基于动态参数的Tikhonov方法在电容成像图像重建中的应用

该文针对电容成像(ECT)图像重建问题的病态性,采用Tikhonov正则化方法进行图像重建,并选用三种方法动态选择正则化参数。仿真结果表明对某些流型分布,用文中所述方法得到的重建结果优于目前普遍使用的线性反投影(LBP)算法。该方法为提高ECT图像重建质量提供了新的途径。     

基于改进粒子群优化的电容层析成像图像重建算法

Landweber电容层析成像ECT图像重建算法与粒子群优化算法PSO结合后能够进一步提高成像质量,但标准粒子群优化算法用于图像重建优化时存在陷入局部最优的现象。针对该问题,提出一种基于改进粒子群优化结合Landweber算法的电容层析成像图像重建算法。新算法在Landweber算法的基础上加入改进的惯性权值指数衰减粒子群优化策略,通过增加以指数规律衰减的粒子速度更新公式的约束因子,以保证算法在开始阶段具有较强的全局寻优能力,而在后期具有较强的局部寻优能力,从而实现对Landweber算法初始重建结果的进一步优化,以提高重建图像的质量。为验证新算法的有效性,选取较典型的LBP、改进Tikhonov迭代算法及Landweber图像重建算法,完成了ECT图像重建的对比实验。仿真结果表明,相对于其他算法,对于常见的几种流型,新算法在重建图像的主观及客观质量方面均有明显提高。     

基于改进FOCUSS算法的电容层析成像算法研究

针对电容层析成像(electrical capacitance tomography,ECT)逆问题求解的病态性和不适定性,在压缩感知(compressed sensing,CS)的基础上,提出一种改进FOCUSS的ECT重建算法。采用离散余弦变换(DCT)基将原始图像灰度信号进行稀疏化处理,在使用正则化FOCUSS算法求解的过程中引入拟牛顿法逼近求解中间稀疏变量,以提高信号重构的准确性。仿真实验结果表明,同LBP、Tikhonov和Landweber和FOCUSS算法相比,改进的FOCUSS算法能够有效区分物场中的不同介质,改善图像过度平滑的问题,减小图像误差至0.23,提高图像相关系数至0.80,具有更好的成像效果,为ECT图像重建算法的研究提供新的思路。     

近似最优正则化参数方法在电容成像图像重建中的应用

将基于近似最优正则化参数的Tikhonov方法应用于电容成像(Electrical capacitance tomography，ECT)图像重建以解决其中存在的病态性问题，并利用几种典型分布对该方法进行仿真测试。数值结果表明，在先验知识满足的条件下，近似最优参数法所找到的正则化参数是对最优正则化参数的较合理近似。在重建结果方面，基于近似最优参数的Tikhonov方法在不同的介电常数分布下与目前普遍采用的线性反投影算法(Linear back projection，LBP)各有优势。结果表明，该方法尚不能完全取代LBP算法，但能在一定程度上弥补LBP算法的不足。     

动态步长FOA的PID参数整定方法研究

为了解决基本果蝇优化算法(FOA)因固定搜索步长而对比例积分微分(PID)参数整定收敛精度不高且搜寻效率低的问题,将Logistic(t)的变换函数lgt(t)引入FOA中。由该变换函数确定自适应步长,提出一种动态步长果蝇优化算法(DSFOA)。DSFOA中果蝇个体搜索步长会随着迭代次数的增加而动态地变化。该算法在迭代前期使用大步长,具有更高的全局搜索效率;在迭代后期使用小步长,具有较强的局部寻优能力。这可以提高收敛精度,实现对全局搜索和局部搜索过程的优化。二阶系统仿真测试结果表明,相比于FOA,DSFOA寻优过程产生的PID参数使系统性能更优,能快速、有效地搜索到PID最优参数且鲁棒性好。该结果验证了DSFOA的有效性与合理性。     

电容层析成像图像重建算法研究

图像重建算法是电容层析成像系统的关键技术之一,是改善重建图像质量的重要因素.在正则化的基础上提出了一种基于QR分解的电容层析成像算法,该方法首先将离散化和线性化处理后的电容层析成像物理模型进行Tikhonov正则化处理,然后将QR分解的思想引入电容层析成像方程中求解出初始图像,然后再对初始图像进行优化修正提高重建图像质量.成像结果表明,图像重建结果与实际相符,图像质量得到了改善.     

