一种基于期望最大化条件的电容层析成像图像重建算法

针对电容层析成像系统(electrical capacitance tomography,ECT)的"软场"效应和病态特性对重建图像精度的影响,同时在分析了成像算法和电容层析成像基本原理的基础上,提出了一种基于期望最大化电容层析成像图像重建算法(expectation maximization,EM),采用最大似然分析的方法对本文算法进行了证明和推导,算法的重建图像误差较小,并能满足收敛条件.仿真实验结果表明,该方法与CG算法、Tikhonov算法相比,在成像精度有明显提高,为ECT图像重建提供了一种新方法 .     

一种分解型Quasi-Newton电容层析成像图像重建算法

针对电容层析成像系统中的"软场"效应和病态问题,在分析电容层析成像和QuasiNewton算法原理的基础上,基于非线性最小二乘的成像原理,提出了一种新的分解型Quasi-Newton电容层析成像算法,推导出了求解ECT反问题的分解型拟牛顿图像重建算法放的计算步骤,同时利用信赖域公式对目标函数的Hessian矩阵进行校正.仿真实验表明,基于分解型拟牛顿方法具有可行性,对于基本流型该算法与LBP算法相比,具有成像质量高和边界均匀稳定的特点,为ECT图像重建的研究提供了一个新的思路.     

一种电容层析成像局部方差的图像融合方法

针对电容层析成像ECT(electrical capacitance tomography)系统的"软场"效应和病态特性及欠定性的影响,依据电容层析成像原理和成像算法的原理,提出一种基于局部方差的电容层析成像系统图像融合方法.该方法以线性反投影算法、共轭梯度算法和信赖域算法为图像重建基础,利用各个图像的互补特性,将重建图像进行小波分解后的高频分量和低频分量分别采用局部方差和加权平均融合规则融合,最后通过小波逆变换得到新的重建图像.仿真实验结果表明:融合后的图像精确度得到提高,误差变小,图像更接近原型,为ECT图像重建的研究提供了一个新的方法.     

Huang族校正电容层析成像图像重建算法

针对电容层析成像(ECT)技术中的"软场"效应和病态问题,提出了一种Huang族校正的电容层析成像图像重建算法。首先依据ECT系统的基本原理,推导出ECT问题中Huang族校正的校正公式,其次给出校正后用于ECT反问题求解仿真实验的迭代公式。最后,采用数字仿真模拟实验方式,验证提出方法的有效性。实验结果表明,Huang族校正方法对于极低位、低位、核心流而言,图像误差分别降到24. 39%、25. 81%和40. 91%,均低于LBP、Landweber、SD和CG方法;对于极低位、低位及柱状流而言,迭代次数分别为12、12、27次,比Landweber算法和SD法都要低,综合分析,可知Huang族校正方法实验效果良好。     

一种基于禁忌搜索的电容层析成像图像重建算法

针对电容层析成像ECT(electrical capacitance tomography)系统中存在的"软场"效应和病态性问题,在分析电容层析成像原理和成像算法的基础上,提出一种基于禁忌搜索的电容层析成像图像重建算法.该方法将禁忌算法引用到ECT图像重建中,通过构造目标函数,设定邻域和禁忌表约束图像重建,以藐视准则和特设准则为条件将图像重建问题转换为寻找全局最优解问题,利用终止准则跳出禁忌搜索.通过MATLAB软件仿真,实验结果表明,得到的重建图像更接近原型,误差要比LBP算法小,图像质量更保真,为ECT图像重建提供一个新的方向.     

一种多小波电容层析成像图像融合方法

针对电容层析成像系统的"软场"效应和病态问题对重建图像精度的影响,在分析电容层析成像基本原理和成像算法的基础上,基于滤波LBP和神经网络RBF特性,提出了一种基于多小波变换的ECT图像融合方法.该方法首先对待融合图像进行多小波分解,再分别采用最大值法和区域梯度法融合规则对分解后图像低频部分和高频部分进行图像的融合,最后经过多小波重构得到最终融合图像.仿真实验结果表明,融合后成像精确度得到明显提高,减少了误差,图像更接近原型,为ECT图像重建的研究提供了一个新的方法.     

