Algoritmo EM per la risoluzione di un problema di imaging nella Tomografia Muonica per scattering

In the field of Muon scattering Tomography, many methods have been developed to infer the material composition of unknown volumes. Currently, in TomOpt package, inference of passive volumes is performed with PoCA (Point of Closest Approach) method. Assuming that only a single scattering event happens in each muon trajectory within volume, it assigns all scattering information uniquely to one point. Therefore, neglecting contribution from all other regions of volume, it results in a suboptimal imaging quality. In order to improve overall capability of materials discrimination, it has been implemented in R the well known EM algorithm, using muons scattering information to iteratively update predictions of voxelized volume composition. A comparison between EM and POCA results will then be presented.

Nel campo della Tomografia Muonica per scattering, molti metodi sono reperibili in letteratura per ricavare informazioni riguardanti la composizione di volumi ignoti. Attualmente, nel pacchetto TomOpt, l'inferenza sulla composizione di volumi passivi viene realizzata con il metodo PoCA (Point of Closest Approach). Basandosi sull'assunzione che soltanto un singolo evento di scattering si verifichi durante l'attraversamento di un muone nel volume da ispezionare, esso assegna tutta l'informazione derivante dalla deviazione angolare ad un unico punto nello spazio tridimensionale. Perciò, trascurando le informazioni che derivano dai contributi di tutte le altre regioni del volume, la qualità dell'immagine che si ottiene non è ottimale. Al fine di migliorare la capacità di discriminazione di materiali diversi, perciò, si è implementato in R un algoritmo EM, utilizzando l'informazione derivante dallo scattering subito da un campione di muoni per aggiornare iterativamente la stima della composizione di ogni cella elementare del volume complessivo.