基于改进白骨顶鸡优化算法的ECT图像重建北大核心CSCD

电容层析成像(ECT)技术求解图像重建问题存在严重的不适定性。为提高图像重建精度,提出了一种改进白骨顶鸡优化算法的ECT图像重建算法。针对标准白骨顶鸡优化算法(COA)中初始种群随机生成而导致的算法稳定性差和容易陷入局部最优的问题,引入了佳点集和正余弦优化方法,并融合了ART重建算法,根据ECT成像特点改进了目标函数。最后,进行仿真和静态实验,并与线性反投影(LBP)算法、Landweber算法、ART算法进行对比。结果表明,该方法可有效提高图像重建精度。     

基于深度信念网络的ECT图像重建算法

为提高图像重建质量,针对电容层析成像技术(ECT)中的电容数据复杂多样且与介电常数呈非线性关系的特点,提出一种基于深度信念网络(DBN)的重建算法,利用DBN的深层非线性网络结构来实现电容值与重建图像灰度值非线性关系。并对DBN进行了改进,将自适应步长(AS)引入到对比散度(CD)算法中,解决固定步长寻找全局最优困难的问题,改善图像质量;在微调阶段采用拟牛顿法加快收敛速度,减少训练时间。在COMSOL5.3软件上进行仿真试验,通过MATLAB2014a对图像进行重建。试验结果表明:DBN能够有效地重建图像,并且要优于传统算法;改进后的DBN训练时间缩短了5.51s,图像误差低至0.0094,相关系数高达0.9973,是研究ECT图像重建的新方法和手段。     

基于非线性最小二乘的电容层析成像图像重建算法

针对电容层析成像技术中的"软场"效应和病态问题,提出了基于非线性最小二乘算法的新电容层析成像(ECT)算法。在分析非线性最小二乘问题残量原理的基础上,给出了目标函数中二阶信息项的割线近似的校正公式,并利用Lipschitz空间连续的性质对非线性最小二乘算法的收敛性进行了证明,在此基础上探讨了ECT应用该算法的可行性。该算法满足收敛条件且重建图像误差小。仿真和实验结果表明,与LBP、Landweber和共轭梯度算法相比,对于简单流型该算法兼备成像质量高、边界均匀稳定等优点,该算法的提出为ECT图像重建算法的研究提供了一个新的思路。     

基于SVM的ECT图像重建算法

电容层析成像（ECT）技术是基于电容敏感机理的过程层析成像技术。ECT的图像重建是一个典型的有限样本非线性映射问题。支持向量机（SVM）作为一种小样本处理方法，具有较强的泛化能力，被认为是目前针对小样本分类问题的最佳理论。提出了一种基于SVM的四层神经网络的图像重建算法，仿真结果表明，该算法用于三相流图像重建具有较强的空间分辨率和泛化能力。     

基于鲁棒正则化极限学习机的电容层析成像图像重建

电容层析成像图像重建是一个非线性及病态性逆问题。基于此,提出了基于迭代重加权最小二乘法的鲁棒正则化极限学习机(RELM-IRLS)算法的电容层析成像图像重建方法,以油/气两相流为研究对象,通过有限元仿真构建随机分布流型,对RELM-IRLS算法完成训练,并与Landweber迭代算法及极限学习机算法进行对比,RELM-IRLS算法的测试集平均误差相比极限学习机算法减小4.6%。仿真及静态实验结果均表明, RELM-IRLS算法所得重建图像质量得到明显提升,且算法具有良好的泛化性能。     

一种电容层析成像图像重建优化算法

提出一种电学层析成像(ECT)图像重建优化算法。通过将传统正则化算法转化为最小二乘问题进行求解,结合lp范数逼近正则化最小化问题,利用重新加权的方法进行迭代计算。以油-气两相流模型进行仿真及静态实验,将所提出的优化算法与常用的LBP、Landweber迭代及Tikhonov正则化算法进行对比。结果表明,与常用算法相比,采用该优化算法对管道中心物体及多物体分布流型进行图像重建,其图像相对误差均为最低,且重建图像的形状保真度明显提高。     

基于改进线性Bregman算法的ECT图像重建算法

针对电容层析成像(ECT)逆问题求解的欠定性,将分别利用奇异值分解(SVD)和二阶迭代思想改进后的线性Bregman算法应用到ECT图像重建过程中.仿真实验结果表明,它们比SVD、Landweber、CG和线性Bregman算法的成像分辨率更高,速度也更快;在2种改进算法中,基于奇异值分解改进的图像重建伪影更少,而基于二阶迭代改进的速度明显提升.     

