Onderzoek Paul Scheunders

Abstract

Het hoofddoel van dit project is het ontwikkelen van een nieuwe data-analysebenadering voor kwantitatieve materiaalkarakterisering op basis van spectrale reflectie. Indien succesvol, zal de voorgestelde aanpak een nauwkeurige schatting van materiaaleigenschappen mogelijk maken, op een niet-destructieve en contactloze manier, in tegenstelling tot veel bestaande laboratorium gebaseerde meettechnieken. Bovendien is het in-situ inzetbaar, voor inspectie op grote infrastructuren of kwaliteitscontrole in de productie. De voorgestelde aanpak combineert een geometrische beschrijving waarin materiaaleigenschappen worden weergegeven op krommen of laag-dimensionale oppervlakken, en machinaal leren om deze representaties te relateren aan werkelijke schattingen van materiaaleigenschappen. De representatie wordt invariant gemaakt voor spectrale variabiliteit, om de methode toepasbaar te maken onder variabele omgevings- en acquisitieomstandigheden en in cross-sensorsituaties. De voorgestelde methodologie zal worden ontwikkeld voor een grote groep materiaalkarakteriseringstaken. Meer specifiek worden methoden ontwikkeld voor het schatten van de materiaalsamenstelling (d.w.z. de massafracties van de materiaalcomponenten), de detectie van doelmateriaal componenten en de schatting van het watergehalte. Verder zullen 3 use cases van de ontwikkelde methodieken worden uitgewerkt, gerelateerd aan corrosiemonitoring en karakterisering van bouwmaterialen.

Onderzoeker(s)

• Promotor: Scheunders Paul
• Mandaathouder: Bnoulkacem Zakaria

Onderzoeksgroep(en)

• Visielab

Project type(s)

• Onderzoeksproject

Abstract

Een materiaal kan uniek worden gekenmerkt door zijn optische reflectiespectrum. Hyperspectrale camera's verspreiden het gereflecteerde zonlicht in honderden opeenvolgende kleine golflengtebanden in het zichtbare en nabije infrarood (VNIR, 400-1000 nm) en het kortegolf infrarood (SWIR, 1000-2500 nm) gebied. Het hoofddoel van dit project is het ontwikkelen van geavanceerde innovatieve spectraalanalysemethoden die optische reflectie relateren aan materiaaleigenschappen. Ik zal me concentreren op 3 specifieke materiaaleigenschappen, waarvoor een raamwerk zal worden ontwikkeld, gevalideerd en toegepast op een specifieke case studies: 1. Schatting van de minerale samenstelling, met een case study in geologische mijnbouw. 2. biochemische parameterschatting van plantenbladeren, met een case study in meerschalig bosecologisch functioneren 3. schatting van het watergehalte, met een case study naar effecten van klimaatverandering op gebouwd erfgoed

Onderzoeker(s)

• Promotor: Scheunders Paul
• Mandaathouder: Koirala Bikram

Onderzoeksgroep(en)

• Visielab

Project type(s)

• Onderzoeksproject

Abstract

Met de technologische vooruitgang komen er kleine, goedkope multispectrale en hyperspectrale camera's beschikbaar die het licht vastleggen in honderden opeenvolgende kleine golflengtebanden in het zichtbare en nabij-infrarood (VNIR, 400-1000 nm) en het kortegolf-infrarood (SWIR, 1000 -2500 nm). Deze camera's kunnen worden geïnstalleerd op drones, landbouwmachines of transportbanden, of worden gebruikt in laboratoriumomgevingen en zelfs manueel worden bediend. Er zijn tal van toepassingen denkbaar voor industriële inspectie en kwaliteitscontrole. Omdat water een zeer sterk absorptievermogen heeft, met name in het SWIR-bereik (bv. absorptiepieken rond 1400 en 1900 nm), worden de optische reflectie-eigenschappen van waterhoudende materialen gedomineerd door water. Dit kan nadelig zijn bij het karakteriseren van materialen, omdat de reflectie-eigenschappen van het materiaal grotendeels verborgen blijven vanwege de waterabsorptie. Aan de andere kant biedt dit mogelijkheden om te focussen op watergerelateerde eigenschappen van een materiaal, bijvoorbeeld het watergehalte, of specifieke materiaalparameters die gerelateerd kunnen worden aan het watergehalte, bijvoorbeeld bladfysiologische parameters zoals de Equivalent Water Thickness. Het doel van dit project is het bestuderen van de karakterisering van waterhoudende materialen uit optische reflectiebeelden en het schatten en ruimtelijk oplossen van het watergehalte en andere relevante watergerelateerde materiaalparameters. De belangrijkste nieuwigheid en uitdaging is de ontwikkeling van een hyperspectraal beeldanalysekader dat • invariant is voor omgevings- en acquisitievoorwaarden, • generiek toepasbaar is op een grote groep materialen. Deze verbeteringen zullen het mogelijk maken om op te schalen van puntgebaseerde laboratoriumtoepassingen op benchmarkgegevenssets naar ruimtelijk opgeloste real-world in situ-toepassingen. Het ontwikkelde raamwerk zal worden gevalideerd op twee specifieke use-cases: schatting van het vochtgehalte in de bodem en schatting van bladparameters.

Onderzoeker(s)

• Promotor: Scheunders Paul
• Mandaathouder: Jambhali Ketaki Vinay

Onderzoeksgroep(en)

• Visielab

Project type(s)

• Onderzoeksproject

Abstract

De Europese Green Deal steunt op gezonde bossen om koolstof (C) uit de atmosfeer te halen, watercycli te stabiliseren en voldoende biomassa te leveren voor de toekomstige bio-economie. Het Flanders Forest Living Lab realiseert een doorbraak in de studie van deze ecosysteemfuncties, op ruimtelijke schalen gaande van de individuele boom tot het volledige bos. Het bevindt zich in een ICOS flux-toren observatorium, dat momenteel reeds een permanente analyse toelaat van de CO2-fluxen, evapotranspiratie en respiratie op ecosysteemschaal. Tot op heden is er echter geen techniek beschikbaar om dit naar het functioneren van individuele bomen te vertalen. De specifieke uitrusting van Flanders Forest Living Lab maakt en realistische simulatie mogelijk van de water-, energie- en koolstoffluxen door geavanceerde vegetatiemodellen op ruimtelijke schalen die overeenkomen met die van satellietbeeldproducten. Hierdoor ontstaan nieuwe mogelijkheden voor toepassingen zoals geautomatiseerd precisiebosbeheer, brandpreventie en de wereldwijde kwantificering van het koolstofbudget. De infrastructuur bestaat uit een UAV en een reeks gekoppelde validatiesensoren. De waarnemingen worden gestuurd door kunstmatige intelligentie, om het vluchtpatroon te kunnen aanpassen aan het fluctuerende brongebied van de flux-toren, en om proactief in te spelen op specifieke weerpatronen en potentieel interessante grond-sensorwaarnemingen.

