Quintero Marquina, Gustavo J. (2021) Restauración de información en mapas bidimensionales obtenidos en experimentos por dispersión de rayos X / Information restoration in two-dimensional maps obtained in X-ray scattering. Trabajo Final (CEATEN), Universidad Nacional de Cuyo, Instituto Balseiro.
![[img]](/style/images/fileicons/application_pdf.png)
| PDF (Tesis) Español 2614Kb |
Resumen en español
De cara al gran avance tecnológico que esta cambiando la forma en que vivimos, trabajamos y nos relacionamos, se encuentra subyacente el desarrollo científico en múltiples áreas del conocimiento, impulsado principalmente por un campo dentro de las ciencias de la computación que abarca el aprendizaje automático, la visión por computador y la minería de datos. El procesamiento digital de imágenes es uno de los pilares en los que se sostiene parte de este avance y desarrollo, principalmente por la obtención de imágenes digitales en áreas como la astronomía, ciencias medicas, biología, teledetección, biometría, entre otras. Surgiendo la necesidad de mejorar, clasificar, cuantificar y restaurar la información que estas proporcionan, dando así su aporte en el gran avance que estamos viviendo. Las diferentes técnicas de estudio de la estructura interna de la materia no están exceptas de esta realidad, como se muestra en el presente trabajo. Dentro del procesamiento digital de imágenes existen diferentes métodos de restauración, cuyo objetivo es mejorar una imagen en un sentido predefinido, modelando el proceso de degradación que esta sufre al momento de ser adquirida y aplicar el proceso inverso correspondiente para recuperar la imagen original. Se han adaptado diferentes métodos de restauración empleados en astronomía para microscopía, obteniendo buenos resultados y mejorando la calidad de la información obtenida en la escala mesoscópica, y es en esta escala donde ocurre el estudio de diferentes materiales nanoestructurados tales como polímeros, lms, materiales grasos, coloides, etc. Por lo que, surge la idea de aplicar estos métodos de restauración de imagen en los mapas bidimensionales obtenidos en experimentos por dispersión de rayos X a bajos ángulos (SAXS), lo que permite analizar grandes áreas de muestra y detallar sus propiedades morfológicas o bien describir los parámetros estructurales que la constituyen con una mejor precisión y un mayor peso estadístico. En el presente trabajo se implementan dos métodos de restauracion de imágenes en mapas de transmisión, absorción y dispersión obtenidos con SAXS. Logrando una mejora en la calidad de la información que estos proporcionan sobre la muestra en estudio.
Resumen en inglés
In the face of the great technological advance that is changing the way we live, work and relate to each other, scientific development is underlying in multiple areas of knowledge, mainly driven by a field within computer science that encompasses machine learning, computer vision and data mining. Digital image processing is one of the pillars on which part of this progress and development is sustained, mainly by obtaining digital images in areas such as astronomy, medical sciences, biology, remote sensing, biometrics, among others. Emerging the need to improve, classify, quantify and restore the information they provide, thus giving their contribution to the great progress we are experiencing. The different techniques for studying the internal structure of matter are not exempt from this reality, as shown in this work. Within digital image processing there are different restoration methods, whose objective is to improve an image in a predefined sense, modeling the degradation process that it suffers at the time of being acquired and applying the corresponding inverse process to recover the original image. Different restoration methods used in astronomy for microscopy have been adapted, obtaining good results and improving the quality of the information obtained at the mesoscopic scale, and it is at this scale that the study of different nanostructured materials such as polymers, films, fatty materials, colloids, etc. Therefore, the idea of applying these image restoration methods to the two dimensional maps obtained in experiments by small angle X-ray scattering (SAXS) arises, which allows analyzing large sample areas and detailing their morphological properties or describing the structural parameters that constitute it with better precision and greater statistical weight. In the present work, two image restoration methods are implemented in transmission, absorption and dispersion maps obtained with SAXS. Achieving an improvement in the quality of the information they provide on the sample under study.
| Tipo de objeto: | Tesis (Trabajo Final (CEATEN)) |
|---|---|
| Palabras Clave: | [Two-dimensional maps; Mapas bidimensionales; Image restoration; Restauración de imagen; Deconvolution; Digital image processing; Procesamiento digital de imágenes ] |
| Referencias: | [1] H. Schnablegger and Y. Singh, \The saxs guide: Getting acquainted with the principles,"Austria: Anton Paar GmbH, pp. 1-124, 2011. [2] J. S. Pedersen, \Analysis of small-angle scattering data from colloids and polymer solutions: modeling and least-squares tting," Advances in colloid and interface science, vol. 70, pp. 171-210, 1997. [3] D. da Silva Costa, C. Huck-Iriart, G. Kellermann, L. J. Giovanetti, A. F. Craievich, and F. G. Requejo, \In situ study of the endotaxial growth of hexagonal cosi2 nanoplatelets in si (001)," Applied Physics Letters, vol. 107, no. 22, p. 223101, 2015. [4] J. M. Montes-de Oca-Avalos, D. Altamura, R. J. Candal, F. Scattarella, D. Siliqi, C. Giannini, and M. L. Herrera, \Relationship between nano/micro structure and physical properties of tio2-sodium caseinate composite lms," Food Research International, vol. 105, pp. 129-139, 2018. [5] W. Alexander and C. M. Williams, Digital Signal Processing: Principles, Algorithms and System Design. Academic Press, 2016. [6] S. I. Kabanikhin, \Deffinitions and examples of inverse and ill-posed problems," Journal of Inverse and Ill-Posed Problems, vol. 16, no. 4, pp. 317-357, 2008. [7] R. Robles Arias, Deconvolución de Imágenes Bajo Multirresolucion. PhD thesis, Departamento de Matemática Aplicada I, Universidad de Sevilla, 2003. [8] R. C. Gonzalez, R. E. Woods, et al., \Digital image processing," 2018. [9] F. Orieux, J.-F. Giovannelli, and T. Rodet, \Bayesian estimation of regularization and point spread function parameters for wiener-hunt deconvolution," JOSA A, vol. 27, no. 7, pp. 1593-1607, 2010. [10] W. H. Richardson, \Bayesian-based iterative method of image restoration," JoSA, vol. 62, no. 1, pp. 55-59, 1972. [11] L. B. Lucy, \An iterative technique for the rectication of observed distributions," The astronomical journal, vol. 79, p. 745, 1974. [12] G. Van Rossum and F. L. Drake Jr, Python tutorial, vol. 620. Centrum voor Wiskunde en Informatica Amsterdam, 1995. [13] S. van der Walt, J. L. Schonberger, J. Nunez-Iglesias, F. Boulogne, J. D. Warner, N. Yager, E. Gouillart, T. Yu, and the scikit-image contributors, \scikit-image: image processing in Python," PeerJ, vol. 2, p. e453, 6 2014. [14] N. Otsu, \A threshold selection method from gray-level histograms," IEEE transactions on systems, man, and cybernetics, vol. 9, no. 1, pp. 62-66, 1979. [15] A. K. Boyat and B. K. Joshi, \A review paper: noise models in digital image processing," arXiv preprint arXiv:1505.03489, 2015. [16] V. Ixtaina, M. Capitani, S. Nolasco, and M. Tomas, \Caracterización microestructural de la semilla y el mucíelago de chia (salvia hispanica l.)," in Proc. XXVIII Congreso Argentino de Química. Buenos Aires, Argentina: Asociación Química Argentina, 2010. |
| Materias: | Ingeniería > Ciencia de los materiales |
| Divisiones: | Universidad Nacional de San Martin > Laboratorio de cristalografía aplicada |
| Código ID: | 1005 |
| Depositado Por: | Tamara Cárcamo |
| Depositado En: | 04 Feb 2022 08:27 |
| Última Modificación: | 07 Jun 2022 10:32 |
Personal del repositorio solamente: página de control del documento