基于卷积稀疏编码的电容层析成像图像重建

针对电容层析成像(ECT)病态性逆问题，提出了一种将卷积稀疏编码模型作为惩罚项嵌入到ECT最小二乘问题的方法，通过预先训练好的滤波器并结合交替方向乘子算法(ADMM)对此模型进行求解，从而完成ECT图像重建。对提出的方法进行了仿真及实验测试，并与LBP、Tikhonov正则化及Landweber迭代算法进行比较。结果表明，提出的方法其重建图像平均相对误差和相关系数分别为0.438 9及0.896 8,均优于其他3种方法，中心物体及多物体分布的重建质量得到显著提升。     

基于改进线性Bregman算法的ECT图像重建算法

针对电容层析成像(ECT)逆问题求解的欠定性,将分别利用奇异值分解(SVD)和二阶迭代思想改进后的线性Bregman算法应用到ECT图像重建过程中.仿真实验结果表明,它们比SVD、Landweber、CG和线性Bregman算法的成像分辨率更高,速度也更快;在2种改进算法中,基于奇异值分解改进的图像重建伪影更少,而基于二阶迭代改进的速度明显提升.     

基于深度残差收缩网络的商品图像识别

为了降低噪声信息的干扰及提高商品图像识别的准确率,提出了基于深度残差收缩网络的商品图像识别模型.该模型在深度残差网络的基础上融入软阈值函数及注意力机制,软阈值函数将注意力机制注意到的不重要的特征置为0,从而降低噪声信息的干扰,提高图像识别的准确率.实验首先通过爬虫方式获取了包含了51种商品的数据集,并且对该数据集通过图像翻转以及对图像加噪等操作,形成具有44066张图像的商品数据库.然后将深度残差收缩网络与深度残差网络、SENet算法模型对数据进行训练对比,同时对部分商品图像进行了测试.实验结果表明,深度残差收缩网络不仅可以提高商品图像识别准确率,同时还提高了模型的运行速度.     

小样本药用玻璃瓶缺陷生成方法及应用

目的 为了克服药包玻璃瓶缺陷样本不足带来的缺陷检测模型精度不准的问题,提出改进StyleGAN2-ADA的缺陷样本生成方法,提升模型鲁棒性。方法 首先,基于StyleGAN2-ADA算法,在无缺陷图像集上训练网络模型并作为骨干。其次,在骨干网络上添加缺陷感知残差块,生成缺陷掩码,在少量的缺陷图像数据集上训练网络模型操纵掩码区域的特征,模拟缺陷图像生成过程,合成缺陷图像。最后,采用YOLOv7检测网络验证该样本生成方法的效果。结果 实验结果表明,该方法在大量正常图像和少量缺陷图像基础上生成逼真且多样性的缺陷图像,应用该缺陷样本合成方法丰富数据集后,西林瓶缺陷检测平均准确率（mAP）达到97.3%,较原始数据集合和StyleGAN2-ADA算法分别提高了33.1%和4.1%。结论 该图像生成方法可以在少量缺陷样本下生成高质量的缺陷图像,优化不均衡数据集,增强模型训练的稳定性,提高药用玻璃包装产品的质量和合格率。     

混合颗粒系重叠图像分割与分类方法研究

针对传统图像处理算法对重叠颗粒的分割困难,引入Mask R-CNN深度学习算法并做针对性改进,通过调整残差网络ResNet-101加速训练,提出双FPN结构实现全局特征融合,使用Soft-NMS避免重叠颗粒漏检。设计了颗粒重叠图像实验系统,采集单一球形、球形与不规则混合多分散颗粒重叠图像用于分割研究。实验结果表明:该方法对混合颗粒分类准确率为91%,召回率为92%,均优于传统算法;其应用于含气泡的一水柠檬酸结晶过程中结晶的在线测量,所得结晶颗粒中位径误差为3.8%,数目误差为-1.3%。所提方法为混合颗粒的重叠图像分析提供了思路,后续有望解决图像法结晶过程后期在线监测乏力与气泡干扰的问题。     

电容层析成像三维图像重建研究

进行了电容层析成像(ECT)三维图像重建的仿真研究。首先利用COMSOL软件对ECT传感器进行三维建模,基于其高精度的有限元求解,计算ECT的灵敏度矩阵;其次,基于Matlab软件实现了基于线性反投影(LBP)及Landweber迭代算法的ECT图像重建,并利用图像显示程序获得了三维重建图像;最后,对球体及圆柱体模型进行了三维ECT图像重建,获得了较好的重建结果。     

