Projekte

OpenCV ist eine offene Softwarebibliothek für Computer Vision und Bildverarbeitung. Im Projekt soll eine bestehende mathematische Methode der Bildverarbeitung (z.B. Bildsegmentierung) für OpenCV umgesetzt werden. Das Projekt setzt Grundkenntnisse in C++ voraus.

Kontakt: Prof. Dr. Storath

Für die numerische Berechnung von Integralen nicht-ganzzahliger Ordnung gibt es eine Reihe von klassischen und gut verstandenen Ansätzen, die jedoch den Nachteil eines relativ hohen Rechenaufwands haben. Um dieses Problem zu umgehen, wurden Varianten vorgeschlagen, die diesen Rechenaufwand erheblich reduzieren. Allerdings ist nicht ganz klar, wie sich die Modifikationen der Methoden auf die Ergebnisgenauigkeit auswirken. Außerdem gibt es komplett neuartige Algorithmen, die auf vollständig anderen Konstruktionsprinzipien beruhen als die klassischen. Auch hier ist unklar, wie die Genauigkeit der Näherungslösungen von den Parametern der Algorithmen abhängt. In diesem Projekt sollen einige ausgewählte Algorithmen der verschiedenen Typen implementiert und mit Hilfe von geeigneten Testbeispielen genauer untersucht und miteinander verglichen werden.

Kontakt: Prof. Dr. Diethelm

Ein wesentlicher Prozessschritt im Karosseriebau der Fahrzeugindustrie ist das Tiefziehen von Blechteilen. Hierbei werden geeignet geformte Blechstücke (sog. Platinen) aus einem sehr langen ebenen Blechband, dem sog. Coil, ausgeschnitten und unter Einwirkung von Zug- und Druckkräften in einer Presse in die gewünschte gekrümmte Form gebracht. Dieses Projekt betrachtet den Teilprozess des Ausschneidens der Platine aus dem Coil. Untersucht werden soll, wie die auszuschneidenden Stücke so auf dem Coil angeordnet werden können, dass das Material möglichst gut ausgenutzt wird und wenig Verschnitt entsteht.

Kontakt: Prof. Dr. Diethelm

Compressed Sensing ist ein Verfahren zur Rekonstruktion dünnbesetzter Signale durch Lösung unterbestimmter linearer Gleichungssysteme mithilfe von Methoden aus der Optimierung. Aufgrund der zahlreichen Anwendungsgebiete überall dort, wo man Zeit bei der Aufnahme von Daten einsparen möchte, erfreut sich Compressed Sensing stark wachsender Beliebtheit. Beispielsweise soll Compressed Sensing eine höhere Antennen-Drehgeschwindigkeit bei Wetterradarsystemen ermöglichen, ohne dass die Datenqualität stark darunter leidet.

In diesem Projekt sollen die Grundzüge von Compressed Sensing erlernt werden und mögliche Anwendungen auf die Radarsignalverarbeitung wie Rauschunterdrückung oder Pulskompression durch Implementierung eines Lösungsverfahrens untersucht werden.

Kontakt: Prof. Dr. Bodewig

Partitionieren von Bildern, d.h. Aufteilen in kleinere zusammenhängende Bereiche, ist ein häufig vorkommender Arbeitsschritt bei der Bildverarbeitung und Bilderkennung. Verfahren zum Finden von optimalen Partitionen führen allerdings häufig auf rechenintensive Optimierungsprobleme (sog. NP-schwere Probleme). Die Aufgabe im Projekt ist es, die Rechenzeit mittels Deep Learning zu verkürzen.
Dazu entwerfen und trainieren Sie ein mehrschichtiges neuronales Netz (deep neural network),
das die Ergebnisse der rechenintensiven Verfahren sinnvoll annähert.
(Das Projekt kann von einem oder von zwei Studierenden bearbeitet werden.)

Kontakt: Prof. Dr. Storath