<?xml version="1.0" encoding="utf-8"?>
<export-example>
  <doc>
    <id>5091</id>
    <completedYear/>
    <publishedYear/>
    <thesisYearAccepted/>
    <language>deu</language>
    <pageFirst/>
    <pageLast/>
    <pageNumber/>
    <edition/>
    <issue/>
    <volume/>
    <type>reportzib</type>
    <publisherName/>
    <publisherPlace/>
    <creatingCorporation/>
    <contributingCorporation/>
    <belongsToBibliography>0</belongsToBibliography>
    <completedDate>--</completedDate>
    <publishedDate>2014-07-03</publishedDate>
    <thesisDateAccepted>--</thesisDateAccepted>
    <title language="deu">Korrosionsverfolgung in 3D-computertomographischen Aufnahmen von Stahlbetonproben</title>
    <abstract language="deu">Kurzfassung. Durch die Alkalität des Betons wird Betonstahl dauerhaft vor&#13;
Korrosion geschützt. Infolge von Chlorideintrag kann dieser Schutz nicht länger&#13;
aufrechterhalten werden und führt zu Lochkorrosion. Die zerstörungsfreie Prüfung&#13;
von Stahlbetonproben mit 3D-CT bietet die Möglichkeit, eine Probe mehrfach&#13;
gezielt vorzuschädigen und den Korrosionsfortschritt zu untersuchen. Zur Quantifizierung&#13;
des Schädigungsgrades müssen die bei dieser Untersuchung anfallenden&#13;
großen Bilddaten mit Bildverarbeitungsmethoden ausgewertet werden. Ein wesentlicher&#13;
Schritt dabei ist die Segmentierung der Bilddaten, bei der zwischen Korrosionsprodukt&#13;
(Rost), Betonstahl (BSt), Beton, Rissen, Poren und Umgebung&#13;
unterschieden werden muss. Diese Segmentierung bildet die Grundlage für statistische&#13;
Untersuchungen des Schädigungsfortschritts. Hierbei sind die Änderung&#13;
der BSt-Geometrie, die Zunahme von Korrosionsprodukten und deren Veränderung&#13;
über die Zeit sowie ihrer räumlichen Verteilung in der Probe von Interesse. Aufgrund&#13;
der Größe der CT-Bilddaten ist eine manuelle Segmentierung nicht durchführbar,&#13;
so dass automatische Verfahren unabdingbar sind. Dabei ist insbesondere&#13;
die Segmentierung der Korrosionsprodukte in den Bilddaten ein schwieriges&#13;
Problem. Allein aufgrund der Grauwerte ist eine Zuordnung nahezu unmöglich,&#13;
denn die Grauwerte von Beton und Korrosionsprodukt unterscheiden sich kaum.&#13;
Eine formbasierte Suche ist nicht offensichtlich, da die Korrosionsprodukte in Beton&#13;
diffuse Formen haben.&#13;
Allerdings lässt sich Vorwissen über die Ausbreitung der Korrosionsprodukte&#13;
nutzen. Sie bilden sich in räumlicher Nähe des BSt (in Bereichen vorheriger&#13;
Volumenabnahme des BSt), entlang von Rissen sowie in Porenräumen, die direkt&#13;
am BSt und in dessen Nahbereich liegen. Davon ausgehend wird vor der&#13;
Korrosionsprodukterkennung zunächst eine BSt-Volumen-, Riss- und Porenerkennung&#13;
durchgeführt. Dieser in der Arbeit näher beschriebene Schritt erlaubt es, halbautomatisch&#13;
Startpunkte (Seed Points) für die Korrosionsprodukterkennung zu&#13;
finden. Weiterhin werden verschiedene in der Bildverarbeitung bekannte&#13;
Algorithmen auf ihre Eignung untersucht werden.</abstract>
    <identifier type="issn">1438-0064</identifier>
    <identifier type="urn">urn:nbn:de:0297-zib-50912</identifier>
    <enrichment key="SourceTitle">To appear in: DGZfP-Jahrestagung 2014 Konferenzband</enrichment>
    <author>Olaf Paetsch</author>
    <submitter>Regine Kossick</submitter>
    <author>Daniel Baum</author>
    <author>Gino Ebell</author>
    <author>Karsten Ehrig</author>
    <author>Andreas Heyn</author>
    <author>Dietmar Meinel</author>
    <author>Steffen Prohaska</author>
    <series>
      <title>ZIB-Report</title>
      <number>14-24</number>
    </series>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Beton</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Korrosionserkennung</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Bildverarbeitung</value>
    </subject>
    <subject>
      <language>deu</language>
      <type>uncontrolled</type>
      <value>Computertomografie</value>
    </subject>
    <subject>
      <language>eng</language>
      <type>uncontrolled</type>
      <value>concrete</value>
    </subject>
    <subject>
      <language>eng</language>
      <type>uncontrolled</type>
      <value>corrosiondetection</value>
    </subject>
    <subject>
      <language>eng</language>
      <type>uncontrolled</type>
      <value>image processing</value>
    </subject>
    <subject>
      <language>eng</language>
      <type>uncontrolled</type>
      <value>computed tomography</value>
    </subject>
    <collection role="msc" number="68U10">Image processing</collection>
    <collection role="institutes" number="vis">Visual Data Analysis</collection>
    <collection role="persons" number="baum">Baum, Daniel</collection>
    <collection role="persons" number="paetsch">Paetsch, Olaf</collection>
    <collection role="persons" number="prohaska">Prohaska, Steffen</collection>
    <collection role="projects" number="BAM-CORROSION">BAM-CORROSION</collection>
    <collection role="institutes" number="VDcC">Visual and Data-centric Computing</collection>
    <file>https://opus4.kobv.de/opus4-zib/files/5091/ZR-14-24.pdf</file>
  </doc>
</export-example>
