基于D-S证据理论的CT/ECT图像融合实验方法

为提高多相流过程层析成像系统重建图像质量,分析CT、ECT成像机理及单一模态的局限性,提出一种基于D-S证据理论的CT/ECT图像融合实验方法。首先,将CT、ECT待融合图像的像素值聚类化,运用模糊聚类算法中的隶属度函数表示证据理论中的基本概率赋值函数;并通过D-S合成规则求解融合图像基本概率赋值函数,即融合图像隶属度函数。最后由融合图像隶属度函数反推融合图像像素值,实现"像素-概率-像素"之间的转化。实验结果表明:该方法可有效提高单模态重建图像质量,并优于传统像素融合算法。     

基于均匀设计及非线性偏最小二乘法的非闭合电极ECT传感器参数优化设计

提出了一种非闭合电极电容层析成像(ECT)传感器结构参数的优化方法.采用均匀设计结合非线性偏最小二乘(NPLS)回归,提取传感器结构参数(电极极板的宽度 L、绝缘外壳的壁厚δ1.、屏蔽罩与绝缘外壳间距δ2及绝缘外壳材料的相对介电常数ε)与待优化指标(敏感场的均匀度及灵敏度指标p1、最大与最小电容的比值 K)间的函数关系,建立相应的优化目标泛函,通过对优化目标泛函的求解,最终获得传感器结构参数的最优值.并以 10 电极非闭合电极 ECT 传感器为研究对象,进行了结构参数的优化设计,根据优化结果设计制作了非闭合电极 ECT 传感器,对其成像进行了仿真与实测.结果表明,参数优化后的传感器图像重建质量优于未优化的传感器.     

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。     

基于小波融合的电容层析成像图像重建

提出了基于小波变换的电容层析成像重建图像融合方法。首先,使用共轭梯度最小二乘法算法及Landweber迭代算法分别进行图像重建;其次,将所得重建图像进行小波分解,其近似分量按加权平均的融合规则进行处理,细节分量按绝对值最大融合规则进行处理;最后,将融合之后的数据进行小波重构,获得新的重建图像。仿真及实验结果表明,融合后的重建图像精度有所提高、图像伪影明显减少。     

基于旋转电极的电容层析成像技术图像融合算法

针对固定电极的电容层析成像技术独立测量值较少,且由于电极位置的影响而导致重建图像失真等问题,提出了一种基于16旋转电极的电容层析成像技术系统模型及对应的图像融合方法。模型对16电极的电容层析成像技术模型进行4次旋转,得出的数据分别采用线性反投影算法和修正共轭梯度法算法进行图像重建,再将重建的5张图像进行小波变换,变换得到的低频和高频成分分别采用加权平均和主分量分析的融合准则进行图像融合。实验结果表明:提出的电容层析成像技术旋转模型通过增加测量电容数,结合图像融合方法可明显提高重构图像质量,降低成像误差。     

改进的K-Means高通量dPCR荧光图像分类算法

目的 为实现高通量dPCR荧光图像阳性点高精确度分类,提出一种改进的K-means高通量dPCR荧光图像分类算法。方法 首先,将预处理后的荧光图像进行像素灰度值统计,依据图像亮度自适应选择波峰波谷作为聚类中心,通过马氏距离度量确定像素簇类;然后,将粗分类结果进行开、闭运算及删除小面积对象等形态学处理;最后,利用3次连通域统计方法完成细分类、位置标识和计数。结果 选取4种通道825幅荧光图像进行检验,平均精确率达到99.06%,召回率达到98.97%,分类效果良好。结论 文中提出的改进K-means分类算法可以实现对高通量dPCR荧光图像的高精度分类和计数,对其他荧光图像分类识别具有一定借鉴意义。     

基于向量小波与神经网络的图像融合算法

提出了一种基于向量小波和神经网络的图像融合算法.首先对各源图像进行向量小波变换,根据变换后系数计算出各子块图像的清晰度,选取子块图像部分区域清晰度作为前溃神经网络的训练样本,调整神经网络权重;然后用训练好的神经网络组合融合图像的向量小波系数,对组合后的系数进行一致性校验;最后对该系数进行向量小波逆变换,得到融合图像.仿真实验表明,该算法能够较好地解决多传感器图像融合问题,生成的融合图像效果优于有代表性的图像融合方法.     

