Konvexe Programmierung für die kontextabhängige Klassifikation von Multispektralbildern

• Antragsteller: Professor Dr. Christoph Schnörr
• Fachliche Zuordnung: Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing
• Förderung: Förderung von 2001 bis 2005
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 5307136

Eine grundlegende Aufgabe der digitalen Bildverarbeitung ist die Bildklassifikation, d.h. die Abbildung gegebener Grau-, Farb-, Spektral- oder Texturwerte eines Bildes auf einen Endlichen Wertebereich. Der traditionelle Ansatz zur Bildklassifikation besteht in der Kombination lokaler Klassifikatoren der statistischen Mustererkennung mit einer globalen Modellierung des räumlichen Kontextes und anwendungsspezifischer Nebendingungen. Dies führt auf globale Gütekriterien, deren Optimierung - d.h. die numerische Berechnung der Klassifikation - inhärent kombinatorischer Natur ist. In dem Projekt soll systematisch erforscht werden, inwieweit mit konvexen Approximationen solcher Gütekriterien effizient und hinreichend suboptimale Lösungen des Bildklassifikationsproblems berechnet werden können. Dadurch sollen entscheidende Erkenntnisse gewonnen werden über die Anwendbarkeit fundierter Optimierungsalgorithmen der konvexen Programmierung als Alternative zu bisher verwendeten Optimierungsstrategien. Die Forschungsergebnisse sollen anhand der Klassifikation multispektraler Satellitenbilddaten als Komponente des Geoökologischen Informationssystems GÖKIS für die Insel Teneriffa erprobt werden.

• DFG-Verfahren: Sachbeihilfen