Browsing by Author "Harhanen, Lauri"

Now showing 1 - 3 of 3

Edge-enhancing reconstruction algorithm for three-dimensional electrical impedance tomography
(2015) Harhanen, Lauri; Hyvönen, Nuutti; Majander, Helle; Staboulis, Stratos
A1 Alkuperäisartikkeli tieteellisessä aikakauslehdessä
Inverse Source Methods in Diffuse Imaging
(2013) Harhanen, Lauri
School of Science | Doctoral dissertation (article-based)
This dissertation studies methods for inverse source problems in diffuse imaging. The convex source support method for the Poisson's equation is extended to the two-dimensional half-space and a ball in three dimensions. The related problems of detecting inhomogeneities in electrical impedance tomography are discussed, as well. In addition to using the conventional measurements consisting of one or more Cauchy data pairs, sweep data, a novel measurement configuration compatible with the convex source support algorithm, is proposed and analyzed. This treatise also considers an amalgamation of non-linear Tikhonov regularization and preconditioned Krylov subspace methods. The lagged diffusivity fixed point iteration is used to produce a sequence of least-squares problems with linearized regularizers. These regularizers are recast as preconditions. A modified version of the LSQR algorithm is derived, allowing efficient use of the introduced preconditions. While the performance of the resulting algorithm is tested on fluorescence diffuse optical tomography, the method is directly applicable to other linear inverse problems, as well.
An iterative reconstruction algorithm for X-ray tomography with few radiographs
(2007) Harhanen, Lauri
Helsinki University of Technology | Master's thesis
Tässä työssä tarkastellaan iteratiivista rekonstruktioalgoritmia röntgentomografialle. Esitetty algoritmi on laskennallisesti tehokas yhdistelmä aiemmin julkaistuista menetelmistä. Sen toiminta perustuu lineaaristen yhtälöryhmien iteratiivisen ratkaisijan valikoivasti silottavaan pohjustamiseen. Röntgentomografian matemaattisen teorian mukaan kaikkia singulariteetteja ei voida rekonstruoida stabiilisti, jos röntgenprojektioita ei ole saatavilla kaikista suunnista. Tällöin rekonstruktioalgoritmiin on sisällytettävä etukäteistietoa ratkaisusta. Tässä työssä tarkastellaan esitetyssä algoritmissa ja röntgentomografian matemaattisessa mallissa tehtyjä implisiittisiä oletuksia. Algoritmia tutkitaan myös numeeristen esimerkkien avulla. Se rekonstruoi mittaustuloksissa näkyvien singulariteettien lisäksi myös osan niistä epäjatkuvuuksista, joita ei voida stabiilisti rekonstruoida pelkästään datasta. Saadut rekonstruktiot ovat paloittain sileitä, mikä on hammaskuvantamisen kannalta suotuisa ominaisuus. Tämä työ tarkastelee yksityiskohtaisesti algoritmin toteuttamista. Kehitysympäristönä käytetään numeeriseen laskentaan tarkoitettua Matlab-ohjelmistoa.