000032241 001__ 32241
000032241 005__ 20170831220705.0
000032241 037__ $$aTAZ-TFM-2015-724
000032241 041__ $$aspa
000032241 1001_ $$aCórdoba Yanguas, Sergio
000032241 24500 $$aANALISIS CUANTITATIVO Y TRATAMIENTO DE IMAGENES PARA LA CARACTERIZACION DE ESTRUCTURAS CRISTALINAS EN MICROGRAFIAS DE MICROSCOPIA ELECTRONICA CON RESOLUCION ATOMICA
000032241 260__ $$aZaragoza$$bUniversidad de Zaragoza$$c2015
000032241 506__ $$aby-nc-sa$$bCreative Commons$$c3.0$$uhttp://creativecommons.org/licenses/by-nc-sa/3.0/
000032241 520__ $$aEl objetivo de este trabajo es el desarrollo de una herramienta informatica, concretamente un Plug-In para el software de tratamiento de imagenes Digital Micrograph (DM), que permitira estimar posiciones y distancias entre las columnas de atomos representadas en micrografas de materiales obtenidas mediante tecnicas de microscopa electronica de transmision en barrido (STEM). La medida de estas magnitudes permite caracterizar, de forma local, propiedades fsicas del material, como es la ferroelectricidad, que estan relacionadas con peque~nas variaciones de su estructura cristalina. Se pretende modelizar estas micrografas usando una mixtura de normales de forma que cada una de sus componentes represente y modele una de las columnas de atomos visibles en la imagen. Usaremos el algoritmo de Levenberg-Marquardt para realizar el ajuste al modelo y obtener los parametros de estas normales. En concreto, las medias, supondran una estimacion de la posicion de cada columna, con lo que resultara inmediato medir distancias entre ellas. Se quiere ademas, que estas medidas alcancen precisiones picometricas, puesto que son desplazamientos atomicos de este orden los que, en algunos casos, motivan la aparicion de ciertas propiedades. El tarea principal del proyecto sera pues la implementacion computacional de este proceso, realizada con el lenguaje de programacion, R, y el lenguaje de scripting propio de DM. Para ello, se debera entender como se generan estas micrografas (captulo 1), lo cual justica la eleccion del modelo probabilista elegido. Posteriormente, se realizaran simulaciones de las mismas sobre las que probaremos y vericaremos el funcionamiento del algoritmo de ajuste (captulo 2). Con esto, estaremos en disposicion de usar dicho algoritmo para desarrollar el plug-in y probarlo en una micrografa STEM real (captulo 3). Dichos codigos en R y en lenguaje de DM se presentan y explican en los apendices.
000032241 521__ $$aMáster Universitario en Modelización e Investigación Matemática, Estadística y Computación
000032241 540__ $$aDerechos regulados por licencia Creative Commons
000032241 700__ $$aCelorrio De Pablo, Ricardo$$edir.
000032241 700__ $$aMagén Domínguez, César$$edir.
000032241 700__ $$aMateo Collazos, Pedro$$edir.
000032241 7102_ $$aUniversidad de Zaragoza$$bMatemática Aplicada$$cMatemática Aplicada
000032241 8560_ $$f487305@celes.unizar.es
000032241 8564_ $$s6161600$$uhttps://zaguan.unizar.es/record/32241/files/TAZ-TFM-2015-724.pdf$$yMemoria (spa)
000032241 909CO $$ooai:zaguan.unizar.es:32241$$pdriver$$ptrabajos-fin-master
000032241 950__ $$a
000032241 951__ $$adeposita:2015-11-11
000032241 980__ $$aTAZ$$bTFM$$cCIEN