电磁层析成像图像重建算法

电磁层析成像因其非侵入性、安全性能佳和速度快等特点在多相流在线检测中具有良好的发展前景,电磁层析成像中的重建算法与技术,是其在工业实际中得以应用的关键。近年来在图像重建方面的研究取得了较大的进展,灵敏度系数法,线性反投影(LBP)法,Tikhonov正则化法及ART法,同步代数重建法(SIRT)算法,Newto-Raphson法,Landweber迭代法等等。此外,对神经网络等新出现算法在EMT图像重建中的应用取得了一定的成果。本文对各种算法作了一定的评述。     

基于遗传算法电容层析成像图像重建算法的研究

采用了有限元法和归一化敏感场对传感器进行了仿真分析和计算，并提出了敏感场数值从有限元域到成像域的转换方法和一种新的基于遗传算法的ECT图像重建方法．该图像重建方法利用流型数据作为初始值在一定的范围内搜索最优解，能以较高的精度重建两相流体的断层图像，为ECT图像重建算法的研究提供了一个新的思路。     

基于敏感场变换的电容层析成像图像重建算法研究

快速而又具有一定精度的图像重建算法是电容层析成像(ECT)技术的关键。本文采用有限元方法,通过对敏感场机理的分析,提出一种基于敏感场变换的ECT图像重建新算法,通过对敏感场进行变换来提高电容传感器在管道中心区域的灵敏程度,从而提高管道中心区域的图像重建精度。该算法应用敏感场信息的部分数据和全部数据分别进行一次图像重建,将2次重建得到的图像进行组合得到最终重建图像。仿真和实验表明该算法能够快速而又较高精度的重建出两相流断层图像,尤其是在管道中心区域,图像重建精度有了较大提高。     

基于电容检测方法改进的ECT图像重建算法研究

本文对现有电容层析成像系统的电容检测方法进行了改进,通过分析电容传感器敏感场的软场产生机理提出一种基于极性交换的新电容检测方法,采用新检测方法后可以使应用于图像重建的独立电容值个数增加一倍,从而改善系统数学模型的病态特性,在此基础上结合Tikhonov正则化算法进行实验仿真。仿真数据表明与传统电容检测方法相比结合极性交换电容检测方法的Tikhonov算法能够快速而又较高精度的重建出两相流断层图像,尤其是对于复杂流型,图像重建精度及形状都有了较大提高,同时还提高了电容传感器敏感场的均匀性,改善了其非线性程度。     

基于WNN的电阻层析成像图像重建算法的研究

本文对于电阻层析成像系统的图像重建提出了一种基于小波神经网络的图像重建算法,介绍了电阻层析成像技术的原理、数学模型及问题描述,给出了小波神经网络的结构、特点及图像重建的过程.利用MATLAB编程进行了图像重建的仿真实验.仿真结果表明,与线性反投影算法相比,小波神经网络算法提高了重建图像的质量.用横截面图像误差作为重建图像质量的评判标准,线性反投影算法的误差超过了10%,而小波神经网络的算法低于5%.     

EMT 系统在磁性催化物分布检测中的应用

研究了电磁层析成像技术(EMT)在生物柴油制备过程中磁性催化物的分布检测上的应用。为了能够有效应用磁性催化物的导磁特性,在一种8线圈TMR-线圈结构的传感器阵列的基础上设计了仿真实验,比较了不同粒径大小的催化剂分布的成像结果,研究表明,该线圈结构适用于磁性催化物的分布检测。为了改进传统成像算法成像质量差、成像速度慢的缺点,研究了匹配追踪算法(CoSaMP)在图像重建上的应用,并与传统的Tikhonov算法和Landweber算法进行比较,结果表明CoSaMP算法有更好的边缘处理能力和更快的成像速度,与其他两种算法相比,图像误差平均降低了30.4%,成像速度提高了46%,有效提高了重建图像质量与速度。     

基于正则化的LANDWEBER电容层析成像图像重建算法研究

在分析电容成像基本原理和图像重建算法基础上,针对Landweber迭代算法收敛速度慢,本文提出一种基于Tikhonov正则化算法的Landweber迭代法.算法采用Tikhonov正则化算法代替LBP算法作为Landweber迭代法的起始步,并推导出相应的优化迭代步长.经仿真验证,该算法在图像重建收敛速度和抗干扰能力上要高于Landweber迭代法.     

