Methoden der Bildverarbeitung und des maschinellen Lernens zur Analyse von Krisengebieten nach Katastrophen

Beschreibung

Die Bewältigung von Naturkatastrophen ist ein brennendes Thema für die Forscher im Bereich der Fernerkundung, insbesondere angesichts der kontinuierlichen Zunahme von Naturkatastrophen in den letzten Jahrzehnten. Rechtzeitige Maßnahmen und hochwertige Daten zur Krisenbewältigung solcher Katastrophen können den Unterschied zwischen einer gut orchestrierten Krisenreaktion und einer Katastrophe ausmachen. In dieser Hinsicht kann die Analyse von Erdoberflächendaten bei der Entscheidungsfindung helfen, optimale Strategien zu bestimmen, um die Krisenreaktion dort einzusetzen, wo sie am dringendsten benötigt wird. 

Mein Ziel ist es, mögliche Bildverarbeitungs- und Deep-Learning-Methoden zu untersuchen, zu bewerten und zu bestimmen, die den Krisenreaktionsteams vor Ort helfen und direkt bei Krisenreaktionsmissionen eingesetzt werden können. Die Arbeit konzentriert sich auf multispektrale und hyperspektrale Satellitenbilder als Basisdaten, da die entwickelten Bildanalysemethoden bzw. die auf diesen Daten trainierten Modelle auf die Arbeit mit In-situ-Fernerkundungsmethoden wie z. B. Drohnenbildern erweitert werden können.

Status

laufend