Ingénieur en management et ingénierie de la maintenance département génie industrielle et maintenance.
Reconstruction d'image en tomographie par les méthodes Bayésiens. Traitement des problèmes inverses
Par :Formats :
- Paiement en ligne :
- Livraison à domicile ou en point Mondial Relay estimée à partir du 16 septembreCet article sera commandé chez un fournisseur et vous sera envoyé 21 jours après la date de votre commande.
- Retrait Click and Collect en magasin gratuit
- Nombre de pages108
- FormatGrand Format
- PrésentationBroché
- Poids0.171 kg
- Dimensions15,0 cm × 23,0 cm × 0,6 cm
- ISBN978-613-9-52259-0
- EAN9786139522590
- Date de parution01/11/2019
- ÉditeurEditions universitaires européen...
Résumé
La tomographie à rayon X est l'une des techniques de contrôle non destructif, elle est utilisée pour la reconstruction d'image à deux ou trois dimensions. La reconstruction tomographique avec un nombre limité de données reste un problème mal-posé, du fait que les données de projection générées sont initialement bruitées. Il est alors indispensable d'apporter de l'information a priori sur l'objet à reconstruire.
Une approche possible est bien l'approche bayésienne. Cette dernière ramène le problème de reconstruction en un problème d'optimisation, par la modélisation probabiliste de tous les paramètres inconnus. Dans ce travail, nous réalisons une étude approfondie de l'inférence bayésienne où l'on adopte un a priori de Gauss-Markov-Potts. La plus part des paramètres du modèle sont inconnus et nous voulons les évaluer conjointement avec l'objet d'intérêt, en utilisant l'approche bayésienne, dont lequel nous pouvons reconstruire conjointement les images et les segmenter dans manière optimale.
Quelques comparaisons sont faites par les méthodes FBP, ART, MLEM et MAPEM par modèle de poisson pour attester les performances de notre méthode proposée.
Une approche possible est bien l'approche bayésienne. Cette dernière ramène le problème de reconstruction en un problème d'optimisation, par la modélisation probabiliste de tous les paramètres inconnus. Dans ce travail, nous réalisons une étude approfondie de l'inférence bayésienne où l'on adopte un a priori de Gauss-Markov-Potts. La plus part des paramètres du modèle sont inconnus et nous voulons les évaluer conjointement avec l'objet d'intérêt, en utilisant l'approche bayésienne, dont lequel nous pouvons reconstruire conjointement les images et les segmenter dans manière optimale.
Quelques comparaisons sont faites par les méthodes FBP, ART, MLEM et MAPEM par modèle de poisson pour attester les performances de notre méthode proposée.