Metodos interativos de decomposição sequencial com mudança de escala em tomografia
Michel Eduardo Beleza Yamagishi
TESE
Português
(Broch.)
T/UNICAMP Y14m
Campinas, SP : [s.n.], 2001.
113p. : il.
Orientador: Alvaro Rodolfo De Pierro
Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica
Resumo: Apresentamos uma extensão do RAMLA para o problema de Máxima Verossimilhança Regularizado em Tomografia por Emissão. Provamos que, se a seqüência gerada por este método converge, então deve convergir para a solução. Propomos também novos métodos iterativos de reconstrução para os problemas...
Ver mais
Resumo: Apresentamos uma extensão do RAMLA para o problema de Máxima Verossimilhança Regularizado em Tomografia por Emissão. Provamos que, se a seqüência gerada por este método converge, então deve convergir para a solução. Propomos também novos métodos iterativos de reconstrução para os problemas de Máxima Verossimilhança e Máxima Verossimilhança Regularizado em Tomografia por Transmissão. Estes algoritmos são extensões em CT do RAMLA. Mostramos que os novos algoritmos produzem soluções similares ou melhores que o EM para CT e outros métodos de subconjuntos ordenados com a vantagem de serem mais rápidos e terem boas propriedades de convergência
Ver menos
Abstract: We present an extension of RAMLA for Regularized Maximum Likelihood (MAP) in Emission Tomography (ECT) reconstruction. We show that, ifthe sequence generated by this method converges, then it must converge to the true MAP solution. New iterative algorithms are presented for Maximum...
Ver mais
Abstract: We present an extension of RAMLA for Regularized Maximum Likelihood (MAP) in Emission Tomography (ECT) reconstruction. We show that, ifthe sequence generated by this method converges, then it must converge to the true MAP solution. New iterative algorithms are presented for Maximum Likelihood (ML) and MAP reconstruction in Transmission Tomography (CT). The algorithms are natural extensions to CT of RAMLA. We show that the new algorithms for ML and MAP solutions produce similar, or even better results than the EM algorithm and other ordered subsets methods, but in much fewer iterations, and their convergence properties are better than other algorithms
Ver menos
De Pierro, Alvaro Rodolfo, 1950-
Orientador
Furuie, Sergio Shiguemi
Avaliador
Mascarenhas, Nelson Delfino d'Avila
Avaliador
Robilotta, Cecil Chow
Avaliador
Martínez Pérez, José Mario, 1948-
Avaliador
Metodos interativos de decomposição sequencial com mudança de escala em tomografia
Michel Eduardo Beleza Yamagishi
Metodos interativos de decomposição sequencial com mudança de escala em tomografia
Michel Eduardo Beleza Yamagishi
Exemplares
Nº de exemplares: 2
Não existem reservas para esta obra