Программный комплекс для анализа данных трековых детекторов методами распознавания образов и его применение в физике высоких энергий, элементарных частиц и космических лучей Специальность 01. 04. 01 приборы и методы экспериментальной физики

Вид материала

Автореферат диссертации

Содержание В Объединённый Институт ядерных исследований, г. Дубна. едущая организация Общая характеристика работы Цели и задачи работы. Научная новизна. Научное и практическое значение работы Личный вклад автора в проведённое исследование. Основные положения и результаты, выносимые на защиту. Апробация результатов работы. Общая структура работы. Содержание работы Во второй главе В третьей главе Изображения в эмульсиях экспериментов EMU-15 и OPERA Изображения в пластиковых детекторах эксперимента "Энергия плюс трансмутация" Обработка изображений релятивистских ядер в толстослойных эмульсиях. Обработка изображений взаимодействия ядер He Обработка изображений следов частиц в оливинах из метеоритов. В четвёртой главе Во второй части главы В третьей части главы ... Полное содержание

Подобный материал:

• Темы курсовых работ по физике высоких энергий для студентов 2 курса на кафедре физики, 9.7kb.
• Компьютерное моделирование фоновых условий в эксперименте gerda и радиационной обстановки, 318kb.
• Спецкурс для студентов 5 го курса Объем учебной нагрузки: 96 час лекции, 77.95kb.
• Отчет по исследованиям, проведенным в Лаборатории экспериментальной физики высоких, 1736.85kb.
• Научно-исследовательская работа по направлениям, темам Физика элементарных частиц,, 1378.62kb.
• Микрополосковые резонаторы и их применение для исследований диэлектрических свойств, 401.9kb.
• Программа по дисциплине "Распознавание образов/(по выбору)" для подготовки студентов, 89.53kb.
• Программа дисциплины дпп. Ф. 02 «Основы теоретической физики. Физика атомного ядра, 222.48kb.
• Темы курсовых работ на кафедре компьютерных методов в физике для студентов 2-го курса, 203.96kb.
• Микростриповые детекторы широко используется в различных областях экспериментальной, 9.7kb.

Учреждение Российской академии наук

ФИЗИЧЕСКИЙ ИНСТИТУТ им. П.Н.ЛЕБЕДЕВА РАН


На правах рукописи

УДК 539.1.07, 524.1, 539.1.05


Старков Николай Иванович


Программный комплекс для анализа данных трековых детекторов методами распознавания образов и его применение в физике высоких энергий, элементарных частиц и космических лучей


Специальность 01.04.01 – приборы и методы экспериментальной физики


АВТОРЕФЕРАТ

диссертации на соискание ученой степени

доктора физико-математических наук


Москва 2010




Работа выполнена в Учреждении Российской академии наук Физическом институте им. П.Н. Лебедева РАН.


О
Доктор физико-математических наук,

профессор Улин С.Е., Московский инженерно-физический институт (Государственный университет)


Доктор физико-математических наук,

профессор Галкин В.И., Научно-исследовательский институт ядерной физики им. Скобельцина МГУ


Доктор физико-математических наук, Мухамедшин Р.А., Институт ядерных исследований РАН

фициальные оппоненты:


В
Объединённый Институт ядерных исследований,

г. Дубна.
едущая организация:


Защита состоится __27___ сентября 2010 года в __12___ часов

на заседании специализированного ученого совета Д 002.023.02 Физического института имени П.Н.Лебедева РАН

по адресу: 119991 Москва, Ленинский проспект, 53.


С диссертацией можно ознакомиться в библиотеке ФИАН.


Автореферат диссертации разослан _____ мая 2010 года.







ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ


Актуальность темы.

В данной работе представлен программный комплекс для анализа данных методом распознавания образов (МРО) и результаты его применения при обработке экспериментальных материалов, полученных с использованием твёрдотельных трековых детекторов (ТТД) и для определения характеристик релятивистских заряженных частиц в детекторах черенковского излучения (Ring Imaging Cherenkov detector - RICH-детекторы).

