Enhanced Resolution Methods for Improving Image Analysis and Pattern Recognition in Scanning Probe Microscopy

I laboratori dotati di sistemi per l'acquisizione automatica generano un elevato quantitativo di dati multi-dimensionali come le immagini. Tramite tecniche di analisi automatica, come il pattern recognition (PR), è possibile effettuare efficacemente un'analisi oggettiva dei dataset generati. A esempio, è possibile addestrare su esempi programmi che implementano algoritmi di PR per permettere alle macchine di individuare schemi identificativi di gruppi di oggetti (apprendimento automatico supervisionato). Diversamente è possibile sfruttare l'altro approccio di apprendimento automatico basato su algoritmi di intelligenza artificiale senza supervisione, dove i programmi trovano pattern rilevanti senza necessità di utilizzare degli esempi tramite i quali apprendere. Generalmente gli algoritmi non supervisionati basano il loro funzionamento su un insieme di regole predefinite. In questo articolo si applica un metodo derivato dalle usuali tecniche di PR per il riconoscimento di artefatti e rumore sulle immagini registrate con microscopi a forza atomica (AFM). Il vantaggio del riconoscimento automatico degli artefatti potrebbe essere l'implementazione di linguaggi di apprendimento automatico per le indagini AFM.