This thesis tackles the challenge of registering modern to historic images in the context of urban rephotography. It aims at automatically identifying stable image features in scenes, which have been exposed to medium to tremendous changes across the years. Instead, the related field of location recognition mainly focuses on illumination and seasonal changes. This work illustrates that common feature descriptors are applicable in the context of historic and modern image matching, while local detectors are not, but most important is the choice of appropriate correspondence filters. It is verified that major structural changes are most challenging for traditional image matching approaches and the methods developed in this work are applicable to challenging image pairs beyond rephotography. Besides, features extracted from Convolutional Neural Networks (CNNs), originally trained for the task of location recognition, show high performance and should be further developed for the specific task of historic to modern image matching. At last, practical developments are presented, including an online portal for presenting and organizing rephotographs as well as an initial version of a mobile application, which supports recovering the original viewpoint of an image.

No description available.

This thesis is addressing the fusion of geo-information from different data sources for time-critical geo-applications. Such geo-information is extracted from sensors that record earth observation (EO) data. In recent years the amount of sensors that provide geo-information experienced a major growth not least because of the rising market for small sensors that are nowadays integrated in smartphones or recently even in fitness wristbands that are carried at the body. The resulting flood of geo-information builds the basis for new, time-critical geo-applications that would have been inconceivable a decade ago. The real-time characteristics of geo-information, which is also getting more important for traditional sensors (e.g. remote sensors), require new methodologies and scientific investigations regarding aggregation and analysis that can be summarised under the term geo-information fusion. Thus, the main goal of this thesis is the investigation of fusing geo-information for time-critical geo-applications with the focus on the benefits as well as challenges and obstacles that appear. Three different use cases dealing with capturing, modelling and analysis of spatial information are studied. In that process, the main emphasis is on the added value and the benefits of geo-information fusion. One can speak of an “added value” if the informational content can only be derived by the combination of information from different sources, meaning that it cannot be derived from one source individually. Another goal of this thesis is the prototypical integration of the fusion approach in spatial data infrastructures (SDIs) to increase the interoperability of the developed methods. By doing so, the fusion can be provided (e.g. over the internet) and used by a multitude of users and developers. Above that, the integration is of high importance regarding systems and concepts like the Global Earth Observation System of Systems (GEOSS), the INSPIRE directive for Europe or the European monitoring system Copernicus. The results and findings of this thesis can be seen as the first advances and can be used for further research and studies in the field of geo-information fusion which will gain further importance and relevance for all spatial questions in the future.

Pluripotency and Alzheimer's disease are two very different biological states. Even so, they are similar in the lack of knowledge about their underlying molecular mechanisms. Identifying important genes well suited as biomarkers for these two states improves our understanding. We use different feature selection methods for the identification of important genes usable as potential biomarkers. Beside the identification of biomarkers for these two specific states we are also interested in general algorithms showing good results in biomarker detection. For this reason we compare three feature selection methods with each other. Particularly good results show a rarely noticed wrapper approach of genetic algorithm and support vector machine (GA/SVM). More detailed investigations of the results show the strength of the small gene sets selected by our GA/SVM. In our work we identify a number of promising biomarker candidates for pluripotency as well as for Alzheimer's disease. We also show that the GA/SVM is well suited for feature selection even if its potential is not yet exhausted.

Das Internet, in dem Informationen schnell und komfortabel abgerufen werden können, hat das Leben im Informationszeitalter nachhaltig verändert. Die Vorteile eines einfachen Zugriffs auf Daten, Dienste und Informationen sind dabei genauso greifbar wie die stetig anwachsende Menge an Angeboten, die das Internet in gleicher Weise vielfältig und unübersichtlich gestalten. Die Auswahl geeigneter Angebote ist für Benutzer ein häufiges Problem, für welches sich unterstützende Systeme unter dem Namen der Empfehlungsdienste etabliert haben. Empfehlungsdienste helfen bei der Selektierung von Informationen auf der Grundlage von Benutzerpräferenzen oder Bedürfnissen in einer Vielzahl von Anwendungskontexten. Online Versandhandel, in denen Empfehlungsdienste Vorschläge für interessante oder nützliche Artikel aussprechen, ist eines der populärsten und gängigsten Anwendungsszenarien. Aber auch das Lernen wurde durch das Internet in den letzten Jahren stark geprägt. Ein Lernmanagementsystem (LMS) ist im universitären Kontext mittlerweile ein gängiger Standard, wodurch der Prozess der Distribution und des Zugriffs auf digitale Lernmaterialien stark vereinfacht wurde. Über das Internet finden Lernende die Möglichkeit ihr Repertoire an Lernmaterialien zu erweitern, was sich angesichts der Menge an verfügbaren Materialien, sowie der Komplexität an Lerninhalten im universitären Kontext nicht notwendigerweise als Vorteil herausstellt. Ein Lernender sieht sich einem schwer zu sichtenden Überangebot ausgesetzt, welches sich im ungünstigsten Fall auf die Motivation oder Leistung auswirken könnte. In jedem Fall bedarf es bei einer Suche Zeit, um eine genügende Sichtung durchführen zu können, obgleich im Regelfall bereits Lernmaterialien durch die/den Lehrende/n zur Verfügung stehen. Es wird an dieser Stelle der Bedarf an unterstützenden Systemen im Kontext des digitalen Lernens bzw. E-Learning gesehen, die eine assistierende Rolle bei der Auswahl an Inhalten und Materialien einnehmen. Die vorliegende Arbeit untersucht die Entwicklung eines maschinellen Ansatzes zur automatisierten und inhaltsbezogenen Herleitung von Empfehlungen, die kontextrelevante Inhalte in Lernmaterialien aufdecken und mit alternativen Materialien verknüpfen. Hierfür präsentiert die Arbeit die Entwicklung eines kollaborativen Tagging Ansatzes, um den Zielvorgaben zu genügen. Das entwickelte System verfolgt die Intention die Nutzung von bestehenden Materialien Lehrender zu erleichtern und des Weiteren den Prozess des Auffindens relevanter, alternativer Lernmaterialien zu vereinfachen. Die einfache Integration in die Lehre steht bei der Entwicklung ebenfalls im Fokus, so dass ein Mehraufwand für Lehrende vermieden wird und sich möglichst Mehrwerte durch hergeleitete Informationen des Systems ergeben. Die Arbeit beschreibt zudem die Evaluation des Systems, die in zwei Evaluationsszenarien durchgeführt wurde und diskutiert die Ergebnisse im Zusammenhang mit vergleichbaren Ansätzen.