Актуальность данной работы обусловлена важностью проблемы автоматизации обработки данных экспериментов с трековыми детекторами. Трековые детекторы широко используются в экспериментах по физике частиц на протяжении уже многих десятилетий, что связано с их уникальным пространственным разрешением и возможностью разделения треков частиц. Так, например, ни один из применяемых сейчас детекторов элементарных частиц не может обеспечить пространственное разрешение, которое дает ядерная эмульсия: при размере зерна 0.3 – 1 мкм, отклонение зерен от восстановленной траектории движения частицы в среднем не превышает 0.8 мкм, а при определенных условиях может быть уменьшено до 0.2 мкм. Таким образом, трековые детекторы имеют ряд преимуществ перед многими другими системами детектирования. Метод трековых детекторов непрерывно развивается, совершенствуется его методика и в настоящее время он используется в физике высоких энергий, в физике космических лучей, реакторной физике, металлургии, геологии, археологии, медицине, биологии, исследованиях метеоритов и образцов лунных пород.

Одним из недостатков ТТД является то, что просмотр больших площадей детекторов, как правило, с большим увеличением представляет собой достаточно сложную техническую проблему. Обработка данных трековых детекторов, проводившаяся оператором на оптических микроскопах вручную, требовала огромных затрат труда и времени.

В последние годы этот недостаток в значительной мере был преодолен благодаря прогрессу, который достигнут в производстве прецизионной техники, и созданию оптических столов с высокой точностью перемещения по командам от компьютеров, широкому применению современных приборов с зарядовой связью (CCD-камеры) для регистрации и оцифровывания оптических изображений и вычислительным возможностям современных компьютеров. Благодаря применению этих достижений прецизионной механики, возможностям средств вычислительной техники и разработке необходимого программного математического обеспечения стала реальностью полная автоматизация труда микроскопистов. При измерениях в таком автоматическом режиме оцифрованные изображения следов заряженных частиц и ядер в трековых детекторах, полученные при помощи CCD-камер, вводятся в компьютеры, математическое обеспечение которых позволяет производить поиск, распознавание и изучение треков, восстанавливать их пространственное положение. Такие автоматизированные системы уже существуют во многих странах, в частности, в Японии, Италии, Швейцарии (эксперименты CHORUS, OPERA, DONUT).

С 2000 года успешно работает, созданный в ФИАН'е комплекс ПАВИКОМ – Полностью АВтоматизированный Измерительный КОМплекс, в состав которого входят два микроскопа. Изначально комплекс создавался для обработки данных эксперимента EMU-15, в котором эмульсионная камера, включающая свинцовую мишень толщиной 0,4 мм и 38 слоёв фотоэмульсии, облучалась пучком ядер свинца с энергией 158 ГэВ/нуклон.

Универсальность и широкие возможности использованного при создании комплекса оборудования позволили значительно расширить круг решаемых экспериментальных задач. т.е. была реализована возможность обработки разных по своей природе ТТД: фотоэмульсий, пластиков и других твердотельных трековых детекторов. К настоящему времени ПАВИКОМ успешно использовался для анализа данных 9 экспериментов с ТТД. Такая широта охвата различных направлений исследований на ПАВИКОМ требует постоянной доработки программного обеспечения и делает невозможным использование одного программного пакета для всех задач. Основная причина такого подхода связана с тем, что не существует универсальных алгоритмов, применимых для одновременной обработки всех типов изображений, в том числе снимков следов частиц в ТТД различной природы. Это обусловлено большим разнообразием геометрических форм и комбинаций фигур, образуемых следами элементарных частиц в разных материалах, через которые они проходят. В то же время представляется нерациональным создавать множество узкоспециализированных программ по обработке материала каждого отдельного эксперимента.

Именно поэтому была поставлена задача разработки гибкой системы по автоматизированной обработке данных широкого спектра экспериментов с использованием трековых детекторов. Такая система была разработана и реализована автором в виде программного комплекса (ПК) блочно-модульного типа на основе применения метода распознавания образов.