一种用于PID控制参数优化的混合果蝇算法

针对果蝇优化算法（ FOA）收敛速度快但寻优精度低的缺点,为了改善果蝇算法的优化性能,提出一种混合果蝇优化算法（ HFOA）。HFOA采用分段优化的思想,在优化过程后期采用收敛稳定性较好的粒子群优化（ PSO）算法优化果蝇算法中果蝇个体飞行距离和味道浓度的判定值,采用误差性能指标积分准则ITAE作为适应度函数,并将优化方案应用于一类不稳定系统的PID控制。Matlab仿真验证表明：HFOA计算高效,具有良好的稳定性,收敛精度高,进而验证了HFOA应用于PID控制参数优化是可行而有效的。     

改进步长与策略的果蝇优化算法

针对基本果蝇优化算法（FOA）容易陷入局部最优、收敛速度慢和寻优精度不高的缺点,提出了改进步长与策略的果蝇优化算法（CSSFOA）。在一定范围内随机选取历史最优值作为步长变化依据,动态改变果蝇群体的搜寻半径,有效权衡了算法的全局与局部搜索能力;为了避免陷入局部最优,在果蝇群体趋于稳定时选取一定数量的果蝇个体执行变异操作。仿真实验结果表明,提出的改进算法在收敛速度和寻优精度上较基本FOA及其几种改进算法有更好的寻优性能。     

参数修正与收敛策略融合的果蝇优化算法

传统的果蝇优化算法（Fruit Fly Optimization Algorithm,FOA）容易陷入局部最优,而且传统果蝇个体味道浓度判定值S是非负数,不能解决最优解是负数的优化问题。针对以上问题,多重改进策略被应用到果蝇优化算法中。为了解决味道浓度判定值不能是负数的问题,对味道浓度公式进行了修正;为了避免高维函数维间互扰问题,迭代优化的过程中对果蝇个体在最优值附近寻优采取逐维扰动的方法;为了避免陷入局部最优,迭代过程中加入了收敛判断因子,如果多次迭代没有改善,说明陷入了局部最优。此时,一部分果蝇个体继续在最优解附近寻优,另外一部分个体在解空间混沌扰动寻找全局最优解。收敛判断因子阈值的取值会影响优化的速度和精度,通过实验确定了收敛判断阈值。通过对测试函数结果验证表明,改进的果蝇算法比FOA算法具有更高的搜索精度和更快的收敛速度。     

应用反向学习策略的果蝇优化算法

针对基本果蝇优化算法FOA(Fruit Fly Optimization Algorithm)容易陷入局部极值、进化后期收敛速度慢和收敛精度低的缺点,采用反向学习策略加以改进,提出应用反向学习策略的果蝇优化算法OBLFOA(FOA with Opposition-based Learning)。该算法将一般反向学习策略和动态一般反向学习策略分别引入到果蝇优化算法的种群初始化和迭代寻优过程中,能得到越来越好的种群个体。随着迭代过程的逐步深入,使得进化种群快速地逼近最优解。对6个经典测试函数的仿真结果表明,新算法在收敛速度、收敛可靠性及收敛精度方面比基本果蝇优化算法有较大的提高。     

电容层析成像系统图像重建算法的研究

本文利用Tikhonov正则化和奇异系统理论,分析了引起电容层析成像系统逆问题不适定性的根本原因是由于敏感场矩阵小奇异值的存在。针对一般Tikhonov正则化方法将所有的奇异值都采取同一正则化参数修正带来的误差,本文将小奇异值对应的项设定正则化参数,而舍去零奇异值对应向量,既减少了误差又加快了速度。例算结果表明,用本文方法重建图像,比其它如线性反投影算法(LBP)、Landweber迭代法及一般Tikhonov正则化算法,都有一定程度的改善。     

动态搜索半径的果蝇优化算法

针对传统果蝇优化算法FOA(Fruit Fly Optimization Algorithm)固定搜索半径导致后期局部寻优性能弱、收敛缓慢的问题,提出一种动态搜索半径的果蝇优化算法DSR-FOA(Fruit Fly Optimization Algorithm With Dynamic Search Radius)。该算法前期以较大搜索半径保证全局寻优性能,而后期搜索半径随迭代次数动态递减以保证局部寻优性能,有效地实现算法全局与局部寻优性能的均衡。其次,针对传统果蝇优化算法不适于优化变量的区间设定问题,通过初始搜索半径设定和平移变换等技术提出一种有效的区间限定方法。数值实验结果表明:改进算法具有较好的寻优精度和预测标准差等指标,验证了算法的有效性和可行性。     

一种基于遗传算法的电容成像图像重建方法

提出一种基于遗传算法的电容成像图像重建方法.该方法以线性反投影算法图像重建结果作为初始图像,选取Tikhonov正则化指标作为适应度函数,利用遗传算法对初始图像重新进行优化处理,选择能够更好反映管道中不同相介质所在位置的像素点,并确定这些像素点灰度值的最大最小值,最后根据最大值和最小值确定像素点的灰度值.该算法充分利用遗传算法对低维空间高效的搜索能力,避免了应用遗传算法直接求取各像素点的灰度值,具有较高的效率.数值计算结果表明该算法对两相流不同流型分布具有良好的适应性,与Landweber方法相比,能在更短的计算时间的情况下,取得更好的重建图像.     

