Benutzer: Gast  Login
Weniger Felder
Einfache Suche
Originaltitel:
Multi-sensor Data Fusion for Multi- and Hyperspectral Resolution Enhancement Based on Sparse Representations
Übersetzter Titel:
Multi-Sensor-Datenfusion zur Erhöhung der Räumlichen Auflösung Multi- und Hyperspektraler Daten basierend auf dünn-besetzten Darstellungen
Autor:
Grohnfeldt, Claas Hendrik
Jahr:
2017
Dokumenttyp:
Dissertation
Fakultät/School:
Ingenieurfakultät Bau Geo Umwelt
Betreuer:
Zhu, Xiaoxiang (Prof. Dr. habil.)
Gutachter:
Zhu, Xiaoxiang (Prof. Dr. habil.); Bamler, Richard (Prof. Dr. habil.); Yokoya, Naoto (Assistant Prof. Dr.)
Sprache:
en
Fachgebiet:
BAU Bauingenieurwesen, Vermessungswesen; DAT Datenverarbeitung, Informatik; MSR Meßtechnik, Steuerungs- und Regelungstechnik, Automation
TU-Systematik:
BAU 967d; MSR 915d
Kurzfassung:
This thesis presents solutions to two demanding, severely ill-posed multi-sensor data fusion problems, i.e., pan-sharpening and hyperspectral-multispectral data fusion. Incorporation of physical aspects, knowledge about image patches featuring sparse representations of dictionaries, and mutual correlation of spectral channels reduce the number of degrees of freedom. Parallel software solutions are optimized for operation on the SuperMUC. The quality of the data fusion products is assessed and co...     »
Übersetzte Kurzfassung:
Diese Arbeit präsentiert Lösungen zu zwei gefragten, stark unterbestimmten Multi-Sensor-Datenfusionsproblemen, nämlich Pan-Schärfung und Hyper- und Multispektrale Datenfusion. Berücksichtigung physikalischer Aspekte, dünn-besetze Darstellbarkeit von Bildausschnitten in geeigneten Dictionaries und Korrelation zwischen Spektralkanälen reduziert die Anzahl der Freiheitsgrade. Hochparallele Softwareprodukte wurden für die Prozessierung auf dem SuperMUC entwickelt. Die Qualität der Produkte ist für d...     »
WWW:
https://mediatum.ub.tum.de/?id=1366768
Eingereicht am:
29.06.2017
Mündliche Prüfung:
12.09.2017
Dateigröße:
149429730 bytes
Seiten:
201
Volltext / DOI:
doi:10.14459/2017md1366768
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20170912-1366768-1-1
Letzte Änderung:
28.09.2017
 BibTeX