Non-local denoising and unsupervised quantitative analysis in scanning transmission electron microscopy

Mevenkamp, Niklas; Dahmen, Wolfgang; Berkels, Benjamin; Binev, Peter

doi:36215

Non-local denoising and unsupervised quantitative analysis in scanning transmission electron microscopy = Nicht-lokales Entrauschen und unüberwachte quantitative Analyse in der Rastertransmissionselektronenmikroskopie

Mevenkamp, Niklas

2017

Verantwortlichkeitsangabevorgelegt von Master of Science Niklas Mevenkamp

ImpressumAachen 2017

Umfangxxii, 201 Seiten

Dissertation, RWTH Aachen University, 2017

Veröffentlicht auf dem Publikationsserver der RWTH Aachen University Veröffentlicht auf dem Publikationsserver der RWTH Aachen University

Genehmigende Fakultät
Fak01

Hauptberichter/Gutachter
Berkels, Benjamin (Thesis advisor) ; Dahmen, Wolfgang (Thesis advisor)^RWTH* ; Binev, Peter (Thesis advisor)

Tag der mündlichen Prüfung/Habilitation
2017-04-11

Online
DOI: 10.18154/RWTH-2017-04917
URL: http://publications.rwth-aachen.de/record/690222/files/690222.pdf
URL: http://publications.rwth-aachen.de/record/690222/files/690222.pdf?subformat=pdfa

Einrichtungen

Inhaltliche Beschreibung (Schlagwörter)
denoising (frei) ; segmentation (frei) ; pattern analysis (frei) ; STEM (frei) ; crystal (frei) ; atom (frei)

Thematische Einordnung (Klassifikation)
DDC: 510

Kurzfassung
Moderne Rastertransmissionselektronenmikroskopie (STEM) ermöglicht es Bilder von inorganischen Materialien mit atomarer Auflösung anzufertigen. Die Position von Atomen, sowie andere Informationen, die aus diesen Bildern extrahiert werden können, spielen beim Verständnis des Zusammenhangs zwischen mikroskopischen Materialstrukturen und makroskopischen Materialeigenschaften eine große Rolle. Bedauerlicherweise wird die Erhebung dieser Informationen in bestimmten Anwendungen durch ein schlechtes Signal-Rausch-Verhältnis (SNR) stark behindert. Dies kommt durch eine Restriktion der Elektronendosis (bzw. Belichtungszeit) aufgrund einer potentiellen Beschädigung des Materials durch die Interaktion mit dem Elektronenstrahl zustande. Um dieses Problem zu mildern, schlagen wir eine effektive Strategie zum Entrauschen von Kristallbildern vor, welche an die besonderen Gegebenheiten dieser Bilder angepasst ist. Sie basiert auf dem nicht-lokalen Prinzip und nutzt den Algorithmus block-matching and 3D filtering (BM3D) von Dabov et al. als Ausgangspunkt. Wir verwenden eine adaptive, periodische Strategie um ähnliche Blöcke zu finden, welche die Kristallgeometrie ausnutzt, flexibel genug ist um typische Irregularitäten (z.B. Dislokationen, Materialgrenzen, Bildverzerrungen) zu berücksichtigen und effizientes nicht-lokales Entrauschen ermöglicht. Die benötigte Kristallgeometrie wird automatisch aus den verrauschten Rohdaten extrahiert. Hierzu präsentieren wir neuartige und unüberwachte Algorithmen zur präzisen Bestimmung von primitiven Einheitszellen im rellen Raum (in Abgrenzung zum reziproken Raum), sowie zur Kristallsegmentierung. Außerdem analysieren wir das Rauschverhalten von experimentellen high-angle annular dark field (HAADF)-STEM-Bildern und zeigen, dass klassisches additives Gaußrauschen in diesem Kontext kein passendes Modell darstellt. Weiter zeigen wir, dass das komplexere gemischte Poisson-Gauß-Modell wesentlich besser zu HAADF-STEM-Bildern passt und schlagen eine unüberwachte Methode vor, welche die benötigten Rauschparameter automatisch anhand eines gegebenen Rohbildes schätzt. Darauf aufbauend verwenden wir die generalisierte Anscombe-Transformation, um die Varianz des Rauschens zu stabilisieren, was die direkte Anwendung von BM3D ermöglicht. Wir präsentieren Ergebnisse für sowohl künstliche als auch experimentelle HAADF-STEM-Bilder, die eine deutliche Verbesserung der Bildqualität durch unsere Methode gegenüber dem modernen Stand der Technik zeigen. Darüber hinaus bewirkt unsere Methode einen deutlichen Anstieg der Präzision, mit welcher Atompositionen aus den verarbeiteten Bildern extrahiert werden können. Unsere adaptive Suchstrategie lässt sich auch auf Bildserien erweitern und mit nicht-rigider Registrierung kombinieren. In diesem Zusammenhang zeigen wir, dass das zusätzliche Entrauschen aller Einzelbilder gegenüber der einfachen Mittelwertbildung eine erhebliche Verbesserung des SNR des finalen mittleren Bildes der Serie bewirkt, und, dass so sehr hohe Präzisionen schon mit vergleichbar wenigen Einzelbildern zu erreichen sind. Neben skalaren Bildern befassen wir uns auch mit der Erweiterung der Entrauschungsmethode auf spektrale Datensätze und präsentieren vielversprechende Ergebnisse im Bereich der Elektronenenergieverlustspektroskopie. Abschließend schlagen wir ein multi-modales Multi-Skalen-Maß für den Vergleich von Blöcken in gemeinsam aufgenommenen HAADF-STEM- und Spektraldaten vor. Anhand eines experimentellen Datensatzes aus der energiedispersiven Röntgenspektroskopie zeigen wir, dass mit dem neuen Maß im Zusammenspiel mit nicht-lokalem Entrauschen in diesem Kontext ein extremer Anstieg des SNR erzielt werden kann, ohne bemerkbare Einbußen in der örtlichen Auflösung in Kauf nehmen zu müssen.

Modern scanning transmission electron microscopes (STEM) provide atomic resolution images of inorganic materials. Atom positions and other information extracted from such images are key ingredients in the understanding of the relation between microscopic material structure and macroscopic material properties. Unfortunately, in certain applications, the ability to obtain this information is severely obstructed by low signal-to-noise ratios of the acquired images. These result from restrictions on the electron dose (exposure time) due to potential beam damage. Aiming at resolving this deficiency, we propose an effective denoising strategy that is specifically tailored to the special structure of atomic-resolution crystal images. It is based on the non-local denoising principle and uses the block-matching and 3D filtering algorithm (BM3D) by Dabov et al. as a starting point. We employ an adaptive piecewise periodic block-matching strategy that exploits the crystal geometry - accounting for typical irregularities such as dislocations, crystal interfaces and image distortion - and provides efficient and truly non-local denoising. The required crystal geometry information is extracted from the noisy raw image in an unsupervised fashion. To this end, we present novel real-space algorithms for accurate unit cell extraction and crystal segmentation. Furthermore, we analyze the noise behavior of experimental high-angle annular dark-field (HAADF)-STEM images and show that a simple additive Gaussian white noise model is not suitable for low-dose images. Instead, we propose to employ a more complex mixed Poisson-Gaussian noise model which results in a much better fit and present an unsupervised algorithm to estimate the required noise parameters from a given raw image. Then, the generalized Anscombe transform is used for variance-stabilization, which enables the use of BM3D for noise removal. Results on both artificial and real experimental single-shot HAADF-STEM images are presented which show that the proposed method significantly improves the visual quality and, more importantly, the precision of detected atom positions. We also present an extension of the method to series of images including a coupling of non-local denoising with non-rigid image alignment. An evaluation based on experimental images reveals that compared to plain averaging of an aligned image stacks the number of frames required to obtain a high SNR reconstruction can be significantly reduced. Also, we show that this way state-of-the-art precisions can be obtained using less than ten frames. Besides this, we propose an extension of our denoising method to spectral data and present very promising results on an electron energy loss spectroscopy dataset. Finally, we present a multi-modal and multi-scale similarity measure intended for joint denoising of STEM and spectral data. Using a jointly acquired dataset consisting of an HAADF-STEM image and an energy-dispersive X-ray scan, we demonstrate that extreme gains in SNR are achievable without noticeably sacrificing spatial resolution.

OpenAccess:
PDF PDF (PDFA)
(additional files)