Projekt

IBAS-STEM

Image-Based Adaptive Sampling for SEM and STEM Imaging

  • Laufzeit:

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 teilen auf:

Ansprechpartner
Prof. Dr.-Ing. Philipp Slusallek
Prof. Dr.-Ing. Philipp Slusallek

Keyfacts

Publikationen zum Projekt

Tim Dahmen, Michael Engstler, Christoph Pauly, Patrick Trampert, Nils de Jonge, Frank Mücklich, Philipp Slusallek

In: 12th European Congress for Stereology and Image Analysis 2017. European Congress for Stereology and Image Analysis (ECSIA-17) 12th September 11-14 Kaiserslautern Germany ISSIA 2017.

Zur Publikation

Deutsches Forschungszentrum für Künstliche Intelligenz
German Research Center for Artificial Intelligence