DAAD: Projekt OSCAR

Das Projekt beschäftigt sich mit PDE- und datengetriebenen Rekonstruktionen in der Medizin. Dazu sollen aus medizinischen Daten und der Fluid-Struktur-Interaktion Blutgefäße und Gehirnstrukturen in 3D rekonstruiert werden.

Projekt- und assoziierte Partner: Axel Kröner, Johannes Haubner, Bastian Zapf, Lukas BaumgärtnerSimon Funke

Registration eines Gehirns
Gehirn-Registration aus der Rekonstruktion des optischen Flusses zwischen zwei 3D Scans.

DFG-SPP 1962, Phase 2: Ein Kalkül für nicht-glatte Formoptimierung mit Anwendungen auf geometrische inverse Probleme

In der zweiten Phase betrachten wir dagegen zunächst Funktionale, die zur Geometrie-Segmentierung, also der Einteilung einer Oberfläche nach bestimmten Merkmalen dienen. Über diese Funktionale kann dann bei geometrischen inversen Problemen beispielsweise auch eine Präferenz für bestimmte Ausrichtungen der Oberflächensegmente ausgedrückt werden. Dadurch gelingt es, Expertenwissen etwa im Bereich der Kristallographie, Geologie und Werkstoffkunde in das Problem einzubringen. Desweiteren betrachten wir Funktionale, die auf der verallgemeinerten Totalvariation zweiter Ordnung der Oberflächennormale basieren. Dadurch kann eine Präferenz für bestimmte Krümmungseigenschaften der Oberfläche ausgedrückt werden.

Projekt-Partner: Roland Herzog
Projekt-Mitarbeiter: Lukas Baumgärtner

TVG-Denoising in 3D
TGV-Denoising in 3D auf einer gescannten Blume.

Math+ Projekt: AA2-7

Ziel des Projektes ist eine Verbesserung des Lehrprozesses und der Netztopologie dünnbesetzter neuronaler Netze. Um Nicht-Glattheiten zu berücksichtigen sollen ADMM- und Polyeder-Techniken miteinander kombiniert werden. Die Tiefe des Netzes wird über Zeitschritt-Techniken gesteuert. Neue Anwendungen liegen in den Materialwissenschaften, insbesondere dem Design von Solarzellen.

Projekt-Partner: Andrea Walther
Projekt-Mitarbeiter: Franz Bethke
Homepage des Projektes an der Humboldt Universität zu Berlin


DFG-SPP 1962, Phase 1: Ein Kalkül für nicht-glatte Formoptimierung mit Anwendungen auf geometrische inverse Probleme

Ziel des Projekts ist ein mathematisch rigoroser Ansatz zur nicht-glatten Formoptimierung. Typische Anwendungsfelder dafür sind geometrische inverse Probleme, die oft auf partiellen Differentialgleichungen basieren. Anwendungsfelder, die hiervon stark profitieren können, umfassen beispielsweise Aufgaben der Oberflächenglättung mit Kantenerhaltung und die Detektion von nicht-glatten Einschlüssen mittels nicht-invasiver Sensorik und Tomographie.

Zu diesem Zweck werden wir neue Geometriefunktionale einführen, die eine detaillierte Kontrolle über die nicht-glatten Eigenschaften der gewünschten Formen ermöglichen. Als Beispiel erwähnen wir die totale Oberflächenvariation des Normalenvektorfeldes. Dazu erweitern wir das Konzept der Totalvariations-Seminorm auf nicht-glatte Funktionen und geometrische Größen auf nicht-glatten Oberflächen. Dieser neuartige Zugang erlaubt auch die Kontrolle anisotroper Eigenschaften in den bevorzugten Formen.

Neben den theoretischen Betrachtungen werden wir uns auf konsistente numerische Realisierungen konzentrieren. Angesichts der Tatsache, dass jede triangulierte Oberfläche im Prinzip nicht-glatt ist, erwarten wir deutliche Verbesserungen auch in Bezug auf den derzeitigen Forschungsstand im Bereich der numerischen Formoptimierung. Beispielsweise werden wir der Frage der besten Krümmungsapproximation, die konsistent mit der tangentialen Stokes-Formel ist, nachgehen.

Um die Anwendbarkeit unseres neuen Ansatzes zu verdeutlichen, werden wir eine Reihe typischer Anwendungen steigender Komplexität behandeln: Oberflächenglättung, inverse Hindernisprobleme, Aufgaben in der elektrischen Impedanztomographie sowie inverse elektromagnetische Streuprobleme mit Maxwell-Gleichungen.

Projekt-Partner: Roland Herzog
Projekt-Mitarbeiter: Marc Herrmann

3D Tomographie mit TV-Regularisierung
TV-Regularisiertes Tomographie-Problem: Startgeometrie und Rekonstruktion eines Würfels, einmal ohne Rauschen und einmal aus verrauschten Daten.

DFG-SPP 1962, Phase 1: Shape Optimierung für Maxwell Gleichungen unter Berücksichtigung von Hysterese Effekten in den Materialgesetzen

Dieses Projekt verfolgt zwei Ziele: Zum einen sollen die analytischen Grundlagen zur Optimierung von geometrisch inversen Problemen mit explizit aufgelösten Rändern unter hyperbolischen Gleichungen mit Hysterese Effekten gelegt werden. Die resultierende Darstellung der Formableitung von (quasi) variationellen Ungleichungen schließt Projektionsoperatoren ein, die zu stückweise linearen Ausdrücken führen. Motiviert von diesen intrinsischen Nicht-Glattheiten soll zum anderen ein entsprechender Ansatz zur Optimierung derartiger Probleme in passenden Funktionsräumen zur Verfügung gestellt und analysiert werden. Als Basis dient dazu zunächst der global konvengierende Optimierungsalgorithmus LiPsMin, welcher maßgeschneidert ist zur Minimierung von Lipschitz-stetigen und stückweise glatten Funktionen. Dieser wird hier zum Verfahren auf die Optimierung in Funktionenräumen erweitert.

Projekt-Partner: Andrea Walther