Цели и задачи работы. Целью данной работы было создание универсального ПК для анализа данных трековых детекторов методом распознавания образов и его применение в физике высоких энергий, элементарных частиц и космических лучей. Разработанный ПК успешно используется на многоцелевой установке ПАВИКОМ для автоматизированной обработки данных разнообразных эмульсионных и твёрдотельных детекторов, что фактически сделало установку ПАВИКОМ уникальной.

К настоящему времени на ПАВИКОМ успешно обрабатываются данные, полученные в 9 экспериментах. Каждый из этих экспериментов нацелен на получение важных физических сведений о характеристиках взаимодействий элементарных частиц и ядер при релятивистских энергиях. Объем данных, требующих просмотра и анализа, составлял десятки тысяч изображений. Достигнутая высокая эффективность работы комплекса ПАВИКОМ стала возможной исключительно благодаря автоматизации обработки больших массивов информации.

Таким образом основным результатом данной работы является разработка, создание и применение ПК, позволяющего достаточно просто компоновать специализированные пользовательские программы, способные в автоматическом режиме обрабатывать изображения следов частиц в разных типах ТТД. Результаты, полученные при анализе данных конкретных экспериментов, продемонстрировали высокую эффективность его работы.

В рамках данного ПК, кроме того, была реализована распознающая система, основанная на применении искусственных нейронных сетей. Результаты по обработке изображений RICH-детектора показали её преимущество при определении характеристик космических частиц высоких энергий по сравнению с обычными методами обработки.


Достоверность полученных результатов обусловлена применением современных методов программирования, основанных на объектно-ориентированном подходе к построению программ, и использовании основных принципов и алгоритмов методов распознавания образов, а также современных математических методов обработки результатов. Достоверность также подтверждена соответствием полученных результатов и независимых измерений.


Научная новизна. Разнообразие геометрических форм и комбинаций фигур, образуемых следами частиц в трековых детекторах, приводит к невозможности обработки их изображений с помощью одной программы. Чтобы преодолеть эту трудность и в то же время автоматизировать обработку такого разнообразного набора объектов наиболее оптимальным образом, соответствующее программное обеспечение было реализовано в виде ПК, состоящего из отдельных функциональных блоков. Каждый из этих блоков отвечает за определённый вид обработки и соответствует одному из её этапов. Пользовательский вариант программы собирается из этих блоков в зависимости от характеристик, требуемых от неё, и дополняется программными элементами, связывающими отдельные блоки в единую программу.

Другим важным свойством ПК является его возможность обрабатывать в автоматическом режиме большие массивы изображений (до нескольких тысяч) в одном сеансе. Однако при обработке таких массивов очень часто приходится иметь дело с изображениями очень разными по своим характеристикам. Например, следы треков в толстослойных эмульсиях сильно меняются в зависимости от того, как близко от поверхности плёнки они расположены. Это связано с неравномерностью проявки эмульсии по толщине. Такая ситуация потребовала выработки специальных алгоритмов обработки изображений, которые в зависимости от качества конкретного изображения автоматически настраивают программу на условия, являющиеся оптимальными в данной ситуации.

В ходе работы над рассматриваемым ПК были также разработаны другие оригинальные алгоритмы, в частности, позволяющие проводить классификацию треков, в зависимости от особенностей геометрических и других характеристик следов частиц в материале. При появлении треков с новыми характеристиками созданная система может быть дополнена соответствующими алгоритмами и таким образом носит открытый характер и допускает расширение и развитие применительно к новым задачам и условиям обработки.

Особенности изображений детекторов некоторых экспериментов потребовали создания специальных блоков, использующих более сложные подходы: нейронные сети и метод нечётких множеств.


Научное и практическое значение работы определяется актуальностью задачи по обработке данных в физике высоких энергий, элементарных частиц и космических лучей. Особенностью разработанного ПК является возможность создавать программные пакеты на основе функциональных модулей, каждый из которых может воспроизводить определённые этапы обработки изображений и анализа треков с учётом особенностей конкретной задачи.


