@InProceedings{1999_001-1474_13084,
	author = "Nicolas VILLAIN and Yves GOUSSARD and Jérome IDIER and Stéphane BRETTE",
	title = "Restauration par champs de Markov 3D à potentiels convexes appliquée aux images tomographiques",
	booktitle = "17° Colloque sur le traitement du signal et des images",
	year = "1999",
	publisher = "GRETSI, Groupe d’Etudes du Traitement du Signal et des Images",
	number = "001-1474",
	pages = "p. 599-902",
	month = "sep # 13--17",
	address = "Vannes",
	doi = "",
	pdf = "1999_001-1474_13084.pdf",
	abstract = "- Nous présentons une méthode de restauration d'images par champs de Markov 3D que nous avons développée pour obtenir la très grande précision requise pour fabriquer des prothèses personnalisées du genou. Dans le contexte bayésien du maximum a posteriori, les images des coupes du fémur à restaurer sont modélisées par des champs aléatoires de Markov qui permettent de traduire les caractéristiques locales des images. En raison de la géométrie particulière du problème, nous avons développé un modèle a priori où l'interaction entre les coupes successives est aussi prise en compte sous la forme d'un champ de Markov 3D. Ainsi, le comportement d'un pixel est conditionné par celui des 8 pixels qui l'entourent dans le plan de coupe et par les 2 pixels les plus proches des coupes voisines. Le choix de potentiels de Gibbs convexes et l'hypothèse d'un bruit blanc gaussien et centré conduisent alors à un critère 3D convexe dont l'optimisation peut être faite directement par une méthode spécialement adaptée pour réduire le nombre d'opérations. La précision de la restauration et, plus encore, de la segmentation qui en découle est primordiale dans notre cas. La méthode a donc été testée sur des images tomographiques de fantômes de dimensions connues et, enfin, sur de vraies images de coupes du fémur. La méthode présentée permet une convergence rapide avec un faible volume de calculs et la restauration offre une précision plus grande que les méthodes utilisées actuellement."
}