一种新的电容层析成像边界灰度补偿算法

由于电容层析成像(ECT)图像重建典型病态问题的不稳定性,在传统的电容层析成像算法的基础上提出了一种基于遗传蚁群算法(GAAC)的边界灰度补偿算法.在阐述了电容层析成像基本原理的基础上,通过推导多项式加速算法的数学模型,进行该算法的ECT图像重建.但由于传统的电容层析成像算法在图像边界上表现出极大的误差和不稳定性,所以提出了GAAC的边界灰度补偿算法.仿真和数值实验的结果显示,GAAC的边界灰度补偿算法是一种有效的电容层析成像方法,在ECT图像重建算法的领域提出了一个新的尝试.     

基于自适应权重粒子群的电容层析成像边界灰度补偿算法

电容层析成像图像重建是一个典型的病态问题,它的解是不稳定的.为了对这个不适定问题进行求解,在分析电容层析成像基本原理的基础上,提出了一种自适应权重粒子群的电容层析成像边界灰度补偿算法.该算法通过引入粒子群的平均绝对速度与理想速度,自适应调整粒子群优化算法中的参数,对成像后图像边界周围的灰度进行补偿.数值实验结果表明,同线性反投影和共轭梯度算法相比,进行边界灰度补偿后的图像兼备成像质量高、边界均匀稳定等优点,为ECT图像重建算法的研究提供了一个新思路.     

电容层析成像图像重建的新型在线迭代法

快速有效的图像重建算法是电容层析成像技术(ECT)的关键.基于 Landweher 迭代法,导出一种快速ECT图像重建迭代格式,分析了该迭代格式的收敛条件,并运用有限元仿真进行验证.结果表明,该迭代格式与常用的 Landweber 算法相比,成像质量相同,但迭代速度快,受像素个数影响不大,有望应用于在线成像.     

三项共轭梯度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,提出了一种三项共轭梯度的新电容层析成像算法.在分析电容层析成像基本原理的基础上,给出了三项共轭梯度法的迭代公式和计算步骤,并探讨了ECT应用该算法的可行性,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,同LBP和普通共轭梯度算法相比,该算法兼备成像质量高、边界均匀稳定等优点.     

基于支持向量机的电容层析成像图像重建算法

针对BP重建算法处理由电容层析成像系统所采集的投影数据耗时较多、收敛慢的问题,提出一种基于支持向量机的电容层析成像系统图像重建算法,提高了重建算法的成像速度,从而改善成像系统的整体性能.仿真结果表明,该方法的成像精确度及成像实时性较好.     

PCA与小波变换的ECT图像融合方法

电容层析成像技术存在"软场"效应和病态问题,由于这一特性,ECT重建图像的精度受到了影响,在分析电容层析成像基本原理和成像算法的基础上,提出了一种基于PCA变换与小波变换相结合的ECT图像融合方法 .首先对待融合的图像进行主分量变换以得到各主分量,然后采用基于特征的小波变换融合方法将待融合图像的信息与第一主分量进行融合,再将此时融合后的信息与其他主分量进行逆变换,得到最终的融合图像.通过仿真实验得到结果表明,融合图像的质量得到了提高,与源图像更加接近,为ECT图像重建的研究提供了一个新的方法 .     

电容层析成像RBF神经网络图像重建算法的改进

RBF神经网络图像重建算法在电容层析成像系统中应用广泛,它较好地克服了ECT系统的软场特性、强非线性和不适定性,其成像时间和成像精确度比其他算法都有很多改善.本文从有限元场域剖分、数据归一化和神经网络输入层角度对该算法进行了相关改进.仿真实验结果证明,改进后的算法有着更好的成像时间和成像精确度.     

