/system/images/000/000/183/logoJO2011_default.jpg

HEC Montréal, Canada, 2 - 4 mai 2011

Journées de l'optimisation 2011

HEC Montréal, Canada, 2 — 4 mai 2011

Horaire Auteurs Mon horaire

MB11 Optimisation en traitement d'image / Optimization and Image Processing

2 mai 2011 15h30 – 17h10

Salle: Rona

Présidée par Benoit Hamelin

3 présentations

  • 15h30 - 15h55

    Estimation simultanée de multiples paramètres de dégradation d'image

    • André Caron, prés., Université de Sherbrooke
    • Pierre-Marc Jodoin, Université de Sherbrooke
    • Christophe Charrier, Université de Caen Basse Normandie

    Les travaux de recherche présentés adressent l’estimation de paramètres de dégradation dans une image en présence de multiples distorsions. Nous démontrerons comment notre connaissance apriori du processus de dégradation et une simple métrique de qualité d’images permettent de formuler un problème de recherche se prêtant naturellement aux techniques d’optimisation.

  • 15h55 - 16h20

    Rotation-Based Projection Operator for 3D X-Ray Computed Tomography

    • Yves Goussard, prés., École Polytechnique de Montréal
    • Mahsa Golkar, École Polytechnique de Montréal

    3D reconstruction in X-ray computed tomography can be viewed as a very large scale nonlinear optimization problem. Numerical efficiency is critical to the derivation of useful solutions. We propose a rotation-based representation of the projection and backprojection operators, which yields significant computational savings and added flexibility compared to conventional approaches.

  • 16h20 - 16h45

    Compressed Sensing in Optical Tomography by Optimally Structured Illumination

    • Benoit Hamelin, prés., Université de Montréal
    • Edgar Guevara, École Polytechnique de Montréal
    • Samuel Bélanger, École Polytechnique de Montréal
    • Romain Berti, École Polytechnique de Montréal
    • Jean-Marc Lina, École de Technologie Supérieure
    • Frédéric Lesage, École Polytechnique de Montréal

    Optical tomography is an imaging technique that maps light absorbers from the propagation of visible photons, by solving an underdetermined linear equation. Compressed sensing theory suggests efficient methods to solve this problem. We propose here optimization techniques to compute setups that yield nearly row-orthogonal matrices required for CS methods.

Retour