Für eine korrekte Darstellung dieser Seite benötigen Sie einen XHTML-standardkonformen Browser, der die Darstellung von CSS-Dateien zulässt.

DAAD Deutscher Akademischer Austausch Dienst

C1 Lernbasierte Analyse von multispektralen THz-Daten

Projektleiter

Prof. Dr. Volker Blanz, Prof. Dr.-Ing. Andreas Kolb

Ausgangslage

Mit dem Voranschreiten der Entwicklung von bildgebender und spektroskopischer Messtechnik im THz-Bereich gewinnt die Frage der Datenanalyse immer mehr an Bedeutung. Im Unterschied zum sichtbaren Licht kommen bei THz-Messungen andere physikalische Effekte, z.B. bei der Überlagerung von Signalen unterschiedlicher Materialien, zum Tragen, die sowohl die Materialerkennung in den Spektren als auch die Objekterkennung in Bilddaten erheblich erschweren.

Ziele und Arbeitsprogramm

Ziel des Vorhabens ist es, die in Siegen vorhandenen Expertisen in der THz-Messtechnik, inkl. einer breiten Palette von Messmethoden und in der Objekterkennung und -Detektion synergetisch zu nutzen. Damit können aktuelle Verfahren des Maschinellen Sehens und des Maschinellen Lernens auf Daten aus den jeweils neuesten verfügbaren THz-Messtechnologien angewendet werden, um Information über die akquirierten Objekte und Materialien zu gewinnen. Konkrete Zielsetzungen sind die Erkennung von Materialien in systemunabhängiger Weise, die Erkennung von Objekten in aktuellen Bilddaten und die Spektralanalyse mit einem Analyse-durch-Synthese Ansatz. Im Gegensatz zum Teilprojekt D2 werden hier multispektrale THz-Daten verarbeitet, die mittels breitbandigen THz-Detektionsmethoden erfasst werden.
Im Rahmen des Graduiertenkollegs wurde ein Materialerkennungsverfahren basierend auf maschinellem Lernen entwickelt. Dieser Ansatz ist, wie andere Verfahren zur automatischen Materialerkennung, auf spezifische Messsysteme festgelegt. Diese Erkennungsverfahren basieren nicht auf systemunabhängigen Materialdaten, sondern modellieren implizit die spektrale Systemcharakteristik des Messaufbaus und die probengeometrischen Abhängigkeiten. Aufbauend auf diesen Resultaten sollen neue, weitgehend systemunabhängige Methoden entwickelt werden, die die entwickelten Verfahren zur Extraktion der Materialparameter nutzen um die Eigenschaften des Messsystems von der Charakteristik der gemessenen Materialien zu trennen.

Absorption of TNT samples of different manufacturers. Top view of the imaging geometry of a THz-Scanner System