Otimização de Restauração de Imagens Empregando o Funcional de Tikhonov Paralelizado com Cuda Aplicado à Microscopia de Força Atômica
Autores
|
5771 |
Klaus Natorf Quelhas
|
2662,347,2663
|
|
5772 |
2662,347,2663
|
|
|
5773 |
Geraldo Antonio Guerrera Cidade
(Co-orientador) |
2662,347,2663
|
Informações:
Publicações do PESC
A técnica de Microscopia de Força Atômica permite a aquisição de imagens em escala nanométrica de praticamente qualquer superfície nãoo-condutora ou biológica, ao contrário de outras técnicas pertencentes à família de Microscopia de Varredura por Sonda, que somente permitem a análise de amostras condutoras. Contudo, dependendo das dimensões da amostra a imagem obtida está sujeita a ser degradada por ruído externo (elétrico e mecânico), levando a baixas relações Sinal/Ruído, além de borramento devido à geometria da ponteira de medição, o que torna necessário o uso de técnicas de restauração de imagens para a correta visualização das amostras.
Esta dissertação apresenta uma proposta de otimização do algoritmo de restauração de imagens de Microscopia de Força Atômica baseado no funcional de regularização de Tikhonov, bem como uma proposta de paralelização da execução deste algoritmo através do uso de Graphics Processing Units (GPU) e da arquitetura Compute Unified Device Architecture (CUDA), comparando o desempenho destes com os obtidos usando abordagens anteriores. Neste trabalho também é apresentada uma ferramenta para visualização de imagens a partir dos dados de medições do microscópio, empregando abordagens serial e paralela.
The Atomic Force Microscopy technique allows the acquisition of nanometric scaled images of virtually any non-conductive or biological surface, in opposite to other techniques that belongs to the Scanning Probe Microscopy family, which allows only the analysis of conductive samples. However, depending on the dimensions of the sample, the resulting image maybe degraded due to external electronic or mechanical noises, leading to low Signal/Noise ratios. In addition there maybe blurring caused by the microscope’s tip geometry, which makes necessary the use of image restoration techniques in order to correctly represent the sample.
This dissertation proposes an optimization of the Atomic Force Microscopy image restoration algorithm based on the Tikhonov’s regularization functional, as well as a parallelization of this algorithm through the use of Graphics Processing Units (GPU) and Compute Unified Device Architecture (CUDA).We compare our performances to the ones obtained by previous approaches. In this work it is also presented a tool for display of images from the microscope’s measurement data, using serial and parallel approaches.