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.
Fichier principal
Gretsi_LW_NG_AMD_revised.pdf (347.05 Ko)
Télécharger le fichier
Poster_Gretsi2017.pdf (1.52 Mo)
Télécharger le fichier
Origine | Fichiers produits par l'(les) auteur(s) |
---|
Loading...