Onderzoeker(s)

• Promotor: Janssens Ivan
• Co-promotor: Campioli Matteo
• Co-promotor: Gielen Bert
• Co-promotor: Latré Steven
• Co-promotor: Nijs Ivan
• Co-promotor: Roland Marilyn
• Co-promotor: Scheunders Paul
• Co-promotor: Vicca Sara

Onderzoeksgroep(en)

• Planten- en Ecosystemen (PLECO) - Ecologie in tijden van verandering

Project type(s)

• Onderzoeksproject

Abstract

CLIMPACTH richt zich op het beschermen van ons gebouwd erfgoed in de context van klimaatverandering door het combineren van state-of-the-art expertise op het gebied van materiaalkarakterisering, degradatieprocessen, hygrothermische modellering, klimaatmodellering en gebouwd erfgoed. Ons gebouwd erfgoed is een verzameling van onschatbare waarde en is van uitzonderlijk cultureel, sociaal en economisch belang. Tegelijkertijd is het ook kwetsbaar en kwetsbaar vanwege de langdurige blootstelling aan het milieu. Daarom vereist het duurzaam beheer van ons gebouwd erfgoed de implementatie van acties om de kwetsbaarheid ervan te verminderen en de weerbaarheid tegen de risico's van klimaatverandering te vergroten. Bovendien, nu de publieke en private sector worden gedwongen om te investeren in bijna-energieneutrale gebouwen om economische, ecologische en klimaatactieredenen, neemt de druk op ons gebouwd erfgoed om hetzelfde pad te volgen toe, wat een extra bedreiging vormt voor zijn historische en culturele waarden. Zorgen voor ons gebouwd erfgoed betekent ook zorgen voor de collecties die erin worden bewaard, aangezien historische huizen, musea en kerken zich vaak binnen het gebouwde erfgoed bevinden. Op internationaal niveau hebben de door de EU gefinancierde projecten NOAH's ARK (2004-2007) en Climate for Culture (2009-2014) de eerste monumentale stappen gezet om de directe en indirecte effecten van klimaatverandering op gebouwd erfgoed op Europees niveau te bestuderen. Daarnaast heeft de International Council on Monuments and Sites (ICOMOS) onlangs een werkgroep over klimaatverandering en erfgoed opgericht om het snijvlak tussen cultureel erfgoed en klimaatverandering uitgebreid te onderzoeken, waarbij zowel de sterke punten als de uitdagingen in dit verband worden geïdentificeerd. CLIMPACTH zal voortbouwen op deze onderzoeksinitiatieven op internationaal niveau en de samenwerking met onderzoeksinitiatieven op nationaal niveau maximaliseren om tegemoet te komen aan de behoeften om een ​​globale beheerstrategie aan te nemen volgens de preventieve instandhoudingsbenadering. De processen die aan deze risicofactoren ten grondslag liggen, kunnen worden opgevat als materiaaldegradatie als reactie op hun constante blootstelling aan verschillende klimaatfactoren. Naast deze onderzoeksinitiatieven is het absoluut noodzakelijk om onze kennis van de karakterisering van historische materialen en verwachte klimatologische parameters te vergroten om de risicobeoordeling in een algemene beheerstrategie aan te pakken. De eerstgenoemde zal worden beoordeeld door middel van diepgaand onderzoek naar materiaalkenmerken en degradatieprocessen, en on-site beoordeling en monitoring van de condities van de gebouwschil. Dit zal ons in staat stellen om de gebouwde erfgoedenveloppen en hun toestand voor hygrothermische modellering volledig te generaliseren. Dit laatste kan worden beoordeeld door de evolutie van klimaatfactoren onder klimaatveranderingsomstandigheden en hun onzekerheid te schatten met behulp van een ensemble van klimaatprojecties op mondiale, regionale en stedelijke schaal. Dit stelt ons in staat om de onzekerheden in klimaatprojectie te verspreiden naar de schaal van erfgoedgebouwen met behulp van speciale bias-correctiemethoden. Het zal ons ook in staat stellen om een ​​geïntegreerde beoordeling van de degradatie van risico's onder klimaatveranderingsomstandigheden uit te voeren. Door de specifieke omstandigheden van gebouwd erfgoed en de blootstelling ervan aan het buitenklimaat te onderzoeken, zullen risicofactoren opnieuw worden beoordeeld en zullen beoordelingsstrategieën worden ontwikkeld, waarbij rekening wordt gehouden met de impact van het exterieure op het interieure en waarbij prioriteit wordt gegeven aan de belangrijkste bedreigingen.

Onderzoeker(s)

• Promotor: Scheunders Paul

Onderzoeksgroep(en)

• Visielab

Project type(s)

• Onderzoeksproject

Abstract

Een veelgebruikte niet-destructieve methode voor materiaalinspectie is computervisie met RGB camera's en bijbehorende beeldanalyse. Dit laat toe om ruimtelijke inhomogeniteiten in de materialen weer te geven. Computervisie is echter beperkt tot het visuele gedeelte van het elektromagnetische spectrum (400-700 nm), terwijl veel van de chemische processen en mineraalvormingen in materialen specifieke reflectantie-eigenschappen bezitten in het nabije infrarood (NIR, 700-1000 nm) en het kortegolf infrarood (SWIR, 1000-2500 nm). Spectrometers daarentegen zijn in staat om deze eigenschappen weer te geven in de spectrale richting, maar verschaffen enkel punt-gebaseerde metingen. De wetenschappelijke hoofddoelstelling van dit project is het aanboren en verhogen van het potentieel van hyperspectrale beeldvorming in het NIR and SWIR gebied voor de karakterisering van heterogene gemengde en samengestelde materialen. Hiervoor zullen we hyperspectrale beeldanalyse technieken ontwikkelen met een stijgend niveau van complexiteit, gaande van spectrale indices die karakteristiek zijn voor bepaalde mineralen en materiaalcomponenten, over methodes gebaseerd op spectrale bibliotheken tot gesuperviseerde spectrale ontmengingstechnieken. We zullen de ontwikkelde technieken valideren op data van zelfgemaakte mengsels (mineraalmengsels, zand, poederklei en mortel), en toepassen op 2 echte casussen, i.e. detectie van mineralen en detectie van corrosie.

Onderzoeker(s)

• Promotor: Scheunders Paul

Onderzoeksgroep(en)

• Visielab

Project type(s)

• Onderzoeksproject

Abstract

Q-INSPEX richt zich op de ontwikkeling van nieuwe niet-invasieve beeldvormings- en beeldverwerkingsprotocollen om objecten en proefpersonen kwantitatief te inspecteren. De belangrijkste beeldvormingstechnologieën hierin zijn röntgen-, (nabij)infrarood en TeraHertz beeldvorming. Deze technologieën zijn grotendeels complementair aan elkaar en kunnen ingezet worden als (i) een R&D tool om specifieke karakteristieken van materialen (eetwaren, verf, polymeren,...) te meten, (ii) als een kwaliteitscontroleprocedure, geïmplementeerd in een industriële omgeving (bv. compatibel met verwerkingssnelheden) of (iii) inspecties in het veld van gewassen en infrastructuur (bv. corrosie). Bovendien kunnen ze worden toegepast in een breed scala van domeinen: productie van additieven, composieten, kunstvoorwerpen, archeologie, textiel, gewassen, voeding, enz.