基于小波神经网络的电容层析成像图像重建算法

电容层析成像(electrical capacitance tomography,ECT)技术是一个复杂的非线性问题,针对图像重建问题的病态性,提出了基于小波神经网络的图像重建算法。利用主成分分析法对输入变量(电容测量值)进行降维处理,利用小波神经网络建立电容测量值与成像区域介电常数分布的非线性映射。小波神经网络的神经元激励函数由伸缩和平移因子决定的小波基函数,采用BP算法对网络进行训练,并引入学习率与动量因子的自适应调整方法以加快网络训练的收敛速度。实验结果表明,与典型的反投影及Landweber迭代算法相比,该算法所构图像质量有明显改善。     

ECT传感器灵敏场在不同管径下对重建图像保真度的影响研究

用有限元法对电容层析成像系统的传感器进行了分析,得到了在不同管径下的灵敏场分布.为了提高图像重建质量,对灵敏场分保留与去掉相邻电极两种情况进行了处理.分别利用处理前后的灵敏场,以保真度为指标,对比不同管径下成像的仿真结果,得出在小管径下利用处理后的灵敏场重建的图像保真度较高,而在大管径下利用处理前的灵敏场重建的图像保真度较高,并利用大小两种管径的传感器进行了实验验证.对于ECT应用中,为获得相对较高的重建图像保真度,在不同管径下选用不同的灵敏场处理方法提供了参考依据.     

利用多准则Hopfield网络对ECT进行图像重建

针对电容层析成像技术中图像重建质量较差的问题,提出一种基于多准则Hopfield网络模型的电容层析成像的改进图像重建算法。首先分析了ECT图像重建和Hopfield网络的基本原理,然后根据ECT图像重建的特点确定了4种准则函数:图像熵、测量电容和估计电容的误差平方和、重建图像的局部非均匀性函数和总变差,并将这4种准则函数引入Hopfield网络的能量函数中,由此推导出Hopfield网络的动态方程,在此基础上得到ECT图像重建迭代算法,最后通过仿真实验对所提方法进行了验证。仿真实验结果表明利用此方法获得的重建图像误差和相关系数比LBP算法和Landweber迭代算法得到的相应指标要好。由此可见,该方法是一种有效的、精确度较高的ECT图像重建方法。     

弧形轨道结构下电流分布特性的仿真研究

解决轨道烧蚀问题是电磁轨道发射技术走向实际应用的关键点之一,轨道和电枢中电流的分布均匀性是造成烧蚀的主要原因之一。本文试图通过增大轨道和电枢的接触面积以达到改善接触电流分布的目的,于是提出弧形轨道结构。在不考虑速度趋肤效应的条件下,利用有限元分析软件掌握了电流密度分布规律。结果表明:一弧和多弧轨道结构可以有效地改变轨道和电枢接触面上的电流密度分布,实际发射过程中加以利用可以更好地控制电流密度的分布,有效减少电枢尾部的烧蚀。     

基于稀疏表示的超分辨率图像重建

主要是提出1种新的重建算法-基于稀疏表示的超分辨率重建,一方面,提出1种自适应的估计HR图像稀疏域的方法,其主要利用图像非局部的相似patch组合,通过PCA方法自适应的得到;另一方面,为进一步加强该方法的功能,在目标函数中引入1个非局部自相似的二次项约束,从而充分发掘非局部图像冗余信息.通过对含有L1-范数及L2-范...     

基于Contourlet变换和分形插值的超分辨图像重构方法

为了提高图像信息的空间分辨率,考虑到Contourlet变换的多尺度多方向性及分形插值的纹理平滑效应,本文提出了基于Contourlet变换和分形插值的图像重构方法。该方法首先在Contourlet变换域上对图像进行分块处理,并对获得的每块信息进行分形插值,进而通过Contourlet反变换重构得分辨率更高的图像信息。实验仿真表明,与传统的基于小波变换及插值等图像重构方法相比,所提出的方法更好地保护了图像的边缘和细节信息,具有更高的峰值信噪比。     

基于三维重建的绝缘子覆冰图像监测

提出了一种基于图像的三维重建的绝缘子覆冰在线监测方法。该方法运用计算机双目视觉技术,通过2台位置不同的摄像机采集2幅绝缘子覆冰图像,在对摄像机进行标定后,利用图像间的视差计算出覆冰绝缘子在三维空间的坐标,重建出覆冰绝缘子的三维模型,再由三维点云模型计算得到绝缘子覆冰的厚度及重量。应用所提出方法对多组实测图像进行三维重建和比较分析,结果表明该方法能够准确计算绝缘子覆冰的厚度和重量,还可反映绝缘子覆冰的厚度分布特征。     

