Narzędzia help

Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
first previous next last
cannonical link button

http://yadda.icm.edu.pl:80/baztech/element/bwmeta1.element.baztech-article-BSW4-0017-0034

Czasopismo

Pomiary Automatyka Kontrola

Tytuł artykułu

Toward higher spot detectability of Bayesian image reconstruction algorithms using the L-filter penalty

Autorzy Chlewicki, W.  Brykalski, A. 
Treść / Zawartość
Warianty tytułu
PL Zwiekszenie detekcji plamek w Bayesowych algorytmach rekonstrukcji obrazów z uzyciem L-filtra
Języki publikacji EN
Abstrakty
EN Iterative Bayesian reconstruction algorithms using the L-filter penalty allow effective noise reduction and stabilization of the iteration process. They create more visually pleasing images compared to those obtained with Bayesian algorithms using median root prior. The L-filter, which is a generalized form of median root prior is very flexible, i.e. its weights can be modified. that gives possibility of compromising between median and averaging while designing the prior. A way of optimizing such weights is presented in this article. The stochastic search was utilized in order to find the L-filter weights for which the contrast recovery of small spots can be increased. This is important because such image quality is critical when detecting tumors in medical images or material defects in industrial tomography. The metodology presented here allowed finding parameters resulting in higher contrast recovery than with the weights originally proposed without deteriorating the other image properties.
PL Interacyjne Bayesowskie metody rekonstrukcji obrazów z użyciem L-filtru pozwalają na efektywną redukcję szumu, stabilizację procesu interacyjnego oraz tworzenie obrazów wizualnie atrakcyjniejszych w porównaniu do tych otrzymanych ze zwykłym priorytetem medianowym. L-filtr, który jest uogólnioną formą priorytetu medianowego jest bardzo elastyczny. To pozwala na kompromis pomiędzy medianą, a uśrednianiem. W artykule przedstawiony został sposób optymalizacji omawianych wag filtru. Wykorzystano przeszukiwanie stochastyczne w celu znalezienia wag L-filtru, dla których odzyskanie kontrastu niewielkich plamek jest zwiekszone. Jest to ważne ponieważ taka własność obrazu jest krytyczna przy wykrywaniu tkanek nowotworowych w obrazowaniu medycznym lub defektów materiałowych w tomografii przemysłowej. Zaprezentowana metodologia pozwoliła na znalezienie takich wag dla których odzyskanie kontrastu jest większe aniżeli dla wag zaprezentowanych poczatkowo.
Słowa kluczowe
EN toward higher spot  
Wydawca Wydawnictwo PAK
Czasopismo Pomiary Automatyka Kontrola
Rocznik 2005
Tom R. 51, nr 2
Strony 45--47
Opis fizyczny Bibliogr. 12 poz., rys., tab., wzory
Twórcy
autor Chlewicki, W.
autor Brykalski, A.
  • Instytut Elektroniki, Telekomunikacji i Informatyki, Wydział Elektryczny, Politechnika Szczecińska, Andrzej.Brykalski@ps.pl
Bibliografia
[1] Ritman E. L.: Evolution of medical tomographic imaging-as seen from a Darwinian perspective. Proceedings of the IEEE, 91(10):1483-1491, 2003.
[2] Lewitt R. M. and Malej S.: Overview of methods for image reconstruction from projections in emission computed tomography, Proceedings of the IEEE, 91 (10): 1588-1611, 2003.
[3] Shepp L. A. and Vardi Y.: Maximum Likelihood Reconstruction for Emission Tomography IEEE Transactions on Medical Imaging MI-1:113-122, 1982.
[4] Green P.: Bayesian reconstruction from emission tomography data using a modified EM algorithm, IEEE Transactions on Medical Imaging 9:84-93,1990.
[5] Chlewicki W., Hermansen F. and Hansen S. B.: Noise reduction and convergence of Bayesian algorithms based on the Huber function and median root prior. Physics in Medicine and Biology 49:4717-4730, 2004.
(6] Chlewicki W. and Brykalski A.: Two dimensional optimization of Bayesian algorithms with bandlimitcd basis functions. Physics in Medicine and Biology. In review.
[7] Mueller K., Yagel R. and Wheller J. J.: Fast implementations of algebraic methods for three-dimensional reconstruction from cone-beam data. IEEE Transactions on Medical Imaging 18(6): 538-548, 1999.
[8] Hudson H. M., and Larkin R. S.: Accelerated image reconstruction using ordered subsets of projection data. IEEE Transactions on Medical Imaging 13(4):601-609. 1994.
[9] Chlewicki W. and Brykalski A.: Enhancement of ordered subsets iterative image reconstruction methods. Pomiary Automatyka Kontrola, 12, pp. 33-36, 2004.
[10] Alenius S. and Ruotsalainen U. I.: Generalization of Median Root Prior Reconstruction, IEEE Transactions on Medical Imaging, 21 (11): 1413-1420, 2002.
[11] Alenius S. and Ruotsalainen U.: Bayesian image reconstruction for emission tomography based on median root prior, European Journal of Nuclear Medicine, 24: 258-265, 1997.
[12] Price W. L.: Global Optimization by Controlled Random Search, Jour, of Optimization Theory and Applications, 40(3):333-348, 1983.
Kolekcja BazTech
Identyfikator YADDA bwmeta1.element.baztech-article-BSW4-0017-0034
Identyfikatory