Onderzoeker(s)

• Promotor: Sijbers Jan
• Co-promotor: De Beenhouwer Jan
• Co-promotor: Janssens Koen
• Co-promotor: Scheunders Paul
• Co-promotor: Steenackers Gunther
• Co-promotor: Van der Snickt Geert
• Mandaathouder: De Samber Björn
• Mandaathouder: Levrau Elisabeth

Onderzoeksgroep(en)

• Visielab

Project type(s)

• Onderzoeksproject

Abstract

De haven van Antwerpen-Brugge is op zoek naar oplossingen voor een nauwkeurige en snelle detectie van olie-incidenten in het havengebied. De haven wordt regelmatig vervuild door olie, wat ernstige gevolgen heeft voor het milieu en de economie. Tot de economische gevolgen behoren de kosten voor het opruimen van de olie, die gerelateerd zijn aan de omvang, het volume, het type product en de locatie. Deze kosten variëren van jaar tot jaar, maar gemiddeld gaat het om een budget van 700.000 tot een miljoen euro per jaar. De haven is op zoek naar oplossingen voor vroegtijdige detectie van de lozingen en voor de follow-up van de lozing tijdens het schoonmaken. Drones worden gezien als het ideale platform en maken deel uit van de toekomstige digitaliseringsstrategie van de haven. Drone-inspecties operationeel maken in 2021 is de prioriteit van het Havenbedrijf Antwerpen-Brugge. Voor dit voorstel heeft de haven twee partners in België aangewezen, VITO en de Universiteit Antwerpen, die over de nodige expertise beschikken om een passende oplossing te ontwikkelen. De doelstellingen van dit project zijn (1) het ontwikkelen van een prototype workflow om olielekkages op te sporen vanuit een drone en (2) het demonstreren van de technologie in de haven van Antwerpen-Brugge. Het Havenbedrijf Antwerpen-Brugge zal in het derde kwartaal van 2021 een aanbesteding uitschrijven om een bedrijf te selecteren dat drone-inspecties in het havengebied zal verzorgen. Geautomatiseerde oliedetectie is een onderdeel van het inspectieprogramma. Daarom is het voor het Havenbedrijf Antwerpen-Brugge erg belangrijk om deze technologie te helpen ontwikkelen en naar een hoger TRL-niveau te brengen. Het Gemeentelijk Havenbedrijf Antwerpen cofinanciert mee door zijn infrastructuur open te stellen, een kunstmatige spill te introduceren en continu feedback te geven over de resultaten. Het resultaat zal een prototype workflow zijn om olievlekken te detecteren uit dronebeelden op TRL 5-6, vergezeld van een protocol voor de camera-instellingen en het vluchtprotocol. De innovatie in dit voorstel houdt verband met de uitdagende toepassing van de technologie in een complexe en ruwe havenomgeving en het gecombineerde gebruik van SWIR- en RGB-beelden.

Onderzoeker(s)

• Promotor: Vanlanduit Steve
• Co-promotor: Scheunders Paul

Onderzoeksgroep(en)

• InViLab

Project type(s)

• Onderzoeksproject

Abstract

Olielozingen in havens vormen een direct risico voor het milieu en het zeeleven, samen met operationele risico's (varen doorheen de lozingen, vervuilen van schepen, brandrisico) en hoge kosten voor de haven zelf. Dit project streeft naar een automatische detectie, bepaling van de ernst, en centralisatie van de communicatie op basis van geavanceerde LWIR (langegolf infrarood) en multispectrale SWIR (kortegolf infrarood) beeldvorming via drones. Automatisering bespaart tijd, kosten en creëert een veiligere en schonere havenomgeving.

Onderzoeker(s)

• Promotor: Vanlanduit Steve
• Co-promotor: Scheunders Paul

Onderzoeksgroep(en)

• InViLab

Project type(s)

• Onderzoeksproject

Abstract

De algemene doelstelling van het project is de technische haalbaarheid en economische meerwaarde aantonen van het gebruik van hyperspectrale camera's voor corrosie-inspectie en kwaliteitscontrole van corrosieoplossingen (corrosiereiniging, natte en droge coatings en chemische oppervlaktebehandelingen). Het project richt zich op de volledige corrosiewaardeketen. Enerzijds zijn dit eigenaars van infrastructuur (petrochemie, haven, energie), een groep van een 100-tal voornamelijk grote Vlaamse bedrijven, en anderzijds bedrijven die diensten voor bescherming tegen corrosie aanbieden (ongeveer een 150-tal kmo's). Voor de uitrol van de resultaten is het belangrijk dat ook bedrijven die actief zijn rond corrosie-inspectie en camera-integratoren actief betrokken worden. Deze twee groepen van Vlaamse kmo's tellen elk ongeveer een 20-tal ondernemingen die in vergelijking met de eerder genoemde bedrijven een grotere R&D capaciteit hebben om de technologie te kunnen implementeren.

Onderzoeker(s)

• Promotor: Vanlanduit Steve
• Co-promotor: Scheunders Paul

Onderzoeksgroep(en)

• InViLab

Project type(s)

• Onderzoeksproject

Abstract

In mineralogische studies helpt het gebruik van hyperspectrale afbeeldingen om verschillende mineralen sneller en nauwkeuriger te detecteren. Het verwerken van dergelijke gegevens kan echter problematisch zijn. Een belangrijke uitdaging is het verwerven van voldoende grondwaarheid. Daarom is het belangrijkste doel van dit onderzoek het ontwikkelen van ongesuperviseerde leertechnieken (sparse subruimte-gebaseerde cluster algoritmen) om verschillende mineralogische kenmerken te onderscheiden met behulp van hyperspectrale afbeeldingen. Als een eerste mijlpaal voor het voorgestelde onderzoek werd een nieuw, sparse, op subruimte gebaseerd cluster algoritme ontwikkeld om de mineralogische kenmerken in zinvolle groepen te clusteren. Het voorgestelde algoritme kan sterk gemengde en complexe gegevens op een robuuste en snelle manier verwerken. Als follow-up werd ruimtelijke informatie geimplementeerd in een nieuw ontwikkeld cluster algoritme. Dergelijke informatie helpt om ruimtelijke structuren van mineralogische monsters in rekening te brengen. Door de ruimtelijke informatie mee te nemen, nam de precisie van het voorgestelde algoritme toe. In de komende periode zullen we het potentieel exploreren van diepe cluster methoden, gebaseerd op state-of-the-art sparse autoencoder-gebaseerde algoritmen of de concepten van diepe beeld priors. Als resultaat van de studie zullen snelle en robuuste, op diep leren gebaseerde cluster algoritmen worden ontwikkeld om complexe hyperspectrale beelden met mineralogische en geologische kenmerken te verwerken.

Onderzoeker(s)

• Promotor: Scheunders Paul
• Mandaathouder: Rafiezadeh Shahi Kasra

Onderzoeksgroep(en)

• Visielab

Project type(s)

• Onderzoeksproject

Abstract

De belangrijkste drijfveer van dit project is een grote opportuniteit die begin 2020 naar voren kwam, toen 3 hyperspectrale camera's en een spectrometer beschikbaar kwamen in onze onderzoeksgroep. Deze mogelijkheid stelt ons in staat om grondreferentiegegevens van hoge kwaliteit te genereren voor de validatie van de niet-lineaire ontmengingsmethoden die in het GEOMIX-project worden ontwikkeld. Het doel van dit ondersteuningsproject is het verwerven, kalibreren en analyseren van grondwaarheidsdatasets voor niet-lineaire spectrale ontmenging door middel van zeer goed doordachte experimenten in een gecontroleerde laboratoriumomgeving.

