La Reconstruction d'images Tomographiques

Optimisation par algorithme génétique de la pénalité floue

Ce travail porte sur la reconstruction d'image tomographique d'une fonction inconnue d'un objet, a partir de quelques projections.

Le problème est tellement mal posé qu'aucune méthode classique ne peut donner des résultats satisfaisants.

Nous proposons une nouvelle méthode basée sur la pénalisation de la vraisemblance dans laquelle on combine la fonction de pénalité floue (FP) et l'optimisation par algorithme génétique (GA).

L'algorithme proposé ne souffre pas du même problème que celui du ML-EM (maximum de vraisemblance expectation maximization) algorithme, et il converge rapidement à une solution à faible bruit, même si le nombre d'itérations est élevé, et donne une estimation globale pas une local comme dans les algorithmes classiques tel que le gradient, au problème de détermination des paramètres d'un objet.

La méthode a été testée et validée sur un ensembles de données d'images synthétiques et réelles.