Die Betrachtung von inversen Streuproblemen in bestimmten Anwendungsbereichen, wie z.B. der Materialprüfung, erlaubt die Annahme, dass der Kontrast des zu rekonstruierenden Objekts einen aus nur wenigen Nicht-Null-Einträgen bestehenden Träger, sprich eine sparse Natur, hat. Berücksichtigt man bei der Rekonstruktion dieses sparsity-Konzept, so führt das auf Regularisierungsverfahren, deren Strafterme nicht mehr in Hilbert-, sondern in Banachräumen liegen.

Auch wenn dieses Konzept in der Bild- und Signalverarbeitung im letzten Jahrzehnt zu einer Vielzahl an Forschungsergebnissen geführt hat, ist es im Bereich der Streutheorie eher unbeachtet geblieben. In diesem Projekt versuchen wir daher sparsity-Regularisierungsverfahren für inverse Streuprobleme und daraus folgend schnelle und effiziente Algorithmen zu entwickeln. Langfristig sollen die Ergebnisse auch in bestehende Kooperationen mit Partnern anderer Fachbereiche eingebracht werden.