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

B2 Materialerkennung im THz-Bereich

Projektleiter

Prof. Dr. Volker Blanz, Prof. Dr.-Ing. Peter Haring Bolívar, Jun.-Prof. Dr.-Ing. Marcin Grzegorzek

Ausgangslage

Mittels zeitaufgelöster Techniken auf der Basis von Femtosekundenlasern können THz-Bilder mit einem hohen Informationsgehalt gewonnen werden, da für jeden 2D-Bildpunkt die komplette Tiefeninformation und die spektrale Information erhältlich ist. Derzeitige Systeme können jedoch aus diesen Rohdaten anwendungsrelevante abstrakte Information (z.B. chemische Zusammensetzung) nur unzureichend effektiv destillieren. Die meisten THz-Erkennungsverfahren basieren auf der primitiven Analyse von typischerweise nur drei Spektralkomponenten. Entsprechend besteht dringender Bedarf zur Entwicklung von besseren Bildverarbeitungsverfahren im THz-Frequenzbereich.

Ziele und Arbeitsprogramm

In diesem Teilprojekt sollen Algorithmen entwickelt und untersucht werden, die einerseits in jedem Bildpunkt eine automatische Materialerkennung erlauben, und die andererseits aus den kombinierten Daten des THz-Bildes eine Objekterkennung zulassen. Zur Analyse der chemischen Zusammensetzung einer Probe sollen Verfahren des maschinellen Lernens verwendet werden, um aus dem THz-Spektrum von Trainingsdaten charakteristische Merkmale zu erlernen und diese dann gezielt in neuen Testdaten zu überprüfen.

Aktuelle Verfahren aus der Computer Vision, wie beispielsweise PCA/ICA, AdaBoost oder Support Vector Machines, werden auf spektrale Daten generalisiert, um multimodale Merkmale zu detektieren. Die lernbasierte Materialerkennung hängt in hohem Maße von der gewählten Datenrepräsentation in Form von Merkmalsvektoren ab.