Veuillez choisir le dossier dans lequel vous souhaitez ajouter ce contenu :
Résumé du colloque
Nous présentons une méthode de restauration d'images par champ de Markov 3D. Nous avons développé cette méthode pour obtenir la très grande précision requise pour fabriquer des prothèses personnalisées du genou. Dans le contexte bayésien du maximum a posteriori, les images des coupes du fémur à restaurer sont modélisées par des champs aléatoires de Markov qui permettent de traduire les caractéristiques locales des images. En raison de la géometrie particulière du problème, nous avons developpé un modèle a priori où l'interaction entre les coupes successives est aussi prise en compte sous la forme d'un champ de Markov 3D. Ainsi, le comportement d'un pixel est conditionné par celui des 8 pixels qui l'entourent dans le plan de coupe et par les 2 pixels les plus proches des coupes voisines. Le choix de potentiels de Gibbs associés convexes et l'hypothèse d'un bruit blanc gaussien et centré conduisent alors à un critère 3D convexe dont l'optimisation peut être faite directement par une méthode spécialement adaptée pour réduire le nombre d'opérations. La précision de la restauration et, plus encore, de la segmentation qui en découle est primordiale dans notre cas. La méthode a donc été testée sur des images artificielles puis sur des images tomographiques de fantômes de dimensions connues et, enfin, sur de vraies images de coupes du fémur. La méthode présentée permet une convergence rapide avec un faible volume de calculs et la restauration offre une précision plus grande que les méthodes utilisées actuellement.
Vous devez être connecté pour ajouter un élément à vos favoris.
Veuillez vous connecter ou créer un compte pour continuer.
Outils de citation
Citer cet article :
MLA
APA
Chicago
Ajouter un dossier
Vous pouvez ajouter vos contenus préférés à des dossiers organisés. Une fois le dossier créé,
vous pouvez ajouter un article ou un contenu de la liste ou de la vue détaillée au dossier sélectionné dans la liste.