Внедрение результатов работы заключалось в создании пользовательских программ, построенных на основе блоков ПК, для автоматизированной обработки результатов измерений конкретных экспериментов. На основе работы этих программ получены следующие результаты:

• проведён анализ треков космических частиц в оливинах из метеоритов и получены зарядовые распределения тяжёлых и сверхтяжёлых ядер в оливине;
  
• исследована структура нейтроноизбыточного ядра ⁶Не и подтверждено существование динейтронной конфигурации в нём и её важная роль в процессах рассеяния;
  
• таблицы ядерных уровней ядра ¹⁶¹Ho дополнены новыми, ранее неизвестными линиями;
  
• разработана и апробирована методика измерения зарядов в толстослойных фотоэмульсиях;
  
• создана программа по измерению потоков нейтронов в эксперименте "Энергия плюс трансмутация". Использование метода нечётких множеств позволило проводить измерения в условиях больших загрузок;
  
• создана программа с использованием нейронных сетей для анализа изображений RICH-детектора. Показано преимущество данного подхода по сравнению с обычными методами.
  

Важным достоинством данного ПК является также то, что он не "привязан" жёстко к установке ПАВИКОМ и при необходимости может быть использован при обработке данных на других установках или просто для выделения на изображениях объектов, имеющих характерные признаки.


Личный вклад автора в проведённое исследование.

Автором был создан универсальный, блочно-модульного типа ПК для ПАВИКОМ. При этом автор разработал общую структуру ПК и системный подход к разбиению его на блоки, были созданы наборы классов для описания отдельных элементов структуры, пользовательские программы и получены результаты при обработке данных экспериментов по физике элементарных частиц и космических лучей.


Основные положения и результаты, выносимые на защиту.


I. Программный комплекс (ПК) блочно-модульного типа, созданный по принципу объектно-ориентированных систем для обработки изображений на основе метода распознавания образа, имеющий следующую структуру:

1. Блок, включающий операции с графическими файлами различных форматов и с видеопамятью компьютера для работы с автоматизированным микроскопом.
   
2. Блок обработки изображений, включающий следующие разделы.
   

• Алгоритмы линейных преобразований изображений (градиентные, Лапласа, сглаживающие и т.д.).
  
• Алгоритмы нелинейных преобразований изображений (медианные фильтры, повышение контраста и яркости, логические операции и т.д.).
  
• Операции с гистограммой почернений (аппроксимация пиков несколькими функциями Гаусса, алгоритмы поиска порога отсечения фона, автоматизированная оценка качества изображений).
  
• Операции по выделению кластеров треков и элементов треков частиц как самостоятельных объектов. Комплект классов для хранения информации о кластерах и их наборах.
  
• Процедуры определения характеристик кластеров.
  

3. Блок операций по поиску треков, вершин взаимодействия и их характеристик для экспериментальных задач по физике высоких энергий, элементарных частиц и космических лучей. Комплект классов для хранения информации о треках.
   
4. Блок математических операций, содержащий:
   

• Комплект классов элементарных геометрических объектов в двух- и трёх мерном пространстве - точки, прямые линии и операции с ними.
  
• Алгоритм минимизации функционала на основе алгоритма Нелдера-Мида и набор классов для аппроксимации точек методом наименьших квадратов (аппроксимация наборов точек функциями Гаусса и Ландау, аппроксимация набора точек прямыми на плоскости и в пространстве с учётом возможных выбросов, аппроксимация произвольными функциями и т.д.).
  

5. Блок визуализации. Графическое представление результатов работы ПК в виде последовательности точек, кривых, гистограмм и поверхностей.
   
6. Блок нейронной сети Хопфилда с обратным распространением ошибки (обучение и рабочий режим).
   

II. Программы пользовательского типа, разработанные на основе ПК, и результаты их применения для обработки экспериментальных данных фотоэмульсионных экспериментов:

• Исследование структуры нейтроноизбыточных ядер.
  
• Измерения зарядов релятивистских ядер в толстослойных эмульсиях.
  
• Изучение структуры уровней возбуждения ядер на основе анализа спектра электронов внутренней конверсии.
  

III. Результаты исследования характеристик частиц в твёрдотельных детекторах:

• потоки нейтронов в эксперименте "Энергия плюс трансмутация" в условиях малой и большой загрузок с использованием теории нечётких множеств.
  
• Зарядовый состав тяжёлых и сверхтяжёлых ядер космических лучей в оливинах из метеоритов.
  