基于改进LSQa算法的直接三维ECT图像重建

针对电容层析成像（ECT）技术逆问题的病态特性，本文将最小平方QR分解法（LSQR）应用到直接三维ECTIN像重建中，并采用动态滤波函数对重建图像进行改善。本文采用仿真实验的方法，从成像效果、误差评价及重建速度三个方面与Landweber算法进行了比较分析，结果表明，改进的LSQR算法能在较快的时间内达到收敛，数值比较稳定。     

Kalman滤波在电容层析成像图像重建中的应用

利用Kalman滤波算法进行电容层析成像图像重建,通过不断更新测量信息提高重建图像质量。在滤波初始,需要确定重建图像灰度及估计误差方差矩阵的初值。为研究不同初值组合对重建图像质量的影响,选择3流型进行了仿真实验,获得了最佳的初值组合,并在电容层析成像实验装置上进行了静态测试,实验结果表明,与Landweber算法相比,使用最佳初值组合的Kalman滤波算法可获得更为接近真实分布的重建图像。     

改进的共轭梯度算法的图像重建算法

针对电容层析成像图像重建问题的病态性,在Tikhonov正则化的基础上,以正则化解决方案的规模和给定数据的质量为理论依据,引入一个数学变换,提出了一种新的正则化方法,该方法克服了常规正则化方法扰乱原系统的缺陷。同时,将ECT物理模型进行规范化,并对共轭梯度算法进行改进。仿真实验表明,改进的共轭梯度算法的成像质量高于LBP算法、 Tikhonov正则化算法和共轭梯度算法,并利用相关系数进行了验证。     

基于梯度投影稀疏重建算法的电容层析成像图像重建

为解决两相流中存在中心物体、物体比较小或存在多个物体且相距较近时电容层析成像(ECT)重建图像精度较差的问题,基于稀疏分布的流型其介电常数分布满足稀疏性的先验条件,采用梯度投影稀疏重建(GPSR-BB)算法进行ECT图像重建。仿真及实验测试结果表明:GPSR-BB算法对于流体中小目标以及复杂流型的图像重建质量较好,重建图像的形状保真度高。     

基于小波变换的CT/ECT图像融合方法

在基于工业CT及ECT的多相流参数测量中,CT所得重建图像分辨率较高,但由于其投影角度较少,重建图像边缘出现失真;对于ECT 系统,由于其敏感场软场特性,其重建图像分辨率较低,但图像边缘保真度高。基于二者的互补特性,研究了CT/ECT图像融和方法,提出了改进的逻辑滤波器算法应用于小波变换的低频系数融合规则,结果表明该方法可提高融合后的重建图像质量。     

基于自相似性与稀疏表示的超分辨率算法

目的为了解决当前稀疏表示的超分辨率算法效果依赖参与训练的数据的问题,结合图像的自相似性,提出一种基于自相似性与稀疏表示相结合的超分辨率算法。方法算法利用图像的多维自相似性,构建多维图像金字塔,采用改进的相似块搜索策略,得到对应的高低分辨率图像块作为训练样本,然后对样本进行字典训练,最后根据稀疏表示得到超分辨率图像。结果实验结果显示,文中算法在峰值信噪比(PSNR)和结构相似度(SSIM)上优于其他算法,对于实验图像而言,PSNR平均提升了0.5 dB。结论提出的超分辨率算法未引入外部数据库,具有较好的效果,能够用于超分辨率重建。     

基于贝叶斯优化与改进LeNet-5的滚动轴承故障诊断

考虑到卷积神经网络在滚动轴承故障诊断中存在网络结构难以确定、训练次数过多、时间过长等问题,设计了一种贝叶斯优化改进LeNet-5算法,以及采用该算法构建的轴承故障诊断模型。采用贝叶斯优化训练过程中学习率等超参数,多种故障轴承的振动信号直接作为改进LeNet-5网络的输入,对池化输出采用批归一化处理和改进池化层激活函数防止过拟合,利用全局平均池化层替代全连接层提高改进LeNet-5网络的泛化能力,用Softmax分类器实现滚动轴承故障的分类。通过轴承数据库开展实验,实验表明,该算法构建的轴承故障诊断模型在训练集上准确率为99.94%,验证集上的准确率为99.89%,测试集准确率也达到99.65%,与一维卷积神经网络和二维卷积神经网络对比分析,基于贝叶斯优化改进LeNet-5算法构建的轴承故障诊断模型在滚动轴承的故障诊断模型具有更高的准确率,更少的训练次数和训练时间。