Regularization in Image Reconstruction: From Model to Data Driven Methods
Der Kurs behandelt zentrale mathematische Fragestellungen und typische Herausforderungen bei Bildrekonstruktionsproblemen. Vermittelt wird das theoretische Fundament der inversen Probleme sowie der Einfluss unterschiedlicher Bildgebungsverfahren und Messfehler auf die Qualität der Rekonstruktionen.
Darüber hinaus stehen Regularisierungsstrategien im Fokus, mit denen sich diese Schwierigkeiten überwinden lassen – sowohl aus theoretischer als auch aus praktischer Perspektive. Das vermittelte Grundlagenwissen dient als Ausgangspunkt für selbstständiges Weiterlernen während und nach dem Kurs.
Aufbauend auf klassischen Regularisierungsansätzen erfolgt zudem eine Einführung in Deep-Learning-Methoden für inverse Probleme. Ergänzend wird der bayesianische Ansatz vorgestellt, einschließlich der Frage der Unsicherheitsquantifizierung.