No description available.

Managing agricultural processes with significant logistics sub-processes is a challenge because coordinating a distributed fleet in a dynamic environment is difficult without proper oversight in terms of qualitative and quantitative process information. Digital assistance systems are thought to aid agricultural practitioners by providing process-related information and thus support operational decision-making or even control the logistic flow (semi-)automatically. However, their development is currently stifled by a lack of monitoring capabilities during process execution. This thesis concerns the topic of online process monitoring for ongoing agricultural logistic processes. It discusses how to extract process knowledge from the telemetry of agricultural machines by applying spatio-semantic reasoning techniques. Our method combines spatial analysis for identifying spatial relationships between machines and their environment with semantic inference to derive formal process knowledge through ontological and rule-based reasoning. To test our concepts, we implemented a domain-agnostic semantic mapping framework and applied it in the context of forage maize harvesting. We present custom-made ontological models and rules to represent agricultural environments and to reason about machine actors and their process states. Based on our prototype, we demonstrate how to implement automated process and service tracking in near-real-time. Finally, we discuss the role of online process analytics systems in the context of other agricultural assistance systems for farm and fleet management.

Virtuelle Umgebungen werden seit einigen Jahren erfolgreich für die motorische Rehabilitation von PatientInnen nach einem Schlaganfall eingesetzt. Moderne Sensoren erfassen die Bewegungen der PatientInnen und stellen die Informationen digitalisiert für die weitere Verarbeitung bereit. In einer computergenerierten Welt wird dann die Durchführung motorischer Übungen visualisiert und mit motivierenden, spielerischen Elementen angereichert. Heute verfügbare Systeme zeigen vor allem natürlich anmutende Umgebungen an, in denen mit realistischen Objekten interagiert wird. Beispielsweise kann die Aufgabenstellung für die PatientInnen sein, heranfliegende Spielbälle über die Steuerung virtueller Arme zu fangen. Das Potential des digitalen Mediums für die Gestaltung virtueller Welten wird bislang jedoch noch nicht vollständig ausgenutzt. Neuere Erkenntnisse über die neurologischen Prozesse motorischer Aktionen führten zur Entwicklung eines therapeutischen Verfahrens, bei dem die visuelle Wahrnehmung von Bewegungen die betroffenen Hirnregionen von SchlaganfallpatientInnen trainiert. Hierfür ist die Verwendung virtueller Umgebungen besonders vielversprechend, weil die Bewegungsvisualisierungen durch algorithmische Transformationen beliebig gestaltet werden können. Abstrakte und ästhetisch ansprechende Darstellungsformen können die wesentlichen Bewegungsinformationen enthalten und die Durchführung der Übungen gleichzeitig interessant und motivierend erscheinen lassen. In der vorliegenden Arbeit wurde daher ein Therapiesystem entwickelt, welches abstrakte visuelle Effekte als Reaktion auf Bewegungen anzeigt. PatientInnen nach einem Schlaganfall trainieren mit diesem System die motorischen Fähigkeiten ihrer oberen Extremitäten. Die virtuelle Umgebung kann dabei die Effekte sowohl entsprechend der Bewegungen der beiden Körperseiten anzeigen oder aber die Bewegungen der gesunden Körperseite im Sinne einer Spiegelung zusätzlich für die Darstellung auf der betroffenen Seite verwenden. Bei der zweiten Variante, der Spiegelung, wird eine Illusion von korrekter Bewegungsausführung auf der betroffenen Seite erzeugt. Diese unterstützt die motorische Rehabilitation. In einer Pilotstudie im klinischen Kontext erwies sich das Therapiesystem als einsetzbar und die Ergebnisse deuteten auf positive Effekte des Trainings auf die motorische Rehabilitation, die Motivation und das Selbstbewusstsein der PatientInnen hin. Damit demonstriert die Arbeit das Potential einer an den intrinsischen Eigenschaften des digitalen Mediums orientierten Gestaltung von Bewegungsvisualisierungen für die neurologische Rehabilitation. Eine solche Gestaltung ermöglicht es, völlig neue und effektive Therapieformen anzubieten, die ohne den Einsatz der Technologie nicht realisierbar wären.

No description available.

No description available.