融合边缘检测的遥感图像超分辨率重建算法

针对基于生成对抗网络的遥感图像超分辨率重建存在训练不稳定,参数冗余,图片纹理细节不够清晰等问题。提出一种融合边缘检测的遥感图像超分辨率重建算法。首先,在生成器网络中引入改进后的Canny边缘检测算子用于低分辨率图像特征提取,通过在Canny算子边缘提取流程中利用双边滤波和3×3邻域梯度以检测图像的边缘信息,使网络能够更好的表达高频特征;其次,为降低网络参数和提高网络训练的稳定性,去除判别器网络中冗余的BN层,同时将Wasserstein距离定义为对抗损失以解决生成对抗网络训练出现的梯度消失现象。在NWPU RESISC45数据集上,所提方法的峰值信噪比与结构相似性较WDSR和CARN算法分别提升了1.22 dB、0.114和0.32 dB、0.013,且重建后的图像相比较WDSR、CARN等其他SR算法在图像纹理细节和主观视觉效果方面也均有提升。     

Influence of digital audio filters on image reconstruction in MRI

This paper deals with the influence of the transient response and group delay of digital filters on the MRI signal and its aspects in image reconstruction. The consequence of digital filtration on the acquired signal will be shown in the time domain (κ-space) for three basic imaging methods-echo scan, radial scan and spiral scan. The influence of the group delay and transient response of filters will be explained and a method will be proposed which compensates both these phenomena while retaining all the advantages of digital filtration. The proposed method is based on applying the principle of signal superposition and on using the consequences of the sampling principle. The method works in the time domain. It is very simple and rapid and does not depend on the properties of the acquired signal or reconstruction algorithm. It will be shown and explained in which cases the transient response can be neglected and in which it has to be compensated. In the end, the results of the proposed methods will be shown for mentioned cases on a simulated signal in the image domain. © 1998 Elsevier Science B.V. All rights reserved.     

基于边缘检测的图像超分辨率重建研究

超分辨率重建是一种以信号处理为基础,有效提高图像分辨率的软件技术。由于这项技术不涉及硬件,成本低,所以在遥感、视频、医学、公安、网络等领域有着十分重要和广阔的应用前景。提高分辨率的算法有很多,插值算法无疑是其中一种简单便捷的方法,但是其效果一般,尤其是在图像的边界部分比较模糊。因为人眼对边界很敏感,所以很大程度上影响了这种算法的性能。研究旨在将边缘检测与插值算法结合起来,在基本算法插值算法的基础上加以改进,利用双边滤波和迭代后处理对图像的边缘加以保留和增强,使其具有更明显的边界特性,增加细节,提升超分辨率重建的主观质量。     

瓷支柱绝缘子振动声学检测机理的研究

通过对瓷支柱绝缘子运行中的受力进行合理简化,建立了相应的数学模型,进行一系列的数学推导,得出支柱式绝缘子保持机械强度的基本判据乃是它振幅-频率特性的不变性,最终验证了利用振动声波探伤方法诊断支柱式绝缘予机械强度的可行性。     

基于卷积神经网络的深度图像超分辨率重建方法

为了更有效地提高深度图像的分辨率,构建了一种更深层次的深度图像超分辨率重建的卷积神经网络。该网络直接将低分辨率深度图像作为网络的初始输入,通过卷积神经网络学习图像的高阶表示,获得更具有表达能力的深层特征,同时在网络的输出层引入亚像素卷积层,针对提取到的特征学习不同上采样滤波器,实现上采样放大操作。为了实现网络更好地收敛,在网络中加入了残差网络结构。在4个常用数据集上的实验结果表明,与其他先进方法相比,该方法网络收敛速度更快,并可以有效地保护图像的边缘结构,解决伪影问题,且在定性和定量两方面均取得了很好的重建效果。     

A fast algorithm for image reconstruction based on sparse decomposition

It is very slow at present to reconstruct an image from its sparse decomposition results. To overcome this one of the main drawbacks in image sparse decomposition, the property of the energy distribution of atoms is studied in this paper. Based on the property that energy of most atoms is highly concentrated, an algorithm is proposed to fast reconstruct an image from atoms’ parameters by