Variationsbasierte Merkmalsextraktion in der Wissenschaftlichen Visualisierung

• Antragsteller: Professor Dr.-Ing. Tobias Günther
• Fachliche Zuordnung: Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing
• Förderung: Förderung seit 2025
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 557324483

Die wissenschaftliche Visualisierung befasst sich mit der Entwicklung allgemeiner Algorithmen für die Analyse großer räumlicher Datensätze, die in verschiedenen wissenschaftlichen Disziplinen wie der Meteorologie oder der Strömungsdynamik anfallen. Ein gängiger Ansatz besteht darin, die Informationsmenge zu reduzieren, indem man sich auf sogenannte Merkmale konzentriert. In der Praxis erfordert die Extraktion von Merkmalen jedoch häufig eine Vorverarbeitung, wie z.B. die Optimierung des Bezugssystems, oder eine Nachverarbeitung, wie z.B. Glättung, Zusammenfügung, oder iterative Verfeinerung. Um die Reproduzierbarkeit und die Robustheit zu verbessern, sollten solche Vorgänge in der Merkmalsdefinition selbst modelliert werden. Aus diesem Grund führen wir unsere Arbeit zur Entwicklung eines variationsbasierten Ansatzes zur Merkmalsextraktion fort, der vielseitig und flexibel einsetzbar ist und die Kombination gängiger und neuer Merkmalsdefinitionen mit anwendungsunabhängigen Regularisierern ermöglicht. Wir modellieren die Lösung der vorgeschlagenen Variationsminimierung sowohl explizit als auch implizit, was unterschiedliche numerische Ansätze erfordert und unterschiedliche Implikationen hinsichtlich der Behandlung von topologischen Änderungen und der Abhängigkeit von der Initialisierung hat. Wir wenden die Ansätze in verschiedenen Anwendungsbereichen an, u.a. in der Meteorologie und der Strömungsdynamik, um die inhärenten Vorteile und Grenzen der verschiedenen Merkmalsdarstellungen zu verstehen. Das Projekt gliedert sich in drei Schritte. Zunächst tauchen wir tiefer in explizite Merkmalsrepräsentationen ein, indem wir alternative Merkmalsdefinitionen untersuchen, die numerischen Extraktionsverfahren verbessern, und die Verfahren in der Meteorologie anwenden. Zweitens untersuchen wir implizite Merkmalsrepräsentationen, bei denen Merkmale als Isokonturen in einem unbekannten Skalarfeld auftreten. Drittens erweitern wir den Variationsansatz, indem wir nicht nur das Merkmal, sondern auch das Feld, aus dem die Merkmale extrahiert werden, gleichzeitig optimieren. Dieses Projekt hat das Potenzial, eine Vielzahl von Folgeforschungen zu Merkmalsdefinitionen, Regularisierungen, Merkmalsdarstellungen, numerischen Extraktionsalgorithmen und neuen Anwendungen anzustoßen. Ziel dieses Projekts ist es, einen Paradigmenwechsel bei der Definition, Extraktion und Analyse von Merkmalen herbeizuführen, damit Wissenschaftler aus Bereichen wie der Meteorologie und Strömungsdynamik neue, detaillierte und aufschlussreiche Einblicke in ihre umfangreichen Daten erhalten können.

• DFG-Verfahren: Sachbeihilfen