用于复合材料缺陷可视化检测的l_1正则化算法

随着复合材料在民用飞机中越来越广泛的应用,复合材料缺陷的在线检测对无损检测技术提出了更高要求。为提高平面电容层析成像(ECT)系统的成像质量,从而提高其对复合材料缺陷的检测精度,对基于l1正则化的成像算法进行了研究。采用交替最小化方法进行数值计算,并结合迭代阈值法,对重建图像进行降噪。试验结果表明,与ECT中常用的Landweber、Tikhonov正则化等算法相比,该方法能够有效分辨物场中的不同介质,提高了成像质量和被测物体边缘分辨率。     

基于BBO-ELM方法的网络视频流量预测仿真研究

针对在互联网络服务中,进一步提升网络视频流量预测的精度以优化网络资源配置和满足用户需求的问题进行了研究,并对如何自适应选取网络视频流量时间序列中有效且必需的历史信息进行了探索,提出一种基于生物地理学优化算法优化极限学习机的BBO-ELM预测模型。在ELM预测模型的基础上,将BBO优化算法用于ELM的网络输入变量、隐含层节点的配置及参数、Tikhonov正则化参数的优化选取。为验证所提出方法的有效性,将BBO-ELM方法应用于真实网络视频流量预测实例中,在同等条件下,与现有方法进行了比较。仿真实验结果表明,该方法能有效地改善预测精度,显示出其有效性以及应用潜力。     

多帧图像的Tikhonov正则化重建算法研究*

介绍了Tikhonov正则化超分辨率重建算法的基本原理和特点,在原有正则化空域图像复原方法的基础上,根据多帧序列图像之间的互补信息,提出一种改进的正则化空域图像复原的新方法,该算法直接将正则化函数作用于图像超分辨率重建算法的条件概率项内,提高了正则化项的校正效率,并用共轭梯度运算来改善算法的收敛性,节省了图像重建所需的时间。实验和仿真结果表明,与传统方法相比,该算法不仅减轻了图像边缘纹理的模糊性,提高了图像的清晰度,而且收敛速度快。     

基于最大期望算法的电阻抗成像系统的图像重建

电阻抗成像EIT(Electrical impedance tomography)技术利用不同媒质具有不同的电导率这一物理基础,通过测量目标场在一定电刺激下所呈现出的电特性,推导出目标场内部的电导率分布信息,进而推知该场中媒质的分布情况。EIT图像重建问题是一个非线性的病态逆问题,且测量系统往往存在噪声,使重建图像中存在伪影,传统的正则化方法对重建图像伪影的抑制能力有限。本文将一种统计学方法,即最大期望EM(expectation maximization)算法应用于EIT逆问题求解。它将EIT的数学模型转化为非负约束极小化问题,并通过梯度投影简化牛顿算法GPRN(gradient projection-reduced Newton iteration method)求解该问题。与传统的Tikhonov算法和共轭梯度算法CG(conjugate gradient)相比,有效地抑制了重建图像中伪影的产生。仿真和实验结果表明,EIT系统可以通过EM算法获得高质量的重建图像。     

基于QR分解的对称共轭梯度法成像算法

为了快速得到高质量的重建图像,提出了对称共轭梯度法成像算法,大大缩减了迭代次数,同时,将ERT物理模型进行规范化和Tikhonov正则化处理,进而将QR分解的思想引入ERT方程的求解中,提出基于QR分解的对称共轭梯度算法,实现了单步图像重建.理论分析表明,该算法具有良好的收敛性.通过典型流型的仿真实验,证明了该算法可以...     

PET序列图像超分辨率优质重建算法

为了从PET序列低分辨率图像中重建出优质高分辨率图像,提出了一种基于正则化参数的自适应线性斜率超分辨率算法。该算法通过对正则化线性斜率的自适应,更新动态优化代价函数,以降低对PET图像高频成分的抑制。为验证算法的有效性,采用模拟PET序列图像进行实验。实验结果表明,新算法在改善图像空间分辨率上取得良好的效果。     

基于改进FOA-SVM的矿井火灾图像识别

为解决矿井下传统火灾识别方法准确率较低的问题,提出一种基于改进果蝇优化算法(FOA)-支持向量机(SVM)的火灾图像识别算法。利用YCrCb颜色空间对捕获的图像进行分割,根据早期的火灾图像特征从图像序列中提取多个火灾特征值。用基于分群体融合的改进FOA算法搜索SVM最优核参数和惩罚因子,将提取的火灾图像特征值作为SVM的输入对样本数据进行分类。实验结果表明,采用该方法对矿井火灾进行识别时准确率达97.2%,其分类效果显著优于FOA方法、粒子群优化算法等。