Onderzoeker(s)

• Promotor: Scheunders Paul

Onderzoeksgroep(en)

• Visielab

Project type(s)

• Onderzoeksproject

Abstract

Detectie en identificatie van illegale drugs is een belangrijke taak voor zowel politie- als douaneautoriteiten, met name om drugshandel en -consumptie in onze samenleving te voorkomen. Een accurate test is cruciaal om dit proces te ondersteunen. Binnen de AXES-onderzoeksgroep aan UAntwerpen werd een nieuwe methode ontwikkeld om een snelle en accurate detectie van cocaïne kosteffectief te bewerkstelligen, met behulp van een elektrochemische sensor. Hierdoor worden de beperkingen van bestaande tests aangepakt (d.w.z. interpretatiegevoeligheid, valse positieven / negatieven en omgevingsinvloeden). De ontwikkelde techniek is momenteel operationeel in een laboratoriumomgeving, maar moet worden aangepast en vertaald om effectief te zijn op locatie. Om deze reden wordt in deze fase van het onderzoek geconcentreerd op de ontwikkeling van een software om de wetenschappelijke gegevens te vertalen in een eenvoudige uitlezing voor niet-experts. Tevens gaat dit samen met de uitwerking van een valorisatieplan, waarin product/consumable en software geïntegreerd worden in het finale product, zodoende dit zo dicht mogelijk bij de markt te brengen. Daarom streven we binnen het huidige project naar (1) de ontwikkeling van methoden voor gegevensverwerking en -analyse die de nauwkeurigheid opvallend verbeteren, (2) het testen van het uiteindelijke draagbare prototype door middel van verificatie bij toekomstige eindgebruikers, dat alles (3) gestoeld op een gedegen valorisatieplan. Er dient benadrukt dat de reikwijdte van de gegevensanalyse breder is dan alleen de detectie van illegale drugs. De ontwikkelde methoden voor dataverwerking en analyse zullen in de toekomst tevens worden gebruikt voor de interpretatie van de voltammetrische vingerafdrukken van andere doelmoleculen zoals antibiotica.

Onderzoeker(s)

• Promotor: De Wael Karolien
• Co-promotor: Scheunders Paul

Onderzoeksgroep(en)

Project type(s)

• Onderzoeksproject

Abstract

Het hoofddoel van het project is het ontwikkelen van een krachtige maar flexibele methode voor spectral ontmenging van hyperspectrale gegevens, gebaseerd op solide fysische en wiskundige principes, en uitgebreid gevalideerd op artificiele en reele data sets, en publiek beschikbaar gemaakt door publicaties en delen van programmeercode. De ontmengingsmethodologie is gebaseerd op het recent ontwikkelde multilineaire mengmodel en zal dit state-of-the-art model uitbreiden met enkele additionele mogelijkheden.

Onderzoeker(s)

• Promotor: Scheunders Paul

Onderzoeksgroep(en)

• Visielab

Project type(s)

• Onderzoeksproject

Abstract

Dit project betreft fundamenteel kennisgrensverleggend onderzoek gefinancierd door het Fonds voor Wetenschappelijk Onderzoek-Vlaanderen. Het project werd betoelaagd na selectie door het bevoegde FWO-expertpanel.

Onderzoeker(s)

• Promotor: Scheunders Paul

Onderzoeksgroep(en)

• Visielab

Project type(s)

• Onderzoeksproject

Abstract

Een populaire techniek in hyperspectrale beeldverwerking om subpixel resolutie te bekomen is spectrale ontmenging, waarbij elk spectrum wordt opgedeeld in elementaire bijdragen. Een bekend probleem bij deze ontmenging is de aanwezigheid van niet-lineaire optische effecten, veroorzaakt door diverse fysische verschijnselen. In dit project worden nieuwe technieken ontwikkeld om met dergelijke effecten om te gaan, gebaseerd op een geometrische benadering van het probleem. Door concepten uit grafentheorie en differentiaalmeetkunde te combineren, zullen algoritmes bekomen worden die spectrale ontmenging kunnen uitvoeren op datasets die sterk niet-lineair gedrag vertonen. Na een grondige evaluatie zullen deze algoritmes beschikbaar worden in de vorm van een software pakket.

Onderzoeker(s)

• Promotor: Scheunders Paul
• Mandaathouder: Heylen Rob

Onderzoeksgroep(en)

• Visielab

Project type(s)

• Onderzoeksproject

Abstract

Dit project kadert in een onderzoeksopdracht tussen enerzijds UA en anderzijds de federale overheid. UA levert aan de federale overheid de onderzoeksresultaten genoemd in de titel van het project onder de voorwaarden zoals vastgelegd in voorliggend contract.

Onderzoeker(s)

• Promotor: Scheunders Paul

Onderzoeksgroep(en)

• Visielab

Project type(s)

• Onderzoeksproject

Abstract

Dit project betreft fundamenteel kennisgrensverleggend onderzoek gefinancierd door het Fonds voor Wetenschappelijk Onderzoek-Vlaanderen. Het project werd betoelaagd na selectie door het bevoegde FWO-expertpanel.

Onderzoeker(s)

• Promotor: Scheunders Paul

Onderzoeksgroep(en)

• Visielab

Project type(s)

• Onderzoeksproject

Abstract

Dit project kadert in een onderzoeksopdracht tussen enerzijds UA en anderzijds IBBT. UA levert aan IBBT de onderzoeksresultaten genoemd in de titel van het project onder de voorwaarden zoals vastgelegd in voorliggend contract.

Onderzoeker(s)

• Promotor: Scheunders Paul

Onderzoeksgroep(en)

• Visielab

Project type(s)

• Onderzoeksproject

Abstract

Vegetatie en in het bijzonder groene en volgroeide bomen zijn extreem belangrijk voor stedelijke gebieden, ondermeer voor hun heilzaam effect op de reductie van luchtverontreiniging. Steden vormen echter geen ideale omgeving voor deze bomen en hun gezondheidstoestand moet daarom zorvuldig worden opgevolgd. Biomonitoring van stedelijke vegetatie op grote schaal kan echter niet manueel worden uitgevoerd, en aardobservatie en hyperspectrale beeldvorming in het bijzonder dienen zich aan als een perfecte kandidaat zijn voor een geautomatiseerde procedure. Het doel van dit project is om een kader te ontwikkelen voor de biomonitoring van stadsvegetatie door middel van de spectrale reflectie van boomkruinen, omdat dit de informatie is die kan verkregen worden met behulp van hyperspectrale aardobservatie. Er wordt een data-gedreven benadering ontwikkeld door de constructie van een hyperspectrale reflectantie databank van spectrale reflectanties op blad- en kruinniveau. Met behulp van deze databank zullen we (i) de relatie bestuderen tussen de spectrale reflectantie op bladniveau en op kruinniveau; (ii) het spectrale onderscheid bestuderen tussen gezonde en ongezonde bomen, en (iii) het spectrale onderscheid bestuderen tussen bomen die groeien bij verschillende blootstellingsniveaus aan luchtverontreiniging.

Onderzoeker(s)

• Promotor: Scheunders Paul
• Co-promotor: Samson Roeland

Onderzoeksgroep(en)

• Visielab

Project type(s)

• Onderzoeksproject

Abstract

Dit project kadert in een onderzoeksopdracht tussen enerzijds UA en anderzijds de federale overheid. UA levert aan de federale overheid de onderzoeksresultaten genoemd in de titel van het project onder de voorwaarden zoals vastgelegd in voorliggend contract.

