Mikroszkopikus méretű partikulumok morfológiai paramétereinek mérése
-
Upload
germane-craft -
Category
Documents
-
view
20 -
download
4
description
Transcript of Mikroszkopikus méretű partikulumok morfológiai paramétereinek mérése
MIKROSZKOPIKUS MÉRETŰ PARTIKULUMOK MORFOLÓGIAI
PARAMÉTEREINEK MÉRÉSE
Készítette:
Pálfalvi József
Konzulens:
Eördögh Imre (MTA MFA)
Tanszéki konzulens:
Dr. Dobrowiecki Tadeusz (BME MIT)
BUDAPESTI MŰSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEMMÉRÉSTECHNIKA ÉS INFORMÁCIÓS RENDSZEREK TANSZÉK
2
FIZIKAI HÁTTÉR ÉS FELHASZNÁLÁS
Kozmikus, nagyenergiájú részecskék (sugárzás) detektálása egyre fontosabb (űrkorszak, űrturizmus)
Sugárzás hatása az emberi szervezetrenem elhanyagolható
Földön: sugárterhelés 17%-a kozmikuseredetű (a Föld mágneses tere még véd)
Űrben (űrutazás, űrséták): nincs természetes védelem
3
FELMERÜLŐ KÉRDÉSEK
Felmerülő kérdések: Milyen részecskékből áll a sugárzás (energia,
tömeg, töltés)? Mekkora a dózis? Mik a hatások (rövid és hosszú távú)?
Válasz: Meg kellene mérni (lehetőleg helyben)!
Megoldás: Szilárdtest nyomdetektorok (CR-39)
4
DETEKTOROK ANALIZÁLÁSA
• Részecskék romboló hatásának kihasználása
Előfeldolgozás (maratás)
5
AMIT TUDUNK…
Az intenzitásképekről egyértelműen lehet következtetni a részecske fajtájára, energiájára
A részecske „nyom” felszínnel párhuzamos metszete egy ellipszis
Az ellipszis paramétereiből és a részecske „nyom” más adataiból (hossz, mélység…) kiszámítható az energia
6
IMAN 2.0, PROBLÉMAFELVETÉS
Általános képfeldolgozó szoftver
Alapvető képfeldolgozási eszközök és eljárások megtalálhatók benne
Hiányosságok: kozmikus részecske specifikus, magas szintű
feldolgozás (és a speciális esetek kezelése) háttérdetektálás magasabb szintű megoldása
Cél: algoritmusok létrehozása ezek kezelésére (az algoritmusok bemenete az IMAN kimenete)
7
KONKRÉT PROBLÉMÁK
Összetett (egymást fedő) részecske nyomok szétválasztása
„Csepp” alakú részecske nyomok kezelése
Háttér egyenetlenségeinek kiküszöbölése
8
BELSŐ GÖRBÜLET
Második derivált (meredekség változás) Kontúroknál: iránytangens változás (relatív) Előjeles formájával meghatározhatók a konvex
és konkáv szakaszok Simított körvonalra igen robusztusan működik
9
LENYOMAT (SIGNATURE)
A körvonal egy reprezentációja Csökkenti az eredeti probléma dimenzióját
(2D1D) Pl.: egy kitüntetett ponttól vett távolság és a
bezárt szög függvénye
10
LENYOMAT (SIGNATURE)
Saját lenyomat készítése: csepp alakú nyom középtengelyének
megkeresése körvonalpontok távolságának ábrázolása közelítése 4-ed fokú függvénnyel illeszkedés minősége (hibája) jellemzi az alakot
11
ALGORITMUSOK
Összetett nyomok szétválasztása: Belső görbület a körvonal minden pontjára Hu-paraméterek a konvex szakaszokra A kiválogatott konvex szakaszokra ellipszisek
illesztése Csepp alakú nyomok:
Saját lenyomat készítése Azonosított nyomokra ellipszis illesztés
12
13
14
15
16
17
18
19
20
21
22
23
24
HÁTTÉRDETEKTÁLÁS
Adaptív módszer N db képből határozzuk meg minden pixelre
a háttérintenzitás értékét Egy pixel háttérintenzitása az adott pixelhez
tartozó értékek (N db) mediánja lesz Új kép beérkezésekor a pixelértékeket
frissítjük a legutóbbi N darabra (adaptivitás) A küszöbözés ez alapján minden pixelre
külön történik Ezzel kiküszöbölhető:
megvilágítás egyenetlensége megvilágítás változása a felvételek között
25
IMPLEMENTÁCIÓ ÉS TESZTELÉS
MATLAB 7.7(fájlbeolvasás, algoritmusok, eredmény megjelenítők)
Tesztadatok: előzőleg, szakemberek által kiértékelt detektorok képei és statisztikái
Tesztelés célja: az algoritmusok helyességének, használhatóságának ellenőrzése
26
TESZTEREDMÉNYEK
Ellipszis alakú nyom
Összetett nyom
Összes nyom
Etalon 1012 81 1179
Algoritmus 1000 76 1157
Összetett nyomok szétválasztása1. teszt (labor detektor)
Pontosság: 98%
Ellipszis alakú nyom
Összetett nyom
Összes nyom
Etalon 318 87 492
Algoritmus 285 63 388Pontosság: 79%
2. teszt (űrdetektor)
27
TESZTEREDMÉNYEK
Pontosság: 68%
képfeldolgozás lépéseiben is van hiba (15%)
hamis negatív eredmények minimalizálása ↔ igaz pozitív eredmény is romlik
Csepp nyom Nem csepp nyom
Összesen
Etalon 90 59 149
Algoritmus 51 50 101
Csepp alakú nyomok azonosítása (űrdetektor)
28
ÉRTÉKELÉS
Mindkét algoritmus működőképes (az irány jó)
Cseppek felismerése nem elég robusztus
Összetett nyomok szétválasztásából az összes részecske 25%-a származik, és az össznyomszám 10%-a csepp alakú nyom
fontos az algoritmusok helyes működése(már most sokat számít)
Futási idők: képmezőnként 15ms - 30ms (kielégítő)
29
KITEKINTÉS, FEJLESZTÉSI LEHETŐSÉGEK
Algoritmusok tökéletesítése további leírók bevonásával, kombinálásával (komponens analízis?)
Előfeldolgozási lépések (IMAN makro) felülvizsgálata, finomítása
IMAN programcsomagba való integrálás (Real-Time feldolgozás)
Kezelői felület kialakítása, az algoritmusok vizualizálásához, paraméterezéséhez
30
„SIC ITUR AD ASTRA”(„ÍGY JUTUNK A CSILLAGOKIG”)
Köszönöm a figyelmet!