Optimisation par Algorithme Génétique Multiobjectif de la Pénalité Floue pour la Reconstruction d’image en Tomographie-X
Type : Article de conférence
Auteur(s) : ,
Année : 2013
Domaine : Electronique
Conférence: 2éme Journée Conférence Internationale Problèmes Inverses et Applications "JIP2013"
Lieu de la conférence:
Résumé en PDF :
Fulltext en PDF :
Mots clés : Computed tomography, Non destructive testing, Bayesian Inference, Fuzzy inference, Genetic optimization
Auteur(s) : ,
Année : 2013
Domaine : Electronique
Conférence: 2éme Journée Conférence Internationale Problèmes Inverses et Applications "JIP2013"
Lieu de la conférence:
Résumé en PDF :
Fulltext en PDF :
Mots clés : Computed tomography, Non destructive testing, Bayesian Inference, Fuzzy inference, Genetic optimization
Résumé :
La reconstruction tomographique à partir d’un nombre limité de données est un problème mal-posé sous- déterminé, du fait que les données de projections générées dans les systèmes à émission ou à transmission sont initialement bruitées. L’algorithme ML (Maximum Likelihood) tend à faire croitre ce bruit et particulièrement celui dû au bruit des artefacts à travers les itérations successives. Cette accumulation de bruit mène à un arrêt du processus de reconstruction ML-EM(Maximum Likelihood Expectation Maximization).