Onderzoeker(s)

• Promotor: Scheunders Paul

Onderzoeksgroep(en)

• Visielab

Project type(s)

• Onderzoeksproject

Abstract

Het doel van CHAMELEON is de ontwikkeling van de volgende generatie visiesystemen die de voordelen van spectrale informatie exploiteren. De missie van CHAMELEON is het mogelijk maken en demonstreren van flexibele maar domein-specifieke hyperspectrale beeldvormingssystemen voor relevante industriele toepassingen. Meer specifiek zal Chameleon het direct gebruik van hyperspectrale beelden door de industrie promoten in termen van: • Systeem exploratie en simulatie tools • Nieuwe camera architecturen, et inbegrip van parametriseerbare templates • Nieuwe hyperspectrale beeldverwerkingsmethodes en technieken • Mapping, data handling en interpretatie strategieen voor real-time operatie • Nieuwe meetstrategieen

Onderzoeker(s)

• Promotor: Scheunders Paul

Onderzoeksgroep(en)

• Visielab

Project type(s)

• Onderzoeksproject

Abstract

Sinusoïdale analyse is een belangrijke techniek voor audio-analyse. Wanneer men polyfone audio probeert te analyseren, heeft men echter vaak te maken met overlappende harmonische componenten afkomstig van de verschillende noten. De resulterende systeemmatrix is dan onoplosbaar. Door het gebruik van bijkomende informatie, in de eerste plaats afkomstig van de partituur, kunnen we echter een veel betere initialisatie van het model bekomen, en tegelijk het juiste aantal parameters bepalen. Dit moet alvast resulteren in een accuratere en robuustere analyseresultaten. Het eerste deel van dit project is geconcentreerd rondom de wiskundige en technische beperkingen en zal onder andere het ontwikkelen van de nodige software bevatten. In een tweede deel ligt de nadruk op toepassingen, meer specifiek op source separation en individuele nootbewerking in een polyfone context.

Onderzoeker(s)

• Promotor: Scheunders Paul
• Mandaathouder: Ganseman Joachim

Onderzoeksgroep(en)

• Visielab

Project type(s)

• Onderzoeksproject

Abstract

De toenemende hoeveelheid gegevens die beschikbaar worden van sensoren uit vliegtuigen en satellieten vereist nieuwe strategieen om de trade-off tussen spectrale en spatiale resolutie te overkomen. In dit projedt worden 2 benaderingen aangepakt om de spatiale informatie uit hyperspectrale beelden te verhogen: state-of-the-art data fusie en geavanceerde spectrale ontmengingstechnieken.

Onderzoeker(s)

• Promotor: Scheunders Paul

Onderzoeksgroep(en)

• Visielab

Project type(s)

• Onderzoeksproject

Abstract

Het doel van dit doctoraat is in eerste instantie het Adjacency effect te modelleren (cf. de verschillende componenten in de radiantie onderscheiden) en vervolgens correctie algoritmes uit te werken die kunnen toegepast worden op boge resolutie datasets. Dit kunnen zowel hyperspectrale als multispectrale data zijn. In het begin zal het Adjacency effect bestudeerd worden op de scheiding tussen water en land, maar het is de bedoeling een algemene analyse te maken waaruit generische correctie algoritmes bekomen worden.

Onderzoeker(s)

• Promotor: Scheunders Paul
• Mandaathouder: Geens Bert

Onderzoeksgroep(en)

• Visielab

Project type(s)

• Onderzoeksproject

Abstract

Medische beeldvorming wordt steeds complexer. Jammer genoeg maakt de medische sector vandaag nog absoluut geen optimaal gebruik van kleur- en multidimensionele informatie. Dit onderzoeksproject beoogt om deze situatie te verbeteren. In de techologie werkpaketten zullen we generische platform technologie ontwikkelen om kleur- en multidimensionele data beter te verwerken en te visualiseren. De basistechnologie die zal ontwikkeld worden in dit project omvat de volledige beeldverwerkings ketting, gaande van toestellen voor het maken van medische beelden, over het verwerken van de data, visualisatie van de beelden en finaal de klinische validatie en standaarden. De basistechnologie die hierboven werd beschreven zal worden toegepast voor enkele specifieke klinische problemen.

Onderzoeker(s)

• Promotor: Scheunders Paul
• Co-promotor: Sijbers Jan

Onderzoeksgroep(en)

• Visielab

Project type(s)

• Onderzoeksproject

Abstract

Sinusoïdale analyse is een belangrijke techniek voor audio-analyse. Wanneer men polyfone audio probeert te analyseren, heeft men echter vaak te maken met overlappende harmonische componenten afkomstig van de verschillende noten. De resulterende systeemmatrix is dan onoplosbaar. Door het gebruik van bijkomende informatie, in de eerste plaats afkomstig van de partituur, kunnen we echter een veel betere initialisatie van het model bekomen, en tegelijk het juiste aantal parameters bepalen. Dit moet alvast resulteren in een accuratere en robuustere analyseresultaten. Het eerste deel van dit project is geconcentreerd rondom de wiskundige en technische beperkingen en zal onder andere het ontwikkelen van de nodige software bevatten. In een tweede deel ligt de nadruk op toepassingen, meer specifiek op source separation en individuele nootbewerking in een polyfone context.

Onderzoeker(s)

• Promotor: Scheunders Paul
• Mandaathouder: Ganseman Joachim

Onderzoeksgroep(en)

• Visielab

Project type(s)

• Onderzoeksproject

Abstract

Het project stelt voor om volgende onderzoeksactiviteiten te ontplooien: ¿ Het ontwikkelen van een visie omtrent Web/Telco/Enterprise na x2.0 (WTEPlus) na een grondige analyse van de markt en technologietrends.

Onderzoeker(s)

• Promotor: Scheunders Paul

Onderzoeksgroep(en)

• Visielab

Project type(s)

• Onderzoeksproject

Abstract

Het doel van dit project is om nieuwe statistische modellen voor spatiale classificatietechnieken te ontwikkelen voor multispectrale en hyperspectrale aardobservatiegegevens waarbij spectrale, polarimetrische en spatiale informatie gelijktijdig worden behandeld. De methodologie is gebaseerd op de volgende pijlers: 1. het gebruik van multiresolutietechnieken; 2. het gebruik van Bayesiaanse principes, 3. het gebruiken en het ontwikkelen van nieuwe meerwaardige Markov Random Veld-modellen

Onderzoeker(s)

• Promotor: Scheunders Paul

Onderzoeksgroep(en)

• Visielab

Project type(s)

• Onderzoeksproject

Abstract

Dit project zal zich concentreren op specifieke beeldverwerking en beeldanalyseproblemen. Het handelt over het maken en analyseren van grote biomedische beelddatasets. Het project zal de middelen leveren om op een automatische manier grote FOV (Field-of-view) beelden te maken, een serie van deze beelden te aligneren voor longitudinale studies, en verdere analyse van de beelden uit te voeren.