基于电容层析的LN2-VN2两相流成像经典算法比较研究

针对低温流体液气介电常数接近1的特点,基于八电极电容层析成像(ECT)传感器,通过定量对比图像误差和相关性系数,系统分析了线性反投影算法、Tikhonov正则化算法、Landweber迭代算法、迭代Tikhonov正则化算法、代数重建技术和同步代数重建技术等传统用于室温流体的线性算法,用于LN₂-VN₂两相流的反演图像精度,并指出了各算法优缺点。通过对比水-空气的反演图像,发现LN₂-VN₂反演过程ECT线性化误差较小,从而有更好的反演结果。     

一种基于蚁群聚类的多模板图像边缘融合方法

根据所采集图像的离散性特点,提出了一种基于蚁群聚类的新型的多模板图像边缘融合方法.该算法综合了图像聚类的方法和模板边缘提取的方法,运用蚁群聚类的思想来提取图像的边缘特征,并进一步融合多种边缘提取模板来设置聚类的启发式引导函数和初始聚类中心,从而避免了传统蚁群算法聚类搜索时的盲目性.系列仿真实验验证了这一方法的可行性和有效性.     

一种新的红外与可见光图像融合与跟踪方法

多传感器图像融合技术在目标检测与跟踪领域中有广泛应用。提出了一种红外与可见光图像的新颖的特征级融合与运动目标跟踪方法。将目标轮廓用动态轮廓线表示,在目标跟踪过程中对于两类模式图像中的目标轮廓控制点向量,利用 B 样条形状空间模型将目标轮廓的特征级融合转换为控制点向量差的 L2 范数平方极小化。这种方法不需要图像配准,降低了融合的计算复杂度。同时,使用了自适应 Kalman 滤波技术,提高了动态轮廓线特征搜索的准确性。对比跟踪实验表明,融合后可见光图像的平均跟踪误差减小了 56.96%。     

HSV空间下改进的直觉模糊C均值聚类猪肉图像检测

利用计算机视觉技术对畜肉分级的方法种类繁多,但由于光照因素使前期图像预处理分割目标和背景的工作难度增大。针对传统的最大类间方差法分割图像效果不佳、噪声适应能力不强的问题,以及核磁共振、高光谱成像等无损检测方法大多存在检测仪器体积大、不便于携带、成本高等问题,提出利用色调、饱和度、明度(Hue,Saturation,Value,HSV)色彩空间结合聚类方法对图像像素点进行聚类分割。在对取自自然光照环境中的猪肉图像进行分割时,所提方法相对于传统聚类分割方法分割正确率平均提高1.46%;在对人工加入了0.1椒盐噪声和0.2椒盐噪声的图像进行分割时,该方法相对于传统方法表现出了更好的抗噪声能力,传统分割方法平均错误率分别升高了16.15%和38.28%,该方法平均错误率仅升高了1.57%和1.49%。该方法具有良好的分割准确率和噪声鲁棒性,提高了目标区域的检测精度,减少了图像预处理阶段的信息丢失,提高了畜肉分级方法的质量。     

基于改进ResNet-18网络的电容层析成像图像重建

为求解电容层析成像(ECT)中的非线性病态反问题，提出了一种基于改进ResNet-18网络的ECT图像重建方法。该网络由多个残差块组成，每个残差块被分组，然后通过组内残差连接，以融合更多的特征尺度。通过MATLAB仿真实验平台构建了流型数据集，利用深度残差网络的非线性映射能力，完成训练集的学习与训练，并利用测试集进行训练效果评价。在此基础上进行了静态实验。仿真与静态实验结果均表明：与LBP、Landweber迭代算法及未改进ResNet-18算法相比，该方法的图像重建质量明显提高，并具有良好的泛化能力。     

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。     

三维电容层析成像组合电极激励测量模式

针对3层电容阵列电极传感器,基于三维仿真,研究了两种组合电极激励测量模式,并与传统的单电极激励单电极测量模式进行了比较,包括电容测量值大小及其动态范围、敏感场分布均匀性以及重建图像质量。基于COMSOL软件及Matlab软件进行了仿真实验,结果表明:相较于传统的单电极激励单电极测量模式,组合电极激励测量模式所得图像重建效果更好,测量电容值较大且动态范围较小,敏感场分布更加均匀,对中心物体的成像质量明显提高。     

基于图像特征融合与决策融合的多模式人脸识别方法

利用可见光图像和红外热图像进行图像融合是多模式人脸识别领域的一个新的研究方向．分别从特征级和决策级两个层次上研究了可见光图像和红外热图像的融合问题．在特征级上,引入遗传算法进行特征的优选,实现了两种图像的特征融合;在决策级上,提出利用Dempster-Shafer证据理论来实现决策的融合,并给出了具体的融合方案．分别采集了50人的红外热图像和可见光图像,每种各10张,共1000张图片进行了实验研究．实验结果表明,无论是对两种图像进行特征级融合还是决策级的融合,融合以后最终得到的识别准确率都大大提高,对于LDA和D_LDA方法达到了100％的准确率因此,可以认为基于遗传算法的特征融合方法和基于Dempster-Shafer证据理论的决策融合方法是实现多模式人脸识别的可行方法．     

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。