基于RBF神经网络的电容层析成像图像重建算法

针对目前电容层析成像系统图像重建分辨率不高,精确度低的问题,提出了一种新的采用RBF神经网络对电容层析成像系统进行图像重建的方法.该神经网络采用改进的自适应遗传算法,优化选取隐层神经元的中心和宽度,用Tikhnov正则化方法训练网络权值.12电极的电容层析成像系统的仿真实验结果表明,该方法能明显改善成像质量,成像精确度较好,证明了该方法的有效性.     

电容层析成像(ECT)系统阵列传感器的访真研究

电容层析成像是监测两相流动的一种新技术.它可重建两相流在其流经管道横截面上的相分布图像,而重建图像的先决条件是需获得成像系统的灵敏场分布.研究表明,电容传感器的结构参数对电容敏感场灵敏度的分布有重要影响,进而影响着重建图像的质量,因此电容传感器结构参数的优化设计是极其必要的.介绍了ECT阵列传感器的结构参数仿真试验,并据此对电容层析成像系统阵列传感器进行了优化设计.     

电容层析成像系统的图像重建

电容层析成像技术是20世纪80年代中后期形成和发展起来的过程层析成像技术。由于电容传感器具有“软场”特性，并且数据采集系统所获得的投影数据有限，因此图像重建精度的提高成为电容层析成像技术研究的一个难点，为解决这一问题，研究了电容层析成像系统的构成和数学模型，阐述了ECT系统的图像重建算法的发展现状及改进方法。     

基于谱投影梯度的电容层析成像图像重建算法

针对图像重建问题,基于谱投影梯度算法对电容层析成像系统进行图像重建算法。该算法结合ECT的工作原理,以方向追踪为目标,根据谱投影梯度计算更新方向和步长,同时为了避免因收敛导致局部最优解,引入了非单调搜索策略,使精度与速度达到平衡。通过该算法对典型的流型进行仿真实验,并与传统LBP算法对比,结果表明该算法的重建精度得到提高,该方法为ECT图像重建提供了一个新的研究思路。     

基于ANSYS电容层析成像结构参数分析与优化

电容层析成像技术(ECT)是一种基于电容传感器机理的过程成像技术,以12电极电容阵列传感器ECT系统为背景,介绍了敏感场的计算方法,借助大型ANSYS有限元分析工具,建立电容传感器结构模型,并得到电极间敏感场的分布,为了避免粒子在全局附近振荡和粒子陷入局部最优,提出了改进PSO与改进混沌搜索策略的混合新算法.以敏感场整体灵敏度大小系统性能为目标,优化了电容传感器结构,寻找到的传感器最优结构参数.为电容层析成像系统图像重建提供了新思路.     

改进归一化方法对ECT重建图像质量的影响

为了提高电容层析成像（ECT）系统重建图像的质量,提出一种改进的电容测量值归一化方法.在典型流型分布下,对使用不同归一化方法情况下的正则化迭代算法和Landweber迭代算法的重建结果进行比较,分析了不同归一化方法对这两种常用迭代算法重建图像质量的影响.实验结果表明：对于三种典型流型的多数相含率分布情况,采用改进的归一化方法能够减小系统线性近似求解的偏差,提高两种迭代重建算法的重建图像质量.     

基于RBF神经网络的ECT图像重建

线性反投影算法是最常用的ECT图像重建算法,该算法将极板电容测量值与成像区域介电常数间的非线性关系作线性化近似.由于神经网络的非线性映射能力可用来避免这种线性化近似,为此探讨了基于RBF神经网络的16极板ECT系统的图像重建方法.采用最大矩阵法确定RBF神经网络隐层神经元数目,用最小邻聚类方法确定径向基函数的宽度和中心,建立了极板电容测量值与成像区域介电常数间的RBF神经网络映射.仿真实验结果表明,基于RBF神经网络的ECT图像重建方法重建速度与线性反投影法相当,重建质量优于线性反投影法.