Lern- und Wiederherstellungsalgorithmen für Multi-Sensor Datenfusion und spektrales Entmischen in der Erdbeobachtung

• Antragstellerinnen / Antragsteller: Professor Dr. Massimo Fornasier; Professor Dr. Gerhard Kramer; Professorin Dr.-Ing. Xiaoxiang Zhu
• Fachliche Zuordnung: Elektronische Halbleiter, Bauelemente und Schaltungen, Integrierte Systeme, Sensorik, Theoretische Elektrotechnik ; Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing ; Mathematik
• Förderung: Förderung von 2015 bis 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 273264444

Dieses Projekt befasst sich mit dem maschinellen Lernen und den Wiederherstellungsalgorithmen für die Multi-Sensor Datenfusion und spektrale Entmischungs-Signalverarbeitung bei der Erdbeobachtung. Die Satellitensignale werden so modelliert, dass sie durch verteiltes und nichtlineares Compressed-Sensing codiert werden, wobei die Nichtlinearitäten durch Quantisierung und/oder datenabhängige Messmatrizen entstehen. Die Daten werden von Instrumenten des Deutschen Zentrums für Luft- und Raumfahrt (DLR) bezogen.

• DFG-Verfahren: Schwerpunktprogramme
• Teilprojekt zu: SPP 1798: Compressed Sensing in der Informationsverarbeitung