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。     

一种组合电极电容层析成像重建图像融合方法

提出一种基于电容层析成像(ECT)组合电极重建图像及层次聚类的ECT图像融合方法。首先,构建组合8电极及12电极ECT阵列传感器,研究2种组合传感器激励测量方案;其次,采用层次聚类法对两种组合电极ECT重建图像进行聚类,从而消除重建过程中产生的伪影;最后,将聚类后的2种图像再进行小波融合重建。实验结果表明,相较于原始重建图像,所提方法重建图像平均相对误差最小,最大降幅达到23.4%,平均相关系数最大,最大增幅达到10.56%。     

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。     

基于视觉对比度特性的红外图像超分辨率重建

针对现有超分辨率算法重建后的红外图像存在对比度差、信噪比低、视觉效果模糊的缺点,提出一种基于视觉对比度特性的红外图像超分辨率重建算法。该算法首先利用人眼在不同灰度级的分辨能力不同,通过引入红外图像对比度这一先验信息重建红外图像,其次构建一噪声度量因子以区分图像目标与噪声,然后对目标边缘进行增强,噪声进行滤除。实验结果表明:经过改进算法重建的超分辨率红外图像对比度提高了2倍,噪声得到了有效抑制,视觉效果明显改善。     

彩色图像多尺度引导的深度图像超分辨率重建

为获得更优的深度图像超分辨率重建结果,本文构建了彩色图像多尺度引导深度图像超分辨率重建卷积神经网络。该网络使用多尺度融合方法实现高分辨率(HR)彩色图像特征对低分辨率(LR)深度图像特征的引导,有益于恢复图像细节信息。在对LR深度图像提取特征的过程中,构建了多感受野残差块(MRFRB)提取并融合不同感受野下的特征,然后将每一个MRFRB输出的特征连接、融合,得到全局融合特征。最后,通过亚像素卷积层和全局融合特征,得到HR深度图像。实验结果表明,该算法得到的超分辨率图像缓解了边缘失真和伪影问题,有较好的视觉效果。     

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。     

基于特征重建的工业CT算法

工业CT检测系统中,散射等噪声约束条件较多,传统的CT重建方法得到的重建图像噪声大、分辨率低,不适合对一些较小的疵病进行检测.文章依赖被检测对象内部结构特征,利用小波函数在RADON变换前后的特性,通过对投影数据预滤波,直接重建图像的特征部位,在不损失太多图像背景分辨率的情况下,凸显了被检测对象内部较小的疵病特征,提高了检测分辩率.     

Image reconstruction algorithm based on the extended regularised total least squares method for electrical capacitance tomography

Electrical capacitance tomography (ECT) is a non-invasive imaging technology that aims at the visualisation of the cross-sectional permittivity distribution of a dielectric object based on the measured capacitance data. Successful applications of ECT depend greatly on the precision and speed of the image reconstruction algorithms. ECT image reconstruction is a typical ill-posed problem, and its solution is unstable, that is, the solution is sensitive to noises in the input data. Methods that ensure the stability of a solution while enhancing the quality of the reconstructed images should be used to obtain a meaningful reconstruction result. An image reconstruction algorithm based on the regularised total least squares (TLS) method that considers the errors in both the sensitivity field matrix and the capacitance data for ECT is presented. The regularised TLS method is extended using a combination robust estimation technique and an extended stabilising functional according to the ill-posed characteristics of ECT, which transforms the image reconstruction problem into an optimisation problem. In addition, the Newton algorithm is employed to solve the objective functional. Numerical simulations indicate that the algorithm is feasible and overcomes the numerical instability of ECT image reconstruction; for the cases of the reconstructed objects considered here, the spatial resolution of the reconstructed images obtained using the algorithm is enhanced; as a result, an efficient method for ECT image reconstruction is introduced.     

数字化电容层析成像系统

基于电容敏感原理设计的数字化电容层析成像（ECT）系统，利用有限元法，分析了阵列电极结构对敏感场分布的影响，通过优化设计和仿真试验，改善了敏感场分布的均匀性；构建了以数字信号处理器（DSP）为核心、现场可编程门阵列（眦）协同工作的12电极的数字化ECT系统，提出了由离线预迭代和在线一步成像所构成的新的图像重建算法——预迭代法，其成像速度及精度均明显得到提高。     

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。     

Canny准则小波边缘检测在图像融合中的应用

提出了一种新的图像融合方法。该方法选择Canny准则作为边缘检测的基础,并结合小波变换算法,确定图像边缘位置。在小波域中,对高频信息依据其是否为边缘点采用不同的融合策略,对低频信息利用加权法进行融合,再进行小波逆变换重构融合图像。实验结果表明,提出的算法在抑制噪声的同时,能有效地突出边缘细节,更好地保持图像的空间分辨力。对于多聚焦图像的融合,偏差度为0.0520,熵为7.6609,相似度达到0.9985。     

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。     

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。     

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。     

基于l_(2,p)-范数的ECT图像重建算法

针对电容层析成像系统图像重建过程中Tiknonov正则化解过度光滑引起的重建图像细节信息丢失问题,引入l_(2,p)(0p≤1)的混合范数作为正则化算法的数据项和正则化项。混合范数l_(2,p)利用了欧氏范数l_2的光滑性和分数范数l_p(0p≤1)的稀疏性,不仅比范数L_(2,1)具有更好的联合稀疏性,对噪声的抗干扰性也更强,进而针对l_(2,p)矩阵范数的非凸、非Lipschitz连续问题提出一种新的电容层析成像图像重建模型。实验结果表明,基于矩阵混合范数l_(2,p)极小化优化模型的正则化算法相比牛顿迭代、奇异值分解、共轭梯度算法具有更强的适应性,更高的图像分辨率及更好的成像质量。