@article{WieczorekFrikelVogeletal., author = {Wieczorek, Matthias and Frikel, J{\"u}rgen and Vogel, Jakob and Eggl, Elena and Kopp, Felix and No{\"e}l, Peter B. and Pfeiffer, Franz and Demaret, Laurent and Lasser, Tobias}, title = {X-ray computed tomography using curvelet sparse regularization}, series = {Medical physics}, volume = {42}, journal = {Medical physics}, number = {4}, publisher = {American Association of Physicists in Medicine}, issn = {0094-2405}, doi = {10.1118/1.4914368}, pages = {1555 -- 1565}, abstract = {PURPOSE Reconstruction of x-ray computed tomography (CT) data remains a mathematically challenging problem in medical imaging. Complementing the standard analytical reconstruction methods, sparse regularization is growing in importance, as it allows inclusion of prior knowledge. The paper presents a method for sparse regularization based on the curvelet frame for the application to iterative reconstruction in x-ray computed tomography. METHODS In this work, the authors present an iterative reconstruction approach based on the alternating direction method of multipliers using curvelet sparse regularization. RESULTS Evaluation of the method is performed on a specifically crafted numerical phantom dataset to highlight the method's strengths. Additional evaluation is performed on two real datasets from commercial scanners with different noise characteristics, a clinical bone sample acquired in a micro-CT and a human abdomen scanned in a diagnostic CT. The results clearly illustrate that curvelet sparse regularization has characteristic strengths. In particular, it improves the restoration and resolution of highly directional, high contrast features with smooth contrast variations. The authors also compare this approach to the popular technique of total variation and to traditional filtered backprojection. CONCLUSIONS The authors conclude that curvelet sparse regularization is able to improve reconstruction quality by reducing noise while preserving highly directional features.}, language = {en} } @inproceedings{KoppKoehlerMottok, author = {Kopp, Felix and K{\"o}hler, Thorsten and Mottok, J{\"u}rgen}, title = {Bildgebende Verfahren zur dreidimensionalen Rekonstruktion aus Bildsequenzen basierend auf der Bundler SFM Toolchain}, series = {4. Landshuter Symposium Mikrosystemtechnik : Mikrosystemtechnik als Schl{\"u}sseltechnologie der Systemintegration, Tagungsband zum Symposium 12./13. M{\"a}rz 2014, Hochschule Landshut}, booktitle = {4. Landshuter Symposium Mikrosystemtechnik : Mikrosystemtechnik als Schl{\"u}sseltechnologie der Systemintegration, Tagungsband zum Symposium 12./13. M{\"a}rz 2014, Hochschule Landshut}, editor = {Ivanov, Artem and Bicker, Marc and Patzelt, Peter}, address = {Landshut}, isbn = {978-3-9812696-5-9}, pages = {118 -- 125}, abstract = {Vorgestellt wird der Structure from Motion (SFM)Toolchain Bundler zur Erzeugung von Punktwolken aus unkalibrierten Kameraaufnahmen und deren Optimierungsm{\"o}glichkeiten durch zeitnahe Verfahren zur Interessenpunktextraktion. Das Extrahieren markanter Punkte aus Bildern beinhaltet eines der zeitintensivsten sowie herausforderndsten Aufgaben im dreidimensionalen Rekonstruktionsprozess. Vor allem im Hinblick auf die Integration von Structure from Motion Verfahren auf eingebettete Systeme sind Rechenzeit und Speicherverbrauch von hohem Interesse. F{\"u}r dreidimensionale Rekonstruktionsalgorithmen ist das Finden akkurater Punktkorrespondenzen von hoher Priorit{\"a}t. Die Anforderungen an Punktdetektor, -deskriptor und -matcher sind dementsprechend hoch. Untersucht wurden die Ans{\"a}tze zur Interessenpunktextraktion. Hierzu geh{\"o}ren, der von der Bundler SFM Toolchain genutzte, Scale-invariant feature transform (SIFT) sowie Speeded Up Robust Features (SURF), Binary Robust Invariant Scalable Keypoints (BRISK) und Fast Retina Keypoint (FREAK). Es wird gezeigt, dass das Ersetzen von SIFT in der Toolchain vor allem durch die bin{\"a}ren Deskriptoren BRISK und FREAK zu wesentlich k{\"u}rzeren Laufzeiten f{\"u}hren kann. Dies ist vor allem f{\"u}r eingebettete Systeme mit eingeschr{\"a}nkter Rechenleistung von Bedeutung. In Bezug auf die Genauigkeit der gefundenen Punktkorrespondenzen {\"u}bertreffen sowohl FREAK als auch BRISK die nicht bin{\"a}ren Ans{\"a}tze im Anwendungsprofil. Zur Beschreibung von Interessenpunkten sind die bin{\"a}ren Ans{\"a}tze eine sinnvolle Optimierungsm{\"o}glichkeit hinsichtlich Laufzeit und Genauigkeit, w{\"a}hrend der in BRISK enthaltene Detektor nicht an die Performance der nicht bin{\"a}ren Alternativen herankommt. Insgesamt betrachtet wurden die besten Ergebnisse (Laufzeit und Genauigkeit) mit den Kombinationen SURF/FREAK und SURF/BRISK erreicht. Die evaluierten Algorithmen(SIFT,SURF,BRISK,FREAK) sollen k{\"u}nftig in der Umgebung einer kompletten 3D-Rekonstruktions-Toolchain getestet und ausgewertet werden. Hierbei ist auch auf die Abh{\"a}ngigkeit von verschiedenen Matching-Verfahren zu achten. Dar{\"u}ber hinaus sollen weitere Optimierungsm{\"o}glichkeiten f{\"u}r Anwendungen basierend auf B{\"u}ndelausgleichung untersucht werden.}, language = {de} }