Nabu est un logiciel open source dédié au traitement et à la reconstruction d'images tomographiques, principalement utilisé dans le domaine de la recherche scientifique. Il permet aux chercheurs d'analyser des données issues de techniques d'imagerie avancées comme la tomographie aux rayons X, facilitant ainsi la compréhension de structures complexes à l'échelle microscopique ou macroscopique.

Ce projet développe une approche par apprentissage profond pour l'imagerie tomographique radar en zones forestières. Il utilise des réseaux de neurones légers pour reconstruire en 3D la réflectivité des scènes à partir de données radar acquises en configuration interférométrique. L'objectif est d'accélérer le traitement des données tout en améliorant la précision des profils verticaux, notamment pour des missions futures comme BIOMASS. Les solutions proposées sont validées sur des données réelles en bandes L et P.

Outil dédié au traitement et à l'analyse de données issues de la diffraction des rayons X, notamment pour la tomographie par contraste de diffraction (XRD-CT). Il permet d'effectuer des intégrations azimuthales sur des jeux de données complexes, facilitant ainsi l'analyse cristallographique et la reconstruction d'images 3D. Utilisé principalement dans le domaine de la recherche scientifique et des grands instruments comme les synchrotrons.

ETFScan est un outil Python dédié à la conversion et à la manipulation de fichiers ETF, un format utilisé pour stocker des données de scan issues de techniques expérimentales comme la tomographie. Il permet de transformer des fichiers Nexus ou BLISS en format ETF, et de combiner plusieurs scans ETF en un seul fichier. Principalement utilisé dans le domaine de la recherche scientifique, il facilite l'analyse et le traitement des données collectées lors d'expériences.

Bibliothèque et outil open source dédié au traitement et à l'analyse d'images 3D issues de scanners à tomographie. Il permet de manipuler, transformer et analyser des volumes d'images médicales ou scientifiques avec des algorithmes parallélisés et optimisés. Le projet inclut également des outils pour distribuer les calculs sur des clusters, facilitant le traitement de grands jeux de données.

Bibliothèque open source dédiée à l'accès, la lecture et l'écriture de données de tomographie issues d'acquisitions expérimentales. Elle permet de manipuler des volumes de données scientifiques dans différents formats (HDF5, JP2K, TIFF, EDF) et facilite leur traitement pour des applications en imagerie et analyse de matériaux.

Bibliothèque logicielle spécialisée dans l'accélération des calculs pour la tomographie, notamment pour les scans hélicoïdaux. Elle permet de traiter et d'accumuler des données de projections en parallèle, d'appliquer des corrections automatiques (champs sombres, champs plats, distorsions) et de générer des sinogrammes prêts pour la reconstruction tomographique. Utilisée principalement dans le domaine de la recherche scientifique et médicale.

DCT est un outil dédié à la tomographie par contraste de diffraction, permettant de reconstruire les formes et orientations des grains cristallins à partir de données expérimentales. Il offre des pipelines de traitement avancés, des outils d'analyse interactive et des fonctionnalités de visualisation pour les chercheurs en science des matériaux et cristallographie. Le projet est utilisé dans des environnements de recherche comme l'ESRF pour des applications en métallurgie et science des matériaux.

Ce projet propose des ressources de formation dédiées aux outils de tomographie utilisés à l'ESRF (European Synchrotron Radiation Facility). Il couvre les interfaces en ligne de commande et Python pour le traitement de données scientifiques, notamment la conversion et la réduction de fichiers au format HDF5 ou NXtomo. Les formations incluent des tutoriels, des documentations et des guides pratiques pour les chercheurs et ingénieurs.

Outil open source dédié au traitement et à l'analyse d'images scientifiques, notamment dans les domaines de la tomographie et de l'imagerie médicale. Il permet aux chercheurs et ingénieurs de manipuler, visualiser et analyser des jeux de données volumineux avec des algorithmes avancés. Intégré à des environnements de calcul scientifique, il facilite la reproductibilité et l'automatisation des analyses.