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

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

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

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

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

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

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

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

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

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

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

13

14

15

16

17

18

19

20

21

22

23

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

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

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)

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)

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)

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

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