Image Quality Improvement in Computed and Binary Tomography

Lékó Gábor
Image Quality Improvement in Computed and Binary Tomography.
Doctoral thesis (PhD), University of Szeged.
(2021)

[thumbnail of PhD_thesis_final_last_full_COLOR.pdf]
Preview
PDF (thesis)
Download (8MB) | Preview
[thumbnail of PhD_thesis_booklet_EN.pdf]
Preview
PDF (booklet)
Download (796kB) | Preview
[thumbnail of PhD_thesis_booklet_HU_coauthor.pdf]
Preview
PDF (booklet)
Download (5MB) | Preview

Abstract in Hungarian

Ezen értekezés a Szerző számítógépes és bináris tomográfia területén végzett tudományos munkásságát foglalja össze. A kutatás fő célja az volt, hogy javítsa a rekonstrukció minőségét új algoritmusok fejlesztésével és már meglévő eljárások továbbfejlesztésével az alábbi területeken: leginformatívabb vetületi szögek kiválasztása, a CT szkennerek csőfeszültségének automatikus megválasztása, és rekonstruált CT szeletek binarizálása konvolúciós neuronhálók (CNNs) segítségével.

Abstract in foreign language

This thesis is the summary of the Author's research in the field of Computed and Binary Tomography. Our main aim was to improve reconstruction quality by developing novel algorithms and improving previous approaches in the research fields of selecting the most informative projection angles, automatic selection of the tube voltage of a CT scanner, and binarizing already reconstructed CT slices using Convolutional Neural Networks.

Item Type: Thesis (Doctoral thesis (PhD))
Creators: Lékó Gábor
Hungarian title: Képminőség javítása a számítógépes és bináris tomográfiában
Supervisor(s):
Supervisor
Position, academic title, institution
MTMT author ID
Balázs Péter Attila
egyetemi docens, Képfeldolgozás és Számítógépes Grafika Tanszék SZTE / TTIK / INF
10013619
Subjects: 02. Engineering and technology > 02.02. Electrical engineering, electronic engineering, information engineering
Divisions: Doctoral School of Computer Science
Discipline: Engineering > Information Technology
Language: English
Date: 2021. April 22.
Item ID: 10711
MTMT identifier of the thesis: 31672700
doi: https://doi.org/10.14232/phd.10711
Date Deposited: 2020. Nov. 20. 11:06
Last Modified: 2021. Nov. 04. 11:40
Depository no.: B 6747
URI: https://doktori.bibl.u-szeged.hu/id/eprint/10711
Defence/Citable status: Defended.

Actions (login required)

View Item View Item

Downloads

Downloads per month over past year