TY - JOUR A1 - Wieczorek, Matthias A1 - Frikel, Jürgen A1 - Vogel, Jakob A1 - Eggl, Elena A1 - Kopp, Felix A1 - Noël, Peter B. A1 - Pfeiffer, Franz A1 - Demaret, Laurent A1 - Lasser, Tobias T1 - X-ray computed tomography using curvelet sparse regularization JF - Medical physics N2 - 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. Y1 - 2015 U6 - https://doi.org/10.1118/1.4914368 SN - 0094-2405 SN - 2473-4209 VL - 42 IS - 4 SP - 1555 EP - 1565 PB - American Association of Physicists in Medicine ER - TY - CHAP A1 - Kopp, Felix A1 - Köhler, Thorsten A1 - Mottok, Jürgen ED - Ivanov, Artem ED - Bicker, Marc ED - Patzelt, Peter T1 - Bildgebende Verfahren zur dreidimensionalen Rekonstruktion aus Bildsequenzen basierend auf der Bundler SFM Toolchain T2 - 4. Landshuter Symposium Mikrosystemtechnik : Mikrosystemtechnik als Schlüsseltechnologie der Systemintegration, Tagungsband zum Symposium 12./13. März 2014, Hochschule Landshut N2 - Vorgestellt wird der Structure from Motion (SFM)Toolchain Bundler zur Erzeugung von Punktwolken aus unkalibrierten Kameraaufnahmen und deren Optimierungsmöglichkeiten 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. Für dreidimensionale Rekonstruktionsalgorithmen ist das Finden akkurater Punktkorrespondenzen von hoher Priorität. Die Anforderungen an Punktdetektor, -deskriptor und -matcher sind dementsprechend hoch. Untersucht wurden die Ansätze zur Interessenpunktextraktion. Hierzu gehören, 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 binären Deskriptoren BRISK und FREAK zu wesentlich kürzeren Laufzeiten führen kann. Dies ist vor allem für eingebettete Systeme mit eingeschränkter Rechenleistung von Bedeutung. In Bezug auf die Genauigkeit der gefundenen Punktkorrespondenzen übertreffen sowohl FREAK als auch BRISK die nicht binären Ansätze im Anwendungsprofil. Zur Beschreibung von Interessenpunkten sind die binären Ansätze eine sinnvolle Optimierungsmöglichkeit hinsichtlich Laufzeit und Genauigkeit, während der in BRISK enthaltene Detektor nicht an die Performance der nicht binären 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 künftig in der Umgebung einer kompletten 3D-Rekonstruktions-Toolchain getestet und ausgewertet werden. Hierbei ist auch auf die Abhängigkeit von verschiedenen Matching-Verfahren zu achten. Darüber hinaus sollen weitere Optimierungsmöglichkeiten für Anwendungen basierend auf Bündelausgleichung untersucht werden. KW - Bildfolge KW - Bildgebungsverfahren KW - Bildrekonstruktion KW - Bündelung KW - dreidimensionale Struktur KW - Oberflächenrekonstruktion Y1 - 2014 SN - 978-3-9812696-5-9 SP - 118 EP - 125 CY - Landshut ER -