossRefGoogle Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 1995

Authors and Affiliations

  • M. Jankowski
    • 1
  • S.-W. Breckle
    • 2
  • S. Posch
    • 1
  • G. Sagerer
    • 1
  • M. Veste
    • 2
  1. 1.Technische FakultätUniversität BielefeldBielefeldDeutschland
  2. 2.Fakultät für BiologieUniversität BielefeldBielefeldDeutschland

Personalised recommendations