IV. Программа, реализующая работу нейронной сети, для обработки данных RICH-детектора, являющаяся более эффективной по сравнению с другими методами при определении характеристик космических ядер.


Апробация результатов работы.

По теме диссертации опубликовано 77 работ в отечественных и зарубежных журналах: "Nuclear Instrument&Methods in Physics Research", "European Physical Journal", "Few-Body Systems", "Приборы и техника эксперимента", "Доклады Академии наук", "Radiation Measurements", "Известия РАН", "Письма в ЖТФ", "Вестник Отделения наук о Земле РАН", "Математическое моделирование" и др.


Результаты, полученные при анализе данных, неоднократно обсуждались на российских и международных конференциях и рабочих совещаниях. В частности, материалы диссертации докладывались на:

4^th и 5^th Conference on Nuclear and Particle Physics (2003, Fayoum, Egypt);

54 Международном совещании по ядерной спектроскопии и структуре атомного ядра (Белгород, 2004);

“Channeling 2004" – International Conference on Charged and Neutral Particles Channeling Phenomena (2004, Frascati, Italy);

LV National Conference on Nuclear Physics “Frontiers in the Physics of Nucleus” (2005, Saint-Petersburg):

International Conference Nuclear Physics and Atomic Energy (NPAE-2006, Киев);

23^rd International Conference on Nuclear Tracks in Solids; (Beijing, China 2006);

56 Международной конференции по проблемам ядерной спектроскопии и структуре атомного ядра (2006, г. Саров);

Международной конференции “Current problems in nuclear physics and atomic energy” (NPAE-Kyiv 2006);

20^th European Conference on Few-Body Problems in Physics (Pisa, Italy, 2007);

6^th International Conference on Nuclear and Particle Physics (2007, Luxor, Egypt);

XXXVI Lunar and Planetary Science Conference (2007, League City, Texas);

18 международной конференции «Взаимодействие ионов с поверхностью», ВИП-2007, (2007 г., Звенигород, Россия);

7^th International Conference on Radioactive Nuclear Beams (2006, Cortina d'Ampezzo, Italy);

VIII Международной конференции «Физико-химические и петрографические исследования в науках о Земле» (Москва, 2007 г.);

38^th, 39^th и 40^th Lunar and Planetary Science Conference, (Houston, USA 2007, 2008, 2009);

30-й Всероссийской конференции по космическим лучам (2008 г., Санкт-Петербург);

9^ой Международной конференция «Физико-химические и петрофизические исследования в науках о Земле» (Москва, 2008 г.);

24^th International Conference on Nuclear Tracks in Solids (Bologna, Italy, 2008);

Conference CAMMAC (COMETS, ASTEROIDS, METEORS, METEORITES, ASTROBLEMS, CRATERS) (Украина, г. Винница, 2008);

XIX Международной конференции "Взаимодействие ионов с поверхностью" (ВИП-2009);

72 Annual Meeting of the Meteoritical Society (Nancy, France, 2009);


Общая структура работы. Диссертация состоит из восьми глав, в том числе Введение, Заключение и Приложение, содержит 167 страниц текста, 130 рисунков и список литературы из 162 наименований.


СОДЕРЖАНИЕ РАБОТЫ


Во введении описана современная ситуация в физике элементарных частиц, связанная с использованием твердотельных трековых детекторов (ТТД) в экспериментах, типы детекторов, методы обработки и анализа данных. Показаны преимущества ТТД по сравнению с другими типами детекторов. Приведены аргументы в пользу использования гибридных детекторов, объединяющих твёрдотельные детекторы и различные электронные системы для получения целеуказания и локализации области поиска треков в детекторе. Проанализирована современная ситуация с обработкой данных трековых детекторов в автоматическом режиме. На конкретных примерах показано, что практически все установки с автоматизированной системой обработки ТТД являются узкоспециализированными, позволяющими производить обработку данных только одного конкретного эксперимента, для которого они создавались. В этом смысле комплекс ПАВИКОМ - уникальная установка, поскольку является прибором многоцелевого назначения, успешно используемым для обработки самых разных твёрдотельных трековых детекторов: фотоэмульсии, пластика, рентгеновской плёнки, минералов. Очевидно, что при таком подходе к обработке данных на ПАВИКОМ ПК для автоматизированной обработки должен иметь гибкую структуру, которая позволяла бы перенастраивать её в случае необходимости анализировать треки с новым набором характеристик.