Onderzoeker(s)

• Promotor: Scheunders Paul

Onderzoeksgroep(en)

• Visielab

Project type(s)

• Onderzoeksproject

Abstract

De klassieke beeldverwerking en analyse technieken zijn ontwikkeld op scalaire beelden. Bij de vorming van beeldinformatie komen echter steeds vaker meerwaardige beelden voor. In tegenstelling tot scalaire beelden, waar iedere pixel een grijswaarde bevat, bevatten de pixels van deze beelden vectoriële informatie. Voorbeelden hiervan zijn kleurbeelden, multispectrale beelden en multimodale biomedische beelden. In het volledige beeldanalyse proces vormt segmentatie een belangrijk onderdeel, omdat hiermee complexe lage-orde pixelgebaseerde informatie wordt omgezet in regio-gebaseerde hogere-orde informatie, die toelaat om de beeldinformatie efficiënter te analyseren. Beeldrestauratie vormt hierbij een belangrijke voorverwerking, omdat homogene beelden, waar ruis werd verwijderd, eenvoudiger te segmenteren zijn. Het doel van dit project is het ontwikkelen van een nieuwe techniek voor segmentatie van meerwaardige beelden. De techniek bevat eveneens een voorverwerkingsprocedure voor het reduceren van de eventueel aanwezige ruis. Deze techniek zal gebaseerd zijn op de combinatie van de volgende drie principes: ¿Interband aanpak: Door alle banden gezamenlijk te verwerken, wordt voor de restauratie en segmentatie gebruik gemaakt van zowel de spatiale als de spectrale informatie. Op die manier wordt de aanwezige informatie maximaal benut. ¿Multiresolutie aanpak: Multiresolutie technieken zoals de wavelet transformatie ontwikkelen een beeld in verschillende resolutieschalen. Restauratie is nuttig in deze representatie omdat de ruisamplitude typisch afneemt bij de lagere resolutieschalen. Voor segmentatie kan met hiërarchische procedures een ruwe segmentatie op lagere resolutieschalen gebruikt worden om fijnere segmentatie op hogere resolutieschalen te bekomen. ¿Model gebaseerde aanpak: Een a-priori model wordt verondersteld voor de waarschijnlijkheidsverdeling (pdf) van pixels. De parameters van het model worden geschat aan de hand van de beschikbare beelden. Deze gegevens kunnen worden gebruikt voor restauratie en segmentatie. Het tweede deel van dit project omvat de validatie van de ontwikkelde technieken. Deze validatie gebeurt op een tweetal zeer diverse domeinen met realistische toepassingen: ¿Multispectrale beelden (aardobservatie). Via samenwerking van Visielab met de afdeling Teledetectie en Atmosferische Processen (TAP) van het VITO zijn er multispectrale en hyperspectrale validatiegegevens ter beschikking met toepassingen in bosbeheer, vegetatiemonitoring, bodemverontreiniging met zware metalen, enz... ¿Multimodale biomedische beelden. Visielab heeft een samenwerking met de onderzoeksgroep 'Bio-imaging Lab' van de Universiteit Antwerpen, waar biomedisch onderzoek wordt gedaan met behulp van magnetische beeldvorming (MRI

Onderzoeker(s)

• Promotor: Scheunders Paul
• Mandaathouder: Driesen Jef

Onderzoeksgroep(en)

• Visielab

Project type(s)

• Onderzoeksproject

Abstract

Dit project is gericht op het ontwikkelen van een operationele methode om vegetatietypen en -overgangen in kaart te brengen, met als einddoel de toestand van habitats te bepalen. De voorgestelde technieken zijn voldoende algemeen om gelijk welk klassificatieprobleem via aardobservatie op verschillende toepassingen te ondersteunen. Onze focus ligt echter op de rapportering van de status van habitats, met als voorname toepassing de implementatie van de Europese richtlijn rond de Natura 2000 habitats. In aardobservatie hebben we dikwijls te maken met de beperkingen van de sensor. Er bestaat geen enkele sensor die zowel een optimale spectrale, spatiale als temporele resolutie bezit. De kartering van ecotopen is moeilijk zonder hyperspectrale data. De hyperspectrale satellitedata heft een geode ruimtelijke bedecking, maar heeft slechts een ruwe grondresolutie. Om de spatiale resolutie van satellietbeelden te verbeteren, stellen we een superresolutietechniek voor, die gebruik maakt van de complementiare informatie aanwezig in overlappende beelden. De conventionele classificatiemethoden voor de rapportering van habitats maken onvoldoende gebruik van de ruimtelijke en structurele dimensie. Een van de objectieven in dit project is juist om optimal gebruik te maken van de beschikbare sensoren. Spectrale informatie zal worden uitgebreid met ruimtelijke kenmerken (klassificatie van segmenten, contextuele kenmerken op basis van textuur). Door nabewerking van klassificatieresultaten (via clustering, regel-gebaseerde leerprocessen) zal de samenstelling van vegetatietypen worden bepaald. Dit is zowel van belang voor de diagnose van de huidige status van habitats, als voor modellering van de toekomstige evolutie ervan. Het vernieuwende aan dit voorstel is vooral de combinatie van deze verschillende technieken om de beschikbare gegevens ten volle te benutten. Meer dan een loutere verbetering van "state of the art" technieken als het inzetten van ruimtelijke kenmerken en superresolutie, wil dit project vooral het effect ervan nagaan op de nauwkeurigheid van de klassificatie. Daarbij zal het klassificatiekader worden verbeterd door de introductie van "ensemble classifiers". Het doel is daarbij om na te gaan in hoeverre dit type van classifier operationeel inzetbaar is met betrekking tot stabiliteit, nauwkeurigheid, gebruiksgemak en rekentijd. De ontwikkelde algoritmen and methoden voor de rapportering van de toestand van de habitats zullen specifiek worden geintegreerd en getest voor de rapportering van de status van Natura 2000 habitats in de "Special Areas for Conservation" (SACs). Hoewel deze proposal sterk is gericht op methodologie, spelt de eindgebruiker een voorname rol. Deze zal de ontwikkeling sturen en ook bepalen welke resultaten worden verwacht. INBO en Alterra, beide actief betrokken bij de implementatie van de EU directieve voor de rapportering van Natura 2000 habitats in het bijzonder, en de kartering van vegetatie en habitats in het algemeen, zijn ideal geplaatst om de noden van de eindgebruiker te kennen. Dit inter-disciplinair voorstel is uniek omdat het de rapportering van de status van habitats met behulp van nieuwe en vergevorderde aardobservatietechnieken op een operationele manier benadert. De eindresultaten zullen bepalend zijn voor toekomstige methoden om biodiversiteit te bepalen en habitats op te volgen. Op technisch gebied zullen de resultaten onder andere interessant zijn voor de verdere ontwikkeling van nieuwe algemenemethoden binnen het gebied van de aardobservatie.

Onderzoeker(s)

• Promotor: Scheunders Paul

Onderzoeksgroep(en)

• Visielab

Project type(s)

• Onderzoeksproject

Abstract

De industriële visie-vraagstukken waarbij kleurevaluaties essentieel zijn, vormen een afzonderlijk en moeilijk onderdeel van de visie-technologie. Een industrieel aanvaarde calibratie-strategie kan een groot aantal moeilijkheden helpen voorkomen en het succes van de 'colour vision applicaties' sterk verhogen. De Skr-matrix mehode, die geoctrooieerd werd (PCT/EP2005/003889) door het Antwerps Innovatiecentrum en ontwikkeld werd in het lab voor industriële visie, vormt een beloftevolle 'Colour Handling' methodiek die uitgebreid kan worden naar de ganse beeldvormende en beeldverwerkende industrie. We denken in het bijzonder aan digitale camera's, scanners, fotokopie-apparaten, beeldschermen, IR-camera's ¿

Onderzoeker(s)

• Promotor: Scheunders Paul

Onderzoeksgroep(en)

• Visielab

Project type(s)

• Onderzoeksproject

Abstract

Binnen de ecologie vormt het beschrijven van patronen in een vegetatie en het doorgronden van het patroon-proces-paradigma een cruciaal onderdeel van vegetatie- en landschaps-studies. De beschrijving van deze patronen wordt vaak bemoeilijkt door schaaleffecten. Het gebruik van wavelets bij de analyse van schaalgebonden patronen kan een oplossing zijn voor deze complexe problematiek met toepassingen in o.a. de validatie van teledetectie-producten, een cruciaal subdomein binnen de fysica.

