Directory Intranet
Chargement
COTTE Florian

Estimation d'objets de trés faibles amplitudes dans des images radiologiques X fortement bruitées

 

Directeur de thèse :     Michel DESVIGNES

Encadrant :     Hacheme AYASSO

École doctorale : Electronique, electrotechnique, automatique, traitement du signal (EEATS)

Spécialité : Signal, image, parole, télécoms

Structure de rattachement : Autre

Établissement d'origine : INP-PHELMA

Financement(s) : CIFRE

 

Date d'entrée en thèse : 01/03/2016

Date de soutenance : 15/02/2019

 

Composition du jury :
Su RUAN, Examinatrice, Université de Rouen, LITIS
Pascal HAIGRON, Rapporteur ,Université de Rennes 1, LTSI
Thomas RODET, Rapporteur, ENS Cachan, SATIE
Michel DESVIGNES, Directeur de thèse, GIPSA-Lab, UGA
Hacheme AYASSO, Co-encadrant de thèse, GIPSA-Lab, UGA,
Jean-Michel VIGNOLLE, Co-encadrant de thèse, Trixell

 

Résumé : Dans le domaine de la radiologie par rayons X pour le diagnostic médical, les progrès de l'industrie en informatique, électronique et matériaux des trois dernières décennies ont permis le développement de capteurs numériques permettant d'améliorer la qualité des images. Cette thèse CIFRE, préparée en collaboration entre le laboratoire Gipsa-Lab et l'entreprise Trixell, constructeur de détecteurs plats numériques destinés à l'imagerie radiologique, s'inscrit dans un contexte industriel d'amélioration de la qualité image des capteurs à rayons X. Plus précisément, diverses causes technologiques peuvent générer des perturbations, appelées artéfacts. La connaissance fine de ces causes technologiques (internes ou externes au capteur) permet de modéliser ces artéfacts et de les éliminer des images. La démarche choisie modélise l'image comme une somme de 3 termes : le contenu clinique, le signal ou artéfact à modéliser et le bruit. Le problème consiste donc à retrouver l'artéfact à partir de Y et de connaissances sur le contenu clinique et le bruit. Pour résoudre ce problème inverse mal posé, plusieurs approches bayésiennes utilisant diverses connaissances a priori sont développées. Contrairement aux méthodes d'estimation existantes qui sont spécifiques à un artéfact particulier, notre approche est générique et nos modèles prennent en considération des formes et caractéristiques spatialement variables des artéfacts mais localement stationnaires. Elles permettent de plus d'avoir un retour sur la qualité de l'estimation, validant ou invalidant la modélisation. Les méthodes sont évaluées et comparées sur des images synthétiques pour 2 types d'artefacts. Sur des images réelles, ces méthodes sont illustrées sur la suppression des grilles anti-diffusantes. Les performances des algorithmes développés sont supérieures à celles des méthodes dédiées à un artéfact donné, au prix d'une plus grande complexité. Les derniers résultats obtenus ouvrent des perspectives intéressantes, en particulier pour les artefacts non stationnaires dans l'espace et dans le temps.


GIPSA-lab, 11 rue des Mathématiques, Grenoble Campus BP46, F-38402 SAINT MARTIN D'HERES CEDEX - 33 (0)4 76 82 71 31