eng
Выпуск #2/2007
А.Филонов, И.Яминский.
Обработка и анализ данных в сканирующей зондовой микроскопии: алгоритмы и методы
Обработка и анализ данных в сканирующей зондовой микроскопии: алгоритмы и методы
Просмотры: 2257
Сканирующая зондовая микроскопия занимает прочные позиции в различных областях наноиндустрии. Сканирующие микроскопы успешно применяются как измерительное средство при разработке новых технологий и устройств нанометрового диапазона и при контроле за технологическими процессами изготовления подложек, микрочипов и носителей памяти, причем анализ большого количества данных – неотъемлемое требование при реализации производственных процессов.
В сканирующей зондовой микроскопии основными экспериментальными данными являются трехмерные изображения поверхности, трехмерные карты распределения различных поверхностных свойств, например, поверхностного сопротивления (сканирующая резистивная микроскопия) или распределения магнитных доменов (магнитно-силовая микроскопия). Такая визуальная информация наглядна и содержательна. В качестве примера на рис.1 представлено детальное изображение бактериальной клетки Helicobacter pillory, полученное с помощью атомно-силового микроскопа. Оно представляет значительный интерес для микробиолога и может быть использовано, в частности, при составлении атласов и определителей бактерий.
Типичное программное обеспечение обладает широким спектром возможностей. Общепринятые функции обработки, анализа и визуализации данных, имеющиеся в современных программных пакетах, представлены ниже. Имеются возможности по измерению длин, площадей и объемов наноструктур, измерению шероховатости поверхности по различным критериям, функции выбора цветовых палитр и быстрого просмотра, слайд-шоу, экспорту данных в различные форматы.
Широкие возможности по построению трехмерных изображений увеличивают наглядность и информативность. Пример трехмерного изображения биологического объекта – полувалентного вируса мятлика – приведен на рис.2*.
Если при проведении новых исследований достаточно одной визуальной информации об изучаемом нанообъекте, то на производстве более важным становится ее количественная обработка.
Типичные функции обработки данныхв сканирующей зондовой микроскопии
Обработка изображений
Обрезание изображения
Усреднение окном
Увеличение резкости
Фильтр Винера
Медианная фильтрация
Транспонирование изображения
Поворот изображения на произвольный угол
Удаление среднего наклона, рассчитанного по МНК (с помощью многочлена первого или второго порядка)
Выравнивание строк изображения по одному среднему уровню
Устранение искажений изображения, появившихся в результате гистерезиса
Линейные фильтры: градиентное преобразование, фильтр Лапласа 3x3, усреднение матрицей Гаусса 3x3
Пороговая фильтрация
Фильтрация в частотном пространстве
Сложение и вычитание изображений
Обработка силовых кривых
Преобразование силовой кривой в нормализованный вид (наклон слева, нули осей в точке контакта)
Построение кривой разделения (сила-расстояние)
Дополнительные средства анализа
Профилей (сечений)
Гистограмм
Трёхмерных изображений с различными параметрами
Преобразований Фурье
Как следствие, возникает потребность в создании автоматизированных комплексов с интеллектуальными системами управления и анализа изображений и данных.
Анализ большого количества данных – неотъемлемое свойство многих производственных процессов в наноиндустрии. Здесь во главу угла ставятся автоматизированные алгоритмы обработки данных. Реализованный авторами несложный, но эффективный алгоритм предполагает выделение объектов и их сортировку по различным параметрам: площади, средней высоте, периметру, шероховатости, форм-фактору и др. По каждому параметру можно построить гистограмму распределения и увидеть расположение объектов по поверхности. Выделение протяженных объектов с последующим измерением их длин используется при статистической обработке нитевидных наноструктур.
Функции, требующие применения специального математического аппарата
Обработка данных
Удаление крупного рельефа путём вычитания поверхности биквадратичного сплайна
Выравнивание строк изображения по одному среднему уровню, рассчитанному без учёта выделенных объектов
Выделение объектов пороговым фильтром и последующая статистическая обработка
Выделение зёрен
Выделение границ методом Канни
Выделение протяжённых объектов
Расчёт персистентной длины протяжённых объектов
Выделение ступеней на поверхности изображения (ступени роста кристаллов)
Расчёт параметров шероховатости по сечениям поверхности
Автоматический поиск прямой наклона и прямой нулевого уровня силовой кривой
Поиск параметров для персистентной модели
Расчёт параметров шероховатости кривой
Дополнительные функции
Захват изображений со сканеров и камер
Экспорт изображений в VRML формат
Запись видеофильмов с пролётом камеры над трёхмерной поверхностью
При мониторинге структуры кристаллических подложек важным представляется анализ ступеней. С этой целью разработан алгоритм автоматического поиска ступеней и замены их экстраполирующей кривой. Алгоритм позволяет определить не только шероховатость ступеней, но и другие параметры, например, корреляционную и структурную функции. Пример поиска и анализа ступеней на кристалле лизоцима проиллюстрирован на рис. 3.
Отличительной чертой современной нанотехнологии является неуклонный рост информационных потоков, обрабатываемых в сканирующей зондовой микроскопии. Если устройство создается из различных элементов нанометрового размера, то количество требуемой конструкторской, технологической и метрологической информации может возрастать пропорционально кубу его размера.
Первые сканирующие зондовые микроскопы работали с изображениями 128х128 точек, причем каждой точке изображения соответствовало определенное количество градаций цвета (8-12 бит). Современные микроскопы могут давать изображения емкостью более 100 Мбайт. В этом случае скорость и эффективность программного обеспечения становятся ключевым критерием. Пример работы с таким изображением представлен на рис. 4. Обычно используется многооконный интерфейс: в основном окне дается сжатое изображение, по которому перемещается скользящая рамка. Тот участок, который попадает в размер рамки, отображается в другом окне в увеличенном масштабе. Для этого окна могут быть применены различные методы количественного анализа – например, построение Фурье спектра и сечения вдоль выбранного направления, причем применение новейших библиотек Intel позволяет сократить время обработки массивов данных до долей секунд на обычном персональном компьютере.
Полученная авторами статистика свидетельствует, что каждый час работы на сканирующем зондовом микроскопе приводит к необходимости затратить как минимум десять часов на анализ и обработку данных, что неприемлемо в производственных условиях. Продолжительность получения и анализа данных как минимум должно совпадать, что позволит проводить мониторинг на производстве в режиме реального времени.
Технологии обработки и визуализации данных в сканирующей зондовой микроскопии непрерывно развиваются. Возможности зондовых микроскопов становятся более разнообразными, что выдвигает новые задачи и требования к программному обеспечению. В последнее время в материаловедении стало популярным силовое картирование поверхности. Суть его состоит в следующем. В каждой точке поверхности X и Y снимается силовая кривая F(X,Y,Z) – зависимость силы взаимодействия между зондом и изучаемой поверхностью от расстояния Z между ними. Обычно записываются две кривые: одна соответствует сближению зонда с поверхностью, вторая – их взаимному удалению. Получается массив кривых размером 128х128, 256х256 или 512х512. Для отображения зависимости силы F от трех координат необходимо четырехмерное представление в координатах F,X,Y,Z. Учитывая естественные ограничения современных мониторов, это можно сделать, если величину силы отображать цветом, а вся зависимость F(X,Y,Z) будет представлена в виде полупрозрачного цветного куба (рис.5). Из зависимости F(X,Y,Z) можно получить ценную информацию об адгезии, упругости и пластической деформации поверхности (рис.6).
Следует отметить также, что существенное число методов и алгоритмов, разработанных для сканирующей зондовой микроскопии, могут эффективно использоваться и в смежных областях – просвечивающей и растровой электронной и оптической микроскопии.
Типичное программное обеспечение обладает широким спектром возможностей. Общепринятые функции обработки, анализа и визуализации данных, имеющиеся в современных программных пакетах, представлены ниже. Имеются возможности по измерению длин, площадей и объемов наноструктур, измерению шероховатости поверхности по различным критериям, функции выбора цветовых палитр и быстрого просмотра, слайд-шоу, экспорту данных в различные форматы.
Широкие возможности по построению трехмерных изображений увеличивают наглядность и информативность. Пример трехмерного изображения биологического объекта – полувалентного вируса мятлика – приведен на рис.2*.
Если при проведении новых исследований достаточно одной визуальной информации об изучаемом нанообъекте, то на производстве более важным становится ее количественная обработка.
Типичные функции обработки данныхв сканирующей зондовой микроскопии
Обработка изображений
Обрезание изображения
Усреднение окном
Увеличение резкости
Фильтр Винера
Медианная фильтрация
Транспонирование изображения
Поворот изображения на произвольный угол
Удаление среднего наклона, рассчитанного по МНК (с помощью многочлена первого или второго порядка)
Выравнивание строк изображения по одному среднему уровню
Устранение искажений изображения, появившихся в результате гистерезиса
Линейные фильтры: градиентное преобразование, фильтр Лапласа 3x3, усреднение матрицей Гаусса 3x3
Пороговая фильтрация
Фильтрация в частотном пространстве
Сложение и вычитание изображений
Обработка силовых кривых
Преобразование силовой кривой в нормализованный вид (наклон слева, нули осей в точке контакта)
Построение кривой разделения (сила-расстояние)
Дополнительные средства анализа
Профилей (сечений)
Гистограмм
Трёхмерных изображений с различными параметрами
Преобразований Фурье
Как следствие, возникает потребность в создании автоматизированных комплексов с интеллектуальными системами управления и анализа изображений и данных.
Анализ большого количества данных – неотъемлемое свойство многих производственных процессов в наноиндустрии. Здесь во главу угла ставятся автоматизированные алгоритмы обработки данных. Реализованный авторами несложный, но эффективный алгоритм предполагает выделение объектов и их сортировку по различным параметрам: площади, средней высоте, периметру, шероховатости, форм-фактору и др. По каждому параметру можно построить гистограмму распределения и увидеть расположение объектов по поверхности. Выделение протяженных объектов с последующим измерением их длин используется при статистической обработке нитевидных наноструктур.
Функции, требующие применения специального математического аппарата
Обработка данных
Удаление крупного рельефа путём вычитания поверхности биквадратичного сплайна
Выравнивание строк изображения по одному среднему уровню, рассчитанному без учёта выделенных объектов
Выделение объектов пороговым фильтром и последующая статистическая обработка
Выделение зёрен
Выделение границ методом Канни
Выделение протяжённых объектов
Расчёт персистентной длины протяжённых объектов
Выделение ступеней на поверхности изображения (ступени роста кристаллов)
Расчёт параметров шероховатости по сечениям поверхности
Автоматический поиск прямой наклона и прямой нулевого уровня силовой кривой
Поиск параметров для персистентной модели
Расчёт параметров шероховатости кривой
Дополнительные функции
Захват изображений со сканеров и камер
Экспорт изображений в VRML формат
Запись видеофильмов с пролётом камеры над трёхмерной поверхностью
При мониторинге структуры кристаллических подложек важным представляется анализ ступеней. С этой целью разработан алгоритм автоматического поиска ступеней и замены их экстраполирующей кривой. Алгоритм позволяет определить не только шероховатость ступеней, но и другие параметры, например, корреляционную и структурную функции. Пример поиска и анализа ступеней на кристалле лизоцима проиллюстрирован на рис. 3.
Отличительной чертой современной нанотехнологии является неуклонный рост информационных потоков, обрабатываемых в сканирующей зондовой микроскопии. Если устройство создается из различных элементов нанометрового размера, то количество требуемой конструкторской, технологической и метрологической информации может возрастать пропорционально кубу его размера.
Первые сканирующие зондовые микроскопы работали с изображениями 128х128 точек, причем каждой точке изображения соответствовало определенное количество градаций цвета (8-12 бит). Современные микроскопы могут давать изображения емкостью более 100 Мбайт. В этом случае скорость и эффективность программного обеспечения становятся ключевым критерием. Пример работы с таким изображением представлен на рис. 4. Обычно используется многооконный интерфейс: в основном окне дается сжатое изображение, по которому перемещается скользящая рамка. Тот участок, который попадает в размер рамки, отображается в другом окне в увеличенном масштабе. Для этого окна могут быть применены различные методы количественного анализа – например, построение Фурье спектра и сечения вдоль выбранного направления, причем применение новейших библиотек Intel позволяет сократить время обработки массивов данных до долей секунд на обычном персональном компьютере.
Полученная авторами статистика свидетельствует, что каждый час работы на сканирующем зондовом микроскопе приводит к необходимости затратить как минимум десять часов на анализ и обработку данных, что неприемлемо в производственных условиях. Продолжительность получения и анализа данных как минимум должно совпадать, что позволит проводить мониторинг на производстве в режиме реального времени.
Технологии обработки и визуализации данных в сканирующей зондовой микроскопии непрерывно развиваются. Возможности зондовых микроскопов становятся более разнообразными, что выдвигает новые задачи и требования к программному обеспечению. В последнее время в материаловедении стало популярным силовое картирование поверхности. Суть его состоит в следующем. В каждой точке поверхности X и Y снимается силовая кривая F(X,Y,Z) – зависимость силы взаимодействия между зондом и изучаемой поверхностью от расстояния Z между ними. Обычно записываются две кривые: одна соответствует сближению зонда с поверхностью, вторая – их взаимному удалению. Получается массив кривых размером 128х128, 256х256 или 512х512. Для отображения зависимости силы F от трех координат необходимо четырехмерное представление в координатах F,X,Y,Z. Учитывая естественные ограничения современных мониторов, это можно сделать, если величину силы отображать цветом, а вся зависимость F(X,Y,Z) будет представлена в виде полупрозрачного цветного куба (рис.5). Из зависимости F(X,Y,Z) можно получить ценную информацию об адгезии, упругости и пластической деформации поверхности (рис.6).
Следует отметить также, что существенное число методов и алгоритмов, разработанных для сканирующей зондовой микроскопии, могут эффективно использоваться и в смежных областях – просвечивающей и растровой электронной и оптической микроскопии.
Отзывы читателей
