In diesem Projekt werden Strategien zum Sparse Sampling, auch Compressed Sensing genannt, entwickelt, die den Durchsatz von Bildverarbeitungsplattformen für 3D-Rasterelektronenmikroskopaufnahmen erhöhen sollen, bei gleichzeitiger Verringerung der benötigten Elektronendosis. Dies ist speziell interessant im Bereich der Lebenswissenschaften. Es werden Lösungen untersucht, die auf Wissen aus vorherigen Bildern aufbauen und Compressed-Sensing-Algorithmen, die die Gesamtzahl der Samples verringern, die gebraucht werden, um einen hochauflösenden 3D-Datensatz zu rekonstruieren. Hierdurch kann die eingesetzte Elektronendosis effektiver eingesetzt werden als im Vergleich mit Verfahren, die auf uniformen Gittern aufbauen.
Projekt | IBAS-STEM
Laufzeit: