Az előadás letöltése folymat van. Kérjük, várjon

Az előadás letöltése folymat van. Kérjük, várjon

M IKROSZKOPIKUS MÉRETŰ PARTIKULUMOK MORFOLÓGIAI PARAMÉTEREINEK MÉRÉSE Készítette: Pálfalvi József Konzulens: Eördögh Imre (MTA MFA) Tanszéki konzulens:

Hasonló előadás


Az előadások a következő témára: "M IKROSZKOPIKUS MÉRETŰ PARTIKULUMOK MORFOLÓGIAI PARAMÉTEREINEK MÉRÉSE Készítette: Pálfalvi József Konzulens: Eördögh Imre (MTA MFA) Tanszéki konzulens:"— Előadás másolata:

1 M IKROSZKOPIKUS MÉRETŰ PARTIKULUMOK MORFOLÓGIAI PARAMÉTEREINEK MÉRÉSE Készítette: Pálfalvi József Konzulens: Eördögh Imre (MTA MFA) Tanszéki konzulens: Dr. Dobrowiecki Tadeusz (BME MIT) BUDAPESTI MŰSZAKI ÉS GAZDASÁGTUDOMÁNYI EGYETEM MÉRÉSTECHNIKA ÉS INFORMÁCIÓS RENDSZEREK TANSZÉK

2 F IZIKAI HÁTTÉR ÉS FELHASZNÁLÁS Kozmikus, nagyenergiájú részecskék (sugárzás) detektálása egyre fontosabb (űrkorszak, űrturizmus) Sugárzás hatása az emberi szervezetre nem elhanyagolható Földön: sugárterhelés 17%-a kozmikus eredetű (a Föld mágneses tere még véd) Űrben (űrutazás, űrséták): nincs természetes védelem 2

3 F ELMERÜLŐ 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) 3

4 D ETEKTOROK ANALIZÁLÁSA Részecskék romboló hatásának kihasználása Előfeldolgozás (maratás) Fénymikroszkópos felvételek előfeldolgozása (zajszűrés, szegmentálás…) Képek előfeldolgozása Intelligens algoritmusok Részecske analízis Képek elemzése Összegzés Kiértékelés Statisztikák, információk kinyerése 4

5 A MIT 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 5

6 IMAN 2.0, P ROBLÉMAFELVETÉS 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) 6

7 K ONKRÉT PROBLÉMÁK Összetett (egymást fedő) részecske nyomok szétválasztása „Csepp” alakú részecske nyomok kezelése Háttér egyenetlenségeinek kiküszöbölése 7

8 B ELSŐ GÖRBÜLET Második derivált (meredekség változás) Kontúroknál: iránytangens változás (relatív) Előjeles formájával meghatározhatók a konvex és konkáv szakaszok Simított körvonalra igen robusztusan működik 8

9 L ENYOMAT ( SIGNATURE ) A körvonal egy reprezentációja Csökkenti az eredeti probléma dimenzióját (2D  1D) Pl.: egy kitüntetett ponttól vett távolság és a bezárt szög függvénye 9

10 L ENYOMAT ( SIGNATURE ) Saját lenyomat készítése: csepp alakú nyom középtengelyének megkeresése körvonalpontok távolságának ábrázolása közelítése 4-ed fokú függvénnyel illeszkedés minősége (hibája) jellemzi az alakot 10

11 A LGORITMUSOK 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 11

12 12

13 13

14 14

15 15

16 16

17 17

18 18

19 19

20 20

21 21

22 22

23 23

24 H ÁTTÉRDETEKTÁLÁS 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 24

25 I MPLEMENTÁCIÓ 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 25

26 T ESZTEREDMÉNYEK Ellipszis alakú nyom Összetett nyomÖsszes nyom Etalon Algoritmus Összetett nyomok szétválasztása 1. teszt (labor detektor) Pontosság: 98% Ellipszis alakú nyom Összetett nyomÖsszes nyom Etalon Algoritmus Pontosság: 79% 2. teszt (űrdetektor)

27 T ESZTEREDMÉNYEK 27 Pontosság: 68% képfeldolgozás lépéseiben is van hiba (15%) hamis negatív eredmények minimalizálása ↔ igaz pozitív eredmény is romlik Csepp nyomNem csepp nyomÖsszesen Etalon Algoritmus Csepp alakú nyomok azonosítása (űrdetektor)

28 É RTÉKELÉS 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 28 fontos az algoritmusok helyes működése (már most sokat számít) Futási idők: képmezőnként 15ms - 30ms (kielégítő)

29 K ITEKINTÉS, 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 29

30 „S IC I TUR AD A STRA ” („Í GY JUTUNK A CSILLAGOKIG ”) 30 Köszönöm a figyelmet!


Letölteni ppt "M IKROSZKOPIKUS MÉRETŰ PARTIKULUMOK MORFOLÓGIAI PARAMÉTEREINEK MÉRÉSE Készítette: Pálfalvi József Konzulens: Eördögh Imre (MTA MFA) Tanszéki konzulens:"

Hasonló előadás


Google Hirdetések