Во второй главе даётся краткое описание ПАВИКОМ и его системы управления, которая включает несколько блоков и отвечает за режимы движения микроскопа относительно изучаемого объекта и способы считывания и захвата изображений. Поскольку треки частиц представляют собой пространственные объекты внутри объема детектора, режим движения должен предусматривать достаточно сложную траекторию движения микроскопа по всем трём осям.

ПАВИКОМ – установка многоцелевого назначения, поэтому в этой главе приводятся примеры изображений следов частиц в экспериментах с различными твёрдотельными детекторами, которые обрабатываются на установке ПАВИКОМ. Эти примеры позволяют понять качественное различие в характеристиках треков и необходимость проводить их анализ на основе разных по составу наборов признаков.

В связи с тем, что анализ треков производится на основе широкого спектра характеристик следов частиц, разработка ПК велась с применением метода распознавания образов. В данной главе приводится краткое описание этого метода, существующих в нём понятий и приёмов.

Анализ изображений и обнаружение на них объектов с определенным набором характеристик разбивается на несколько этапов. Основными из них являются следующие:


1. Предварительная обработка изображений. Цель этого этапа - провести такое преобразование исходного изображения, чтобы, по возможности, отделить фон и помехи от анализируемых объектов.

2. Кластеризация – выделение анализируемых областей изображения (кластеров) как самостоятельных объектов и определение их характеристик.

3. Анализ кластеров и классификация отобранных объектов в соответствии с выбранным пространством признаков, распределение их по группам, исключение оставшихся помех.

4. Содержательный анализ полученных объектов и их групп. Получение физических результатов.


Одним из важнейших этапов обработки изображений является их предварительная обработка с целью выявить различие между фоном и искомыми объектами и сделать его по возможности более резким. Изображения, обрабатываемые на компьютере, имеют, как правило, форму прямоугольника, состоящего из многочисленных мелких прямоугольников, называемых пикселами. Их количество по вертикали и горизонтали характеризует разрешение изображения. Каждый пиксел, в свою очередь, характеризуется яркостью и цветом. Преобразования изображений сводятся к изменениям свойств пикселов. Большинство алгоритмов такого преобразования обычно называются фильтрами, так как многие из соответствующих методов и алгоритмов используют приёмы, разработанные для обработки электрических и акустических сигналов, когда с помощью специальных устройств отсекаются или ослабляются те или иные частоты колебаний.

В данной главе рассматриваются методы преобразования изображений, которые могут быть разбиты на три категории в зависимости от затрагиваемых областей: глобальная, локальная и точечная. При глобальных преобразованиях новое значение пиксела зависит от значений всех пикселов изображения, при локальном только от значений в некоторой его окрестности. При точечном преобразовании учитывается только значение текущего пиксела. В частности, приводятся сведения об использовании различных методов устранения помех и коррекции изображений таких, как сглаживающие, градиентные и нелинейные фильтры, а также нелинейные преобразования яркости и контрастности.

Приведены приёмы устранения аппаратных помех: неравномерность фона, наличие темных пятен с фиксированным положением на изображении и искажения за счёт недостатков оптической системы.

Важной характеристикой при обработке изображений является гистограмма почернений, которая показывает, сколько пикселов определённой степени почернения имеется на изображении. Её важность определяется несколькими обстоятельствами.

Во-первых, по ней оценивается качество предварительной обработки. Так, исходные изображения, как правило, характеризуются нерегулярной гистограммой. После обработки она должна иметь более гладкое поведение, что отражает более чёткое разделение фона и анализируемых объектов. Пример исходной гистограммы и полученной после обработки изображения фотоэмульсии в эксперименте на пучках ⁶He показан на рисунке 1. Шкала рисунка по горизонтали содержит числа от 0 до 255, что соответствует одному байту на один пиксел изображения, причём 0 соответствует чёрным пикселам, а 255 - белым. Промежуточные значения задают различные степени градации серого цвета.

