Denoising and super-resolution for medical images by example-based learning approach

par Dinh Hoan Trinh

Thèse de doctorat en Mathématiques spécialité Signaux et Images

Sous la direction de Françoise Dibos, Marie Luong et de Canh Duong Pham.

  • Titre traduit

    Débruitage et super-résolution des images médicales par l'approche d'apprentissage basé sur des exemples


  • Résumé

    L’objectif de cette thèse est d’élaborer des méthodes efficaces pour le débruitage et la super-résolution afin d’améliorer la qualité et la résolution spatiale des images médicales. En particulier, nous sommes motivés par le challenge d’intégrer le problème de débruitage et de super-résolution dans la même formulation. Nos méthodes utilisent des images standards ou d’exemples localisées à proximité de l’image considérée pour le débruitage et/ou pour la super-résolution. Pour le problème de débruitage, nous introduisons trois nouvelles méthodes qui permettent de réduire certains bruits couramment trouvés sur les images médicales. La première méthode est construite sur la base de la Régression Rigide à noyau. Cette méthode peut être appliquée au bruit Gaussien et au bruit Ricien. Pour la deuxième méthode, le débruitage est effectué par le modèle de régression construit sur les K-plus proches voisins. Cette méthode peut être utilisée pour réduire le bruit Gaussien et le bruit Poisson. Nous proposons dans la troisième méthode, un modèle de représentation parcimonieuse pour éliminer le bruit Gaussian sur des images CT à faible dose. Les méthodes de débruitage proposées sont compétitives avec les approches existantes. Pour la super-résolution, nous proposons deux nouvelles méthodes mono-image basées d’exemples. La première méthode est une méthode géométrique par projection sur l’enveloppe convexe. Pour la deuxième méthode, la super-résolution est effectuée via un modèle de représentation parcimonieuse. Les résultats expérimentaux obtenus montrent que les méthodes proposées sont très efficaces pour les images médicales qui sont souvent affectées par les bruits.


  • Pas de résumé disponible.

Autre version

Cette thèse a donné lieu à une publication en 2013 par Unviversité Paris 13 à Villetaneuse

Denoising and super-resolution for medical images by example-based learning approach


Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 1 vol. (230 p.)
  • Annexes : Bibliogr. p. 217-230

Où se trouve cette thèse ?

  • Bibliothèque : Université Paris 13 (Villetaneuse, Seine-Saint-Denis). Bibliothèque universitaire. Section Sciences.
  • PEB soumis à condition
  • Cote : TH 2013 093
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.
Cette thèse a donné lieu à 1 publication .

Consulter en bibliothèque

Cette thèse a donné lieu à une publication en 2013 par Unviversité Paris 13 à Villetaneuse

Informations

  • Sous le titre : Denoising and super-resolution for medical images by example-based learning approach
  • Détails : Disque optique(CD-ROM)
  • Annexes : Bibliogr. p. 143-147. Index
La version de soutenance de cette thèse existe aussi sous forme papier.

Où se trouve cette thèse ?

Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.