Onderzoeker(s)

• Promotor: Ceulemans Reinhart
• Co-promotor: Scheunders Paul

Onderzoeksgroep(en)

• Planten- en Ecosystemen (PLECO) - Ecologie in tijden van verandering

Project website

Project type(s)

• Onderzoeksproject

Abstract

Dit onderzoek betracht een preciese monitoring en modellering van de economisch-belangrijke planten produktieprocessen in perzik (Prunus persica L.) boomgaarden met behulp van hyperspectrale reflectantie data. De ontwikkeling van een accurate methode voor het bewerken van grote hoeveelheden hyperspectrale data (data mining) was het onderwerp van een voorgaand project (Hypercrunch), terwijl dit voorstel dient als uitbreiding van het Hypercrunch onderzoek. De algemene objectieven zijn (i) de validatie van spectra op blad- en scherm-niveau (veldspectrometer), geschaald naar lucht-niveau gebruik makend van radiatieve transfer methodes t.o.v. AHS 160 hoog-ruimtelijke hyperspectrale data, en (ii) de schatting van blad-en scherm biochemische variabelen in perzik (Prunus persica l.) boomgaarden met behulp van deze hyperspectrale data van verschillende niveaus en bronnen (grond- en lucht radiometers).

Onderzoeker(s)

• Promotor: Scheunders Paul

Onderzoeksgroep(en)

• Visielab

Project type(s)

• Onderzoeksproject

Abstract

In dit project worden verbeterde statistische tests ontwikkeld voor de verwerking van functionele magnetische resonantie (fMRI) signalen. Zowel parametrische tests, via de ontwikkeling van veralgemeende waarschijnlijkheidsverhoudings-testen, als niet-parametrische testen (clustering) worden onderzocht. Tenslotte worden visualisatietechnieken ontwikkeld voor de optimale weergave van fMRI resultaten op hoge-resolutie beelden.

Onderzoeker(s)

• Promotor: Sijbers Jan
• Co-promotor: Scheunders Paul

Onderzoeksgroep(en)

• Visielab

Project type(s)

• Onderzoeksproject

Abstract

De klassieke beeldverwerking en analyse technieken zijn ontwikkeld op scalaire beelden. Bij de vorming van beeldinformatie komen echter steeds vaker meerwaardige beelden voor. In tegenstelling tot scalaire beelden, waar iedere pixel een grijswaarde bevat, bevatten de pixels van deze beelden vectoriële informatie. Voorbeelden hiervan zijn kleurbeelden, multispectrale beelden en multimodale biomedische beelden. In het volledige beeldanalyse proces vormt segmentatie een belangrijk onderdeel, omdat hiermee complexe lage-orde pixelgebaseerde informatie wordt omgezet in regio-gebaseerde hogere-orde informatie, die toelaat om de beeldinformatie efficiënter te analyseren. Beeldrestauratie vormt hierbij een belangrijke voorverwerking, omdat homogene beelden, waar ruis werd verwijderd, eenvoudiger te segmenteren zijn. Het doel van dit project is het ontwikkelen van een nieuwe techniek voor segmentatie van meerwaardige beelden. De techniek bevat eveneens een voorverwerkingsprocedure voor het reduceren van de eventueel aanwezige ruis. Deze techniek zal gebaseerd zijn op de combinatie van de volgende drie principes: ¿Interband aanpak: Door alle banden gezamenlijk te verwerken, wordt voor de restauratie en segmentatie gebruik gemaakt van zowel de spatiale als de spectrale informatie. Op die manier wordt de aanwezige informatie maximaal benut. ¿Multiresolutie aanpak: Multiresolutie technieken zoals de wavelet transformatie ontwikkelen een beeld in verschillende resolutieschalen. Restauratie is nuttig in deze representatie omdat de ruisamplitude typisch afneemt bij de lagere resolutieschalen. Voor segmentatie kan met hiërarchische procedures een ruwe segmentatie op lagere resolutieschalen gebruikt worden om fijnere segmentatie op hogere resolutieschalen te bekomen. ¿Model gebaseerde aanpak: Een a-priori model wordt verondersteld voor de waarschijnlijkheidsverdeling (pdf) van pixels. De parameters van het model worden geschat aan de hand van de beschikbare beelden. Deze gegevens kunnen worden gebruikt voor restauratie en segmentatie. Het tweede deel van dit project omvat de validatie van de ontwikkelde technieken. Deze validatie gebeurt op een tweetal zeer diverse domeinen met realistische toepassingen: ¿Multispectrale beelden (aardobservatie). Via samenwerking van Visielab met de afdeling Teledetectie en Atmosferische Processen (TAP) van het VITO zijn er multispectrale en hyperspectrale validatiegegevens ter beschikking met toepassingen in bosbeheer, vegetatiemonitoring, bodemverontreiniging met zware metalen, enz... ¿Multimodale biomedische beelden. Visielab heeft een samenwerking met de onderzoeksgroep 'Bio-imaging Lab' van de Universiteit Antwerpen, waar biomedisch onderzoek wordt gedaan met behulp van magnetische beeldvorming (MRI).

Onderzoeker(s)

• Promotor: Scheunders Paul
• Mandaathouder: Driesen Jef

Onderzoeksgroep(en)

• Visielab

Project type(s)

• Onderzoeksproject

Abstract

Dit project bestudeert de analyse en segmentatie van multispectrale beelden met toepassing op aardobservatie. In het bijzonder komen aan bod: ontwikkelen van multispectrale versies van laagniveau operatoren, multispectrale randdetectie, multispectrale textuurkarakterisatie, validatie in aardobservatietoepassingen.

Onderzoeker(s)

• Promotor: Scheunders Paul

Onderzoeksgroep(en)

• Visielab

Project type(s)

• Onderzoeksproject

Abstract

Hyperwave hoort thuis in het onderzoeksdomein van de hyperspectrale beeldverwerking. Hyperspectrale sensoren hebben een hoge spectrale resolutie van enkele nanometers. Ze kunnen kleine verschillen in spectrale signatuur registreren, in tegenstelling tot multi-spectrale sensoren. De keerzijde is dat ze een enorme hoeveelheid aan data produceren. Zonder enige vorm van reductie is het onmogelijk om de data te verwerken. De uitdaging bestaat erin om de nuttige informatie uit de ruwe data te halen en de overtollige data te negeren. Een vorig stereo project, Hypercrunch, (SR/00/05) was hiertoe een eerste aanzet. De applicatie, detectie van stress in boomgaarden, was echter zeer specifiek en uiterst ambitieus. Met dit project willen we de algoritmes verder uitdiepen en toepassen op totaal verschillende applicaties. Het einddoel is de algoritmes in te bouwen in verwerkingsketens van hyperspectrale data, met het oog op de operationele exploitatie van het hyperspectrale APEX instrument, die in 2005 een aanvang neemt.

