AG Statistik


DFG-Projekt: Superresolution mehrskaliger Bilder aus den Materialwissenschaften unter Ausnutzung geometrischer Kenngrößen

Moderne Verfahren der Bildverarbeitung und Angewandten Analysis sind von zunehmendem Nutzen bei der Erforschung von Materialien und deren Eigenschaften in den Ingenieurswissenschaften. Unser Projekt leistet einen Beitrag in diese Richtung durch die Entwicklung von sogenannten Superresolutionsverfahren zur Konstruktion hochaufgelöster 3D Bilder aus niedrigaufgelösten Bildern und wenigen hochaufgelösten Teilbildern. Die mathematischen Modelle werden auf Verallgemeinerungen von Gaußschen Mischmodellen und Student-t Mischmodellen in Verbindung mit Variationsmethoden basieren. Geometrische Eigenschaft der Daten passend zu den ingenieurswissenschaftlichen Fragestellungen sollen herausgearbeitet werden, die einerseits eine Basis zur Evaluierung der Resultate liefern und andererseits direkt in die Modellierung einfließen. Die entwickelten Superresolutionsmodelle sollen mathematisch analysiert, effiziente Algorithmen erstellt und deren Konvergenzverhalten untersucht werden. Ein weiteres Ziel des Projektes ist die Verallgemeinerung der Methoden auf multimodale Bilder, bei denen die niedrigaufgelösten Bilder mittels Computertomographie und die hochaufgelösten Teilbilder des gleichen Materials mittels FIB-SEM Tomographie gewonnen werden. Dabei muss die spezielle Aufnahmetechnik bei FIB-SEM Bildern, insbesondere sogenannte "Curtaining" Effekte und die Anisotropie bezüglich der dritten räumlichen Komponente einbezogen werden. Schließlich ist die numerische Evaluation der Superresultionsverfahren durch Vergleich von Eigenschaften reaktiver Flüssigkeiten in porösen Medien geplant.

 

 

Projektpartner:

Professorin Dr. Gabriele Steidl

Professor Jean-Francois Aujol, Ph.D.

Professor Dr. Dominique Bernard, Ph.D.

Professor Yannik Berthoumieu, Ph.D.

DFG-Projekt: Großgeräteinitiative: Computertomografie zur Untersuchung von Tragwerken unter Laststeigerung

In der Baustofftechnologie wird seit vielen Jahren die Computertomografie genutzt, um an kleinformatigen Proben Kenntnisse über die Gefügestruktur von Baustoffen und deren Veränderung unter verschiedenen Expositionen zu gewinnen. Um aber mit der Röntgentechnologie zu einer Verbesserung des Verständnisses des Trag- und Verformungsverhaltens von ganzen Bauteilen kommen zu können, fehlen bisher entsprechend konfigurierte Geräte. Der vorliegenden DFG-Ausschreibung folgend wurde deshalb ein völlig neuartiges Tomografie-Portal (TOP) konzipiert, das Bauteile mit realen Abmessungen unter Laststeigerung mit hoher Auflösegenauigkeit tomografieren kann. Es setzt auf eine hohe Strahlungsenergie, wie sie unverzichtbar ist, um zum Beispiel stabförmige Stahlbetonbauteile mit Querschnittsabmessungen von mindestens 30 x 30 cm durchleuchten und Risse von 0,1 mm Breite abbilden zu können. Zusätzlich wurde eine zweite Strahlenquelle integriert, die bei kleineren Abmessungen oder weniger anspruchsvollen Materialien noch höhere Auflösungen erlaubt. Die Auslegung wurde als interdisziplinäre Aufgabe begriffen. Es waren Aufgabenstellungen im Bauwesen, die Maschinen-, Röntgen- und Messtechnik, Kalibrierungsverfahren, die mathematische Rekonstruktion der Rohdaten, deren visuelle Aufbereitung und Weiterverarbeitung auf Hochleistungsrechnern sowie eine allgemein zugängliche Bereitstellung von Forschungsergebnissen zu bedenken.

 

 

Projektpartner:

Professor Dr.-Ing. Jürgen Schnell

Professor Dr.-Ing. Manfred Curbach

Professor Dr.-Ing. Josef Hegger

Professorin Dr. Heike Leitte

Professor Dr.-Ing. Harald S. Müller

Professor Dr.-Ing. Ralf Müller

Professor Dr.-Ing. Matthias Pahn

Professor Dr.-Ing. Jörg Seewig

Professor Dr.-Ing. Christos Vrettos

Deutsch-Französisches Doktorandenkolleg

Das Ziel des Graduiertenkollegs besteht in der Entwicklung neuer Verfahren zur Analyse, Modellierung und Simulation komplexer Werkstoffstrukturen anhand von Bilddaten. In der dritten Förderperiode des Graduiertenkollegs 2017-2020 werden dabei folgende Schwerpunkte gesetzt:

Aufnahme und Bearbeitung

    • multimodaler Daten (d.h. Daten, die mittels verschiedener Aufnahmemodalitäten gewonnen werden),
    • multivariater sowie mannigfaltigkeitswertiger Daten (Datenaufnahme mit u.a. Hyperspektralkameras, DT-MRI, Elektron Backscattered Diffusion, catadioptischen Kameras oder Kameras mit Tiefensensor wie Kinect).

    Diese Art von Daten bietet einerseits einen enormen Zugewinn an Information z.B. gegenüber Grauwertbildern, erfordert aber eine weitaus komplexere Analyse und die Entwicklung ganz neuer Modelle unter Einbeziehung breiter mathematischer Kenntnisse. Bei der Analyse stehen schwierige Bildsegmentierungsprobleme im Vordergrund, die mittels Variationsmethoden und/oder morphologischer Verfahren bearbeitet werden sollen.

     

     

    Projektpartner:

    Professorin Dr. Gabriele Steidl

    Dr. Katja Schladitz

    Dr. François Willot

    Dr. Jesús Angulo

    BMBF-Projekt DAnoBI

    Ziel des Forschungsvorhabens ist es, Methoden für die Detektion von Anomalien in großen Bilddaten zu entwickeln. Dabei kann es sich z.B. um Mikrorisse in Betonträgern, Materialverdichtungen in textiler Bahnware oder lokale Faserfehlorientierungen in Bauteilen aus faserverstärktem Kunststoff handeln.

    Dazu sollen Methoden des maschinellen Lernens, Modellierung der Strukturen und der Bildgebung sowie statistische Methoden für die Detektion von Auffälligkeiten kombiniert werden. In allen genannten Fällen variiert die Struktur stark. Es müssen daher Methoden und Maße entwickelt werden, um objektiv, robust und wiederholbar zu entscheiden, was eine Anomalie, d.h. eine signifikante Abweichung, ist. Die zu detektierenden Anomalien treten sowohl im statistischen Sinne als auch räumlich selten auf. Deshalb mangelt es für rein auf machine learning (ML) beruhende Lösungen an Trainingsdaten, deren Annotation zudem sehr schwierig ist. Ein Ausweg ist Training anhand realitätsnaher simulierter Daten, da in diesem Fall ausreichend viele Daten generiert werden können und die Grundwahrheit unmittelbar zur Verfügung steht.

    Ein alternativer Ansatz besteht darin, statistische Methoden zur Strukturbruch-Erkennung in Zeitreihen zur Detektion räumlicher Anomalien zu adaptieren. Aus der räumlichen Komponente der Bilddaten ergeben sich dabei neue Aufgaben, etwa das Erkennen komplex geformter Anomalieregionen, die im Projekt ebenfalls gelöst werden sollen.

    Im Fokus der geplanten Forschungsarbeiten steht die Detektion von Rissen in Betonbauteilen, da diese Fragestellung von großer praktischer Relevanz, aber auch besonders schwierig im methodischen Sinne ist. Es wird erwartet, dass ML und statistische Methoden für die Lösung dieses konkreten Problems auf die oben genannten weiteren Anwendungsfälle übertragbar sind. Modelle für Beton- und Rissstrukturen hingegen sind problemspezifisch, stellen jedoch bereits in dieser thematischen Einschränkung eine große Herausforderung dar.

     

     

    Projektpartner:

    Universität Ulm

    Otto von Guericke-Universität Magdeburg

    Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V.

    BORAPA Ingenieurgesellschaft mbH

    MKT Metall-Kunststoff-Technik GmbH & Co KG

    C-Con GmbH & Co KG

    Dr. Ketterer Ingenieurgesellschaft mbH

    Heinze CobiaxDeutschland GmbH

    Bekaert GmbH

    BMBF-Projekt AMSCHA

    Die Trennung von Zellen in Zellsuspensionen ist z.B. in der Stammzelltherapie und der Diagnose bzw. Therapie von Blutkrebs von Bedeutung. Bisher etablierte Techniken wie Zentrifugation und fluoreszenzbasierte Durchflusszytometrie sind limitiert in ihrem Durchsatz und teilweise mechanisch belastend für die Zellen. Darüber hinaus sind sie nicht über spezifische Liganden in ihrer Selektivität beeinflussbar. Zellchromatographie ist eine vielversprechende Alternative, die es erlaubt, verschiedene Zelltypen in einer Suspension durch einen vergleichsweise schonenden Prozess voneinander zu trennen. Im Rahmen einer Therapie basierend auf Zellchromatographie könnte dem Patienten Blut entnommen und unmittelbar nach der chromatographischen Filterung wieder zugeführt werden.

    Ein wesentlicher Schritt bei der Entwicklung auf Chromatographie basierender Therapien ist die Auswahl geeigneter Filtermedien. Eine experimentelle Untersuchung einer Vielzahl verschiedener poröser Medien im Hinblick auf ihre chromatographische Effizienz ist mit hohem technologischem Aufwand verbunden. Ein virtuelles Design der Filter zur Erzielung einer hohen chromatographischen Effzienz könnte die Entwicklung chromatographischer Filter wesentlich beschleunigen. Ziel dieses Projekts ist daher, durch Kombination von stochastischer Mikrostrukturmodellierung mit Methoden zur Strömungssimulation ein Verständnis für Zusammenhänge zwischen der geometrischen Mikrostruktur eines Filtermediums und seiner chromatographischen Effizienz zu erlangen.

     

     

    Projektpartner:

    Abteilung "Strömungs- und Materialsimulation", Fraunhofer ITWM

    Prof. Dr. Ohser, Hochschule Darmstadt

    Leica Microsystems CMS GmbH

    Merck KGaA

    Abgeschlossene Projekte

    Zum Seitenanfang