Reconstruction 3D en tomographie à rayons X à l'aide d'un modèle a priori hiérarchique utilisant la transformation de Haar

Résumé : Dans cet article, on considère le problème de reconstruction en tomographie 3D à rayons X en utilisant une approche bayésienne avec un modèle a priori hiérarchique (HHBM: Haar based Hierarchical Bayesian Method). La loi de Student généralisée est utilisée pour imposer la structure parcimonieuse des coefficients de la transformation multi-niveaux de Haar sur le volume. Des comparaisons avec l'état de l'art sont présentées, montrant que la méthode proposée donne des résultats de reconstruction plus précis et une convergence plus rapide. Des résultats de simulation sont également fournis pour montrer l'efficacité du modèle proposé pour une reconstruction avec un nombre limité de projections.
Type de document :
Communication dans un congrès
26eme Colloque GRETSI Traitement du Signal & des Images, GRETSI 2017, Sep 2017, Juan-Les-Pins, France
Liste complète des métadonnées

Littérature citée [9 références]  Voir  Masquer  Télécharger

https://hal.archives-ouvertes.fr/hal-01567888
Contributeur : Li Wang <>
Soumis le : lundi 24 juillet 2017 - 16:17:46
Dernière modification le : dimanche 16 septembre 2018 - 22:06:01

Fichier

Gretsi_LW_NG_AMD_revised.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-01567888, version 1

Citation

Li Wang, Nicolas Gac, Ali Mohammad-Djafari. Reconstruction 3D en tomographie à rayons X à l'aide d'un modèle a priori hiérarchique utilisant la transformation de Haar. 26eme Colloque GRETSI Traitement du Signal & des Images, GRETSI 2017, Sep 2017, Juan-Les-Pins, France. 〈hal-01567888〉

Partager

Métriques

Consultations de la notice

174

Téléchargements de fichiers

66