Onderzoeker(s)

• Promotor: Scheunders Paul

Onderzoeksgroep(en)

• Visielab

Project type(s)

• Onderzoeksproject

Abstract

Doelstelling van het project is het ontwikkelen van methoden voor de detectie en classificatie met behulp van hyperspectrale beelden. Om een classificatie uit te voeren is het nodig de samenstellende componenten voor elke pixel te vinden. Hiervoor worden ontmeng technieken ontwikkeld. De resultaten zullen worden toegepast op het probleem van vegetatie monitoring.

Onderzoeker(s)

• Promotor: Scheunders Paul

Onderzoeksgroep(en)

• Visielab

Project type(s)

• Onderzoeksproject

Abstract

Onderzoeker(s)

• Promotor: Van Dyck Dirk
• Co-promotor: Scheunders Paul
• Mandaathouder: Tisson Greg

Onderzoeksgroep(en)

• Visielab

Project type(s)

• Onderzoeksproject

Abstract

Onderzoeker(s)

• Promotor: Scheunders Paul

Onderzoeksgroep(en)

• Visielab

Project type(s)

• Onderzoeksproject

Abstract

Dit project heeft tot doel het ontwikkelen van een methodiek voor een gelijktijdige bepaling van zowel de elektronische als atomaire structuur, de scheikundige samenstelling en de chemische speciatie van nanoconfiguraties. De hiervoor noodzakelijke experimenteeropstellingen zijn in EMAT gelijktijdig beschikbaar in twee verschillende transmissie elektronenmicroscopen, maar de registratie, optimalisatie en interpretatie van de resultaten vraagt een geïntegreerde aanpak vanuit verschillende onderzoeksdomeinen. De beoogde structuren spelen in vele nieuwe materialen een zeer belangrijke rol zodat dit fundamenteel basisonderzoek bovendien tal van nieuwe technologische mogelijkheden opent. De te verwerken experimentele data sets zullen afkomstig zijn van twee hoge resolutie transmissie elektronenmicroscopen (HRTEM) (3000F ARP, CM30 UT) beide uitgerust met een veldemissiebron (FEG) en een elektronen energieverlies spectroscopische CCD detector (EELS) met energiefilter (EF). Het eerstgenoemde toestel bevat bovendien een hoge resolutie scanning transmissie eenheid (STEM) en energie-dispersieve X-stralen detectie (EDX). Beide toestellen bieden de mogelijkheid tot het werken met een nanoprobe, waardoor spectroscopische informatie van extreem kleine volumes kan verkregen worden. De nadruk van het huidige project ligt op de optimalisatie van het verwerven en interpreteren van de EELS resultaten in combinatie met de andere technieken. De fijnstructuur van de EELS spectra geeft informatie over de bindingstoestand en de coördinatie van de atomen en maakt het mogelijk de chemische toestand en omgeving, de zgn. speciatie, van het atoom te bepalen. Om de beoogde extreme details te bereiken, moet de omgeving van de toestellen worden geoptimaliseerd om externe storingen zo veel mogelijk uit te schakelen. De mogelijkheid om al deze informatie rechtstreeks op digitale wijze vast te leggen via verschillende detectoren en CCD camera's impliceert bovendien een sterk verbeterde kwantitatieve output. Om dit project tot een goed einde te brengen worden drie verschillende expertisedomeinen aan de UA samengebracht, met name de hoge resolutie beeldvorming en EELS detectie (EMAT) en de interpretatie i.v.m. chemische speciatie (MiTAC) in materiaalkunde en het onderzoek naar beeld- en dataverwerking (Visielab). Binnen het kader van dit project zullen drie experimentele modelsystemen worden onderzocht met het oog op de optimale performantie van de verschillende mogelijkheden. Een eerste systeem zijn dunne films van La1-xSrxMnO3 (CMR materiaal) waarin, onder welbepaalde omstandigheden, verschillende valentietoestanden van de Mn+ ionen kunnen ontmengen op nanometerschaal. Deze ontmenging kan enkel zichtbaar gemaakt worden via de verschillen in fijnstructuur van de EELS spectra (ELNES) van deze verschillende toestanden. Een tweede systeem betreft diamantachtige koolstoffilms (DLC) vervaardigd d.m.v. plasma geassisteerde chemische damp depositie (PE-CVD). In deze films moet een onderscheid gemaakt worden tussen de verschillende vormen waarin de koolstofbindingen kunnen voorkomen, en dit afhankelijk van de plasmavoorwaarden. Ook hier zorgt vooral het ELNES signaal voor de nodige informatie. In het derde modelsysteem zullen nanoprecipitaten in een gekende silicium of germanium matrix worden gekarakteriseerd. Deze precipitaten zijn gekend uit hoge resolutieopnamen, maar de structuur kon tot op heden niet ondubbelzinnig worden vastgelegd vermits er geen informatie beschikbaar is over de lokale aanwezigheid van onzuiverheden zoals zuurstof. Opnieuw zal de nanoprobe EELS hierbij de doorslag geven, waarbij meteen ook de coördinatie kan verkregen worden waardoor een correcte structuur kan opgesteld worden. In een later stadium zullen de ontwikkelde methoden en verworven know-how, mogelijkheden openen voor de studie van nano-configuraties en grensvlakken in materialen die afwijken van deze modelsystemen.

Onderzoeker(s)

• Promotor: Schryvers Nick
• Co-promotor: Scheunders Paul
• Co-promotor: Van Espen Piet
• Co-promotor: Van Landuyt Joseph

Onderzoeksgroep(en)

• Elektronenmicroscopie voor materiaalonderzoek (EMAT)

Project type(s)

• Onderzoeksproject

Abstract

Onderzoeker(s)

• Promotor: Scheunders Paul

Onderzoeksgroep(en)

• Visielab

Project type(s)

• Onderzoeksproject

Abstract

In dit project wordt beoogd om nieuwe technieken te ontwikkelen voor visualisatie en classificatie van multispectrale beelden. De ideën worden ingegeven ondermeer door de recente technologische ontwikkeling in de domeinen van remote sensing en multimodale mediche beeldvorming. De ontwikkeling zal gebeuren ten dele door uitbreiding van technieken die ontwikkeld werden in het kader van kleur- en textuuranalyse, en ten dele door recente ontwikkelingen met behulp van niet-lineaire projectietechnieken.

Onderzoeker(s)

• Promotor: Scheunders Paul

Onderzoeksgroep(en)

Project type(s)

• Onderzoeksproject

Abstract

Onderzoeker(s)

• Promotor: Broeckhove Jan
• Co-promotor: Arickx Frans
• Co-promotor: Scheunders Paul
• Co-promotor: Van Dyck Dirk

Onderzoeksgroep(en)

Project type(s)

• Onderzoeksproject

Abstract

Onderzoeker(s)

• Promotor: Van Dyck Dirk
• Co-promotor: Scheunders Paul

Onderzoeksgroep(en)

Project type(s)

• Onderzoeksproject

Abstract

Het doel is om bestaande clusteringstechnieken uit te breiden met behulp van fuzzy technieken en genetische algorithmes. Deze globale clusteringstechnieken zijn o.m. geschikt voor segmentatie van kleurbeelden, met hogere beeldkwaliteit dan met de bestaande technieken.

Onderzoeker(s)

• Promotor: Scheunders Paul

Onderzoeksgroep(en)

Project type(s)

• Onderzoeksproject