Notícias

Nov 26, 2023

Uma investigação da influência da topografia da superfície da microestrutura no mecanismo de imagem para explorar super

Scientific Reports volume 12, Artigo número: 13651 (2022) Citar este artigo 680 Acessos 3 Citações 1 Detalhes da Métrica Altmétrica A medição de precisão baseada na visão é limitada pela óptica

Scientific Reports volume 12, Artigo número: 13651 (2022) Citar este artigo

680 acessos

3 citações

1 Altmétrico

Detalhes das métricas

A medição de precisão baseada na visão é limitada pela resolução óptica. Embora vários algoritmos de super-resolução tenham sido desenvolvidos, a precisão e a exatidão da medição são difíceis de garantir. Para alcançar a medição de resolução em nanoescala, é proposto um conceito de microestrutura de super-resolução que se baseia na ideia de uma forte relação de mapeamento matemático que pode existir entre as características da topografia da superfície da microestrutura e as intensidades de pixel da imagem correspondentes. Neste trabalho, uma série de microranhuras são usinadas com ultraprecisão e suas topografias e imagens superficiais são medidas. Um modelo de relacionamento de mapeamento é estabelecido para analisar o efeito da topografia da superfície do microsulco no mecanismo de imagem. Os resultados mostram que a rugosidade superficial e os defeitos superficiais do microsulco têm efeitos significativos na previsão do mecanismo de imagem. Os parâmetros de usinagem otimizados são determinados posteriormente. Este artigo demonstra um trabalho viável e valioso para apoiar o projeto e fabricação de microestruturas de super-resolução que tem aplicações essenciais em medição de posicionamento de precisão.

A super-resolução (SR), que se refere ao processo de melhoria da resolução de imagens originais por meio da reconstrução de imagens de alta resolução (HR) a partir de imagens de baixa resolução (LR)1, é amplamente utilizada em imagens microscópicas2,3,4, vigilância por vídeo5, imagens médicas6, imagens de sensoriamento remoto por satélite7 e observação astronômica8, etc. Além disso, os métodos SR também têm aplicações essenciais na medição de posicionamento de precisão e desempenham um papel importante na melhoria da precisão do posicionamento9,10. Normalmente, os métodos de medição de posicionamento de precisão baseados em microvisão melhoram a resolução principalmente usando métodos de processamento de imagem . Quando a similaridade de certas áreas da imagem é alta, os algoritmos facilmente causam erros de correspondência, diminuindo assim seriamente a precisão e a incerteza da medição.

Atualmente, a reconstrução SR de imagens é alcançada principalmente a partir da perspectiva de algoritmos de software, como o algoritmo Deep Plug-and-Play Super-Resolution (DPSR)16, rede de confronto de imagens não pareadas17 para capacidade de generalização, mecanismo de atenção de mapa de recursos para aprimorar a expressão de recursos capacidade de imagens reconstruídas18 e assim por diante. Mas devido ao limite de Abbe, o limite de resolução dos microscópios ópticos comuns é de aproximadamente 200 nm. Conseqüentemente, informações de microtopografia abaixo da escala de 200 nm não podem ser obtidas por microscópios ópticos. A reconstrução da imagem SR não é capaz de resolver a perda de amostragem de informações de alta frequência da imagem da superfície do objeto observado em escala microscópica apenas do ponto de vista de algoritmos. É muito desafiador romper o limite óptico e obter imagens de super-resolução da topografia da superfície da microestrutura.

Aqui surge uma ideia inovadora: se existe uma microtopografia com características SR, que é denominada “microestrutura de super-resolução” (SRM). Especificamente, dentro da faixa de tamanho de pixel individual, conforme mostrado na Fig. 1a, embora esta área seja extraída pela estrutura de dados de pixel de apenas um pixel através de um microscópio, o pixel original pode ser decomposto em subpixels valiosos que realmente refletem o características de microtopografia através de suas informações de pixels vizinhos, como mostrado na Fig. 1b, e as características de decodificação do SRM, de modo a realizar o SR.

Reconstrução de super-resolução baseada em SRM. (a) Imagem de baixa resolução; (b) Imagem de reconstrução em super-resolução combinada com SRM “U”.

À medida que a superfície SRM é observada, a imagem utilizada para registro pode ter maior resolução e detalhes de imagem mais confiáveis ​​​​por meio da interpolação de função de recurso, de modo que as diferenças de detalhes em cada região sejam mais óbvias e mais fáceis de serem identificadas de forma estável pelo algoritmo, que pode fornecer feedback de posição mais preciso para medir o objeto e melhorar a precisão do posicionamento.