Computergestützte Kartierung von Hyper- und Multispektraldaten

• Antragsteller: Professor Dr.-Ing. Gernot A. Fink; Professor Dr. Christian Wöhler
• Fachliche Zuordnung: Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing
• Förderung: Förderung von 2015 bis 2020
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 269661170

Die Kartierung von Planetenoberflächen anhand von Multi- und Hyperspekraldaten ist eine wichtige Anwendung in der Planetologie. Die Aufnahme des von Planetenoberflächen reflektierten Lichts in vielen verschiedenen Wellenlängen ermöglicht eine Analyse der geologischen und physikalischen Oberflächeneigenschaften. Dies erlaubt zum Beispiel Rückschlüsse auf das Vorhandensein bestimmter Minerale oder auch die Erkundung extraterrestrischer Planeten für zukünftige Raummissionen. Zu diesem Zweck existieren große Datenbanken mit Hyper- und Multispektralbildern der Planetenoberflächen, die größtenteils manuell von Experten exploriert werden. Ziel des Projekts ist es, diese Analyse durch automatische Verfahren des maschinellen Lernens zu unterstützen. Eine große Herausforderung ist dabei, dass keine annotierten Datensätze existieren, die sich direkt zum Training dieser automatischen Klassifikationssyteme eignen würden. Lösungsansätze bestehen daher in aktiven Lernverfahren. Die Daten werden dazu zunächst vollautomatisch strukturiert. Auf dieser Grundlage werden dann einzelne Annotationen für besonders prototypische Strukturen durch das System angefragt und auf unbekannte Bildregionen propagiert. Die Kartierung kann so sukzessive durch ein tiefes neuronales Netz gelernt werden. Der Experte wird dadurch von Anfang an bei der Exploration eines Datensatzes unterstützt. Ein Schwerpunkt dieses Projekts ist die Modellierung von Unsicherheiten in den automatischen Entscheidungen. Auf diese Weise wird der Lernfortschritt des Systems für den Experten transparent, und die Interpretierbarkeit der Ergebnisse wird verbessert. Ein weiterer Schwerpunkt liegt in der Art der Beschreibung der Bildregionen. Da für eine Kartierung die Zuweisung einer Region zu einer einzelnen Klasse ungeeignet ist, sollen Regionen durch ihre Eigenschaften beschrieben werden. Diese Repräsentation durch eine Menge von sogenannten Attributen erlaubt es, Klassen von Regionen zu erkennen, für die keine annotierten Trainingsbeispiele vorhanden waren. Neben einer quantitativen Evaluierung auf Multi- und Hyperspektralbildern werden auch Benchmarks für das maschinelle Sehen in Bildern natürlicher Szenen betrachtet. Eine qualitative Evaluierung erfolgt in Zusammenarbeit mit einem Planetologen, der die Unterstützung durch die automatischen Verfahren bewertet.

• DFG-Verfahren: Sachbeihilfen