University of Oulu

Digitaalisten hologrammien esikäsittely

Saved in:
Author: Molkoselkä, Eero1
Organizations: 1University of Oulu, Faculty of Information Technology and Electrical Engineering, Department of Computer Science and Engineering, Computer Science and Engineering
Format: ebook
Version: published version
Access: open
Online Access: PDF Full Text (PDF, )
Persistent link: http://urn.fi/URN:NBN:fi:oulu-201809062753
Language: Finnish
Published: Oulu : E. Molkoselkä, 2018
Publish Date: 2018-09-06
Thesis type: Master's thesis (tech)
Tutor: Silven, Olli
Reviewer: Silven, Olli
Mäkynen, Anssi
Description:
Holografia on kolmiulotteisia kuvia eli hologrammeja käsittelevä tiede. Vastaavasti digitaalisella holografialla tarkoitetaan holografisten menetelmien suorittamista digitaalisten laitteiden avulla. Tämä sisältää hologrammien tallentamisen, synteesin ja rekonstruktion digitaalisten sensorien ja tietokoneiden avulla. Tieteenalana holografia on jo erittäin varttunut ja sillä on nykyään sovelluksia useilla eri aloilla. Eräitä tavallisimpia ovat digitaaliseen holografiaan perustuvat mikroskoopit. Uudempia ja kenties tulevaisuudessa yleistyviä sovelluksia ovat ilmakehän hiukkasia kuvaavat holografiset laitteet. Oulun yliopistossa kehitetty ICEMET-järjestelmä on esimerkki tällaisista meteorologisista sovelluksista. ICEMET:n on suunniteltu käytettäväksi todellisen maailman käyttöolosuhteissa, kuten esimerkiksi tuulivoimaloiden päällä. Vaihtelevien ja usein ankarien käyttöolosuhteidensa vuoksi ICEMET-sensorin ottamissa hologrammikuvissa on paljon taustakohinaa ja häiriötekijöitä. Tämän vuoksi hologrammeja on esikäsiteltävä ennen näiden rekonstruktioprosessia. Tutkielmaa varten kehitettiin ICEMET-järjestelmän osana toimiva digitaalisia hologrammeja esikäsittelevä tietokoneohjelma, Holofast. Ohjelma käsittelee kuvia näytönohjaimen avulla OpenCL-kirjastoa käyttäen. Näytönohjainta hyödyntämällä saavutettiin huomattavia parannuksia suoritusajoissa. Holofast suorittaa hologrammikuville taustanvähennyksen mediaanilla jakamalla ja pyrkii karsimaan tyhjät pisaradataa sisältämättömät kuvat ennen rekonstruktioprosessia. Tyhjän kuvan tunnistukseen kehitettiin dynaamista datan keruuta käyttävä järjestelmä, jossa kuvista kerättiin referenssipinoon asetettavia pistearvoja. Arvot laskettiin tutkimuksessa kehitetyillä tunnistusmenetelmillä. Menetelmät ovat minimi- ja maksimivärisävyjen erotus, varianssi, keskihajonnan ja värisävyjen erotuksen tulo, värisävyjen määrä, Shannonin entropia ja gradienttikuvan keskiarvo. Oikeilla parametreilla käytettynä voidaan tyhjistä kuvista noin puolet karsia. Mikäli pieniä määriä pisaradataa ollaan valmiita menettämään, voidaan jopa 90 % tyhjistä kuvista tunnistaa.
see all

Holography is a science that deals with three-dimensional images, holograms. Digital holography means performing holographic methods using digital devices. This includes saving, synthesizing and reconstruction of holograms using digital sensors and computers. Holography is very mature science and it has many applications across all scientific fields. Digital holographic microscopes are one of the more common examples. Holographic devices that take pictures of airborne particles are a much newer application and might become more widespread in the future. ICEMET system, developed in University of Oulu, is a one example of these meteorological applications. ICEMET is designed to be used in real-world conditions such as on top of wind turbines. Because of the varying and often rough operating environment, the digital holograms of ICEMET-sensor contain high amount of interference. This is why the holograms must be preprocessed before reconstruction process. A digital hologram preprocessing software called Holofast was developed for ICEMET. The software processes images with graphics card using OpenCL library. This significantly increased performance. Holofast performs background subtraction using division with median to hologram images and tries to prune blank images before reconstruction process. A dynamic blank image detection system that collects data from images and pushes score values to stack was developed. Scores were calculated using developed detection methods. The methods are maximum difference of color values, variance, standard deviation multiplied by color value difference, number of colors, Shannon entropy and the mean of gradient. With the right parameters almost half of the blank images could be pruned. The prune percentage can be raised up to 90 % with sacrifice of some droplet images.
see all

Subjects:
Copyright information: © Eero Molkoselkä, 2018. This publication is copyrighted. You may download, display and print it for your own personal use. Commercial use is prohibited.