Во-вторых, гистограмма помогает в выборе порога степени почернений при отсечении фона и кластеров следов частиц. Основной пик на гистограммах обработанных изображений, как правило, содержит пикселы фона. В наших задачах анализируемые объекты (следы частиц), будучи более тёмными, как правило, находятся на левом "хвосте" гистограмм. Основная задача бинаризации заключается в отделении этих объектов от фона. Для этого левая часть гистограммы анализируется таким образом, чтобы найти уровень почернения, который наиболее эффективным образом отсекает пикселы фона и части помех. На рисунке 1 оптимальный уровень порога на гистограмме после фильтрации и усиления контраста показан стрелкой (Т^пор=101).




Рисунок 1.

Гистограмма почернений: кружок - исходное изображение, квадрат – после фильтрации, треугольник – после фильтрации и усиления контраста. Стрелка показывает порог степени почернения при бинаризации.


Решающее значение при анализе изображений играет оптимальный выбор пространства признаков, т.е. характеристик анализируемых объектов. В данной главе обсуждается процедура такого выбора на основе экспертной оценки специалистов в предметной области.

В приведённых в главе примерах изображений показано, что следы частиц в разных экспериментах отличаются по своим характеристикам настолько сильно, что их невозможно обработать в едином программном продукте. По этой причине автором был принят модульный вариант структуры ПК, в состав которого входят самостоятельные функциональные блоки, соответствующие отдельным этапам обработки изображений и которые могут быть собраны и настроены в соответствии с особенностями конкретного эксперимента. Основные блоки системы включают следующие составляющие:

1. Блок, включающий операции с графическими файлами различных форматов и с видеопамятью компьютера и видеопоцессора для работы с автоматизированным микроскопом.
   
2. Блок обработки изображений, включающий следующие разделы
   
   • Алгоритмы линейных преобразований изображений (градиентные, Лапласа, сглаживающие и т.д.)
     
   • Алгоритмы нелинейных преобразований изображений (медианные фильтры, повышение контраста и яркости, логические операции и т.д.)
     
   • Операции с гистограммой почернений (аппроксимация пиков несколькими функциями Гаусса, алгоритмы поиска порога отсечения фона, автоматизированная оценка качества изображений)
     
   • Операции по выделению кластеров треков и элементов треков частиц как самостоятельных объектов. Комплект классов для хранения информации о кластерах и их наборах.
     
   • Процедуры определения характеристик кластеров.
     
3. Блок операций по поиску треков, вершин взаимодействия и их характеристик для разных экспериментальных задач. Комплект классов для хранения информации о треках.
   
4. Блок математических операций, содержащий:
   

• Комплект классов элементарных геометрических объектов в двух- и трёх- мерном пространстве - точки, прямые линии и операции с ними .
  
• Алгоритм минимизации функционала на основе алгоритма Нелдера-Мида и набор классов для аппроксимации точек методом наименьших квадратов (аппроксимация наборов точек функциями Гаусса и Ландау, аппроксимация набора точек прямыми на плоскости и в пространстве с учётом возможных выбросов, аппроксимация произвольными функциями и т.д.).
  

5. Блок визуализации. Представление результатов работы ПК в виде последовательности точек, кривых, гистограмм и поверхностей.
   
6. Блок, выполняющий программным путём работу нейронной сети Хопфилда с обратным распространением ошибки (обучение и рабочий режим).
   

Такое деление соответствует также объектно-ориентированному подходу в программировании, принятому в языке С++, на котором разрабатывался созданный ПК. В таком представлении крупные блоки делятся на более мелкие объекты (классы), которые, в свою очередь, подразделяются на ещё более мелкие части. В итоге возникает иерархия классов, в целом воспроизводящая структуру системы в целом и связи между её отдельными частями. В каждой новой задаче собирается своя структура, отражающая особенности данной задачи.

В последующих двух главах подробно описаны наиболее важные блоки ПК и их реализация применительно к конкретным экспериментам.