Comparaison des performances d’algorithmes itératifs bayésiens basés sur trois classes de modèles a priori parcimonieux appliqués à la reconstruction tomographique - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2017

Comparaison des performances d’algorithmes itératifs bayésiens basés sur trois classes de modèles a priori parcimonieux appliqués à la reconstruction tomographique

Mircea Dumitru
  • Fonction : Auteur
  • PersonId : 1013517
Li Wang
  • Fonction : Auteur
  • PersonId : 15096
  • IdHAL : li-wang-l2s
Nicolas Gac

Résumé

The piecewise constant or homogeneous image reconstruction in the context of X-ray Computed Tomography is considered within a Bayesian approach. More precisely, the sparse transformation of such images is modelled with heavy tailed distributions expressed as Normal variance mixtures marginals. The derived iterative algorithms (via Joint Maximum A Posteriori) have identical updating expressions, except for the estimated variances. We show that the behaviour of the each algorithm is different in terms of sensibility to the model selection and reconstruction performances when applied in Computed Tomography.
Fichier principal
Vignette du fichier
Gretsi2017_Mircea.pdf (416.33 Ko) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-01569349 , version 1 (26-07-2017)

Identifiants

  • HAL Id : hal-01569349 , version 1

Citer

Mircea Dumitru, Li Wang, Nicolas Gac, Ali Mohammad-Djafari. Comparaison des performances d’algorithmes itératifs bayésiens basés sur trois classes de modèles a priori parcimonieux appliqués à la reconstruction tomographique. 26eme Colloque GRETSI Traitement du Signal & des Images, GRETSI 2017, Sep 2017, Juans-Les-Pins, France. ⟨hal-01569349⟩
91 Consultations
69 Téléchargements

Partager

Gmail Mastodon Facebook X LinkedIn More