Variationsmethoden in Hyperspektraler Bildverarbeitung

Beschreibung

Hyperspektrale Bildgebung ermöglicht Materialerkennung aus der Distanz und findet Anwendungin der Sortierung von Kunststoff, der Erkennung von Chemikalienrückständenund zukünftig der Lufterkennung der Nährstoffversorgung in der Landwirtschaft. Eine Hyperspektralkamera misst gleichzeitig einige hundert Spektralkanäle und ordnet damit jedem Punkt ein Reflexionsspektrum zu. Dieses dient als Fingerabdruck der Materialmischung in diesem Punkt. Gleichzeitig muss diese Informationsflut der menschlischen Wahrnehmung zugänglich gemacht werden.

Während die Segmentierung, wie in der klassischen Bildverarbeitung, das Bild in charakteristische Regionen unterteilt, in denen ein Material dominiert, wird beim Hyperspectral Unmixingdas Hyperspektralbild analytisch dargestellt als kontinuierliche Mischung der Reinmaterialspektren, gewichtet mit ihren Konzentrationen. In meiner Dissertation untersuche ich die variationelle Formulierung beispielsweise des Hyperspectral Unmixing Problems mit Methoden der konvexen Analysis undentwickle ich effizienter Algorithmen zu seiner Lösung. Weiterer Untersuchungsgegenstand sind multiplikative und proximale Algorithmen und deren Konvergenz, sowie variationelle Konvergenz (Gamma-Konvergenz) auf Mannigfaltigkeiten.

Status

abgeschlossen