Logo
DeutschClear Cookie - decide language by browser settings
Hamm, Peter (2011): Inhaltsbasierte Autofokussierung in der automatisierten Mikroskopie. Dissertation, LMU München: Faculty of Medicine
[img]
Preview
PDF
Hamm_Peter.pdf

16Mb

Abstract

Die automatische Fokussierung ist ein grundlegender Arbeitsschritt für die Bildaufnahme und Auswertung mit motorgetriebenen Mikroskopen. Auch wenn die Forschungs- und Entwicklungsarbeit auf dem Gebiet des kontrastbasierten Autofokus nunmehr auf eine viele Dekaden lange Geschichte zurückblicken kann, fehlt es selbst aktuellen Methoden an Robustheit gegenüber Bildstörungen und der Handhabung komplexerer Präparatstrukturen. Diese Dissertation stellt einen neuen Autofokusansatz vor, der grundsätzlich mit jeder Mikroskopieart wie unter anderem Fluoreszenz-, Hellfeld- oder auch Phasenkontrast-Mikroskopie verwendet werden kann. Die Neuheit der Methode besteht in einer inhaltsbasierten Fokussuche, die für eine gezieltere Autofokussierung Vorwissen über das zu untersuchende Präparat verwendet. Dabei stellen die von den Trainingsdaten extrahierten und per Boosting selektierten lokalen Haar-Merkmale die Wissensbasis. Die im folgenden als Inhaltsbasierte Autofokus (IB-AF) bezeichnete Methode verfährt in drei Schritten: Zuerst werden an beliebiger z-Koordinate innerhalb des Präparats Regions-of-Interest (ROI) ermittelt, die starke Objekthypothesen enthalten. Danach wird nur auf diesen Regionen eine Kontrastmessung zur Fokuslagenndung der jeweiligen Region entlang der z-Achse durchgeführt. Im letzten Schritt werden die Regionen in ihrer Fokuslage einer genaueren Verikation unterzogen, um ergänzend etwaige uninteressante Objekte auszuschließen. Mit dieser Herangehensweise wendet sich der IB-AF von traditionellen Methoden ab, welche den gesamten Bildbereich einer Fokusmessung unterziehen. Dadurch ist es möglich, sowohl Artefakte aus der Schärfemessung auszuschließen, als auch gezielt spezische Objekte in den Fokus zu bringen. Die vorgestellte Methode wurde auf Präparaten mit unterschiedlichen Herausforderungen getestet und erzielte ein erfolgreiches Fokussieren, wo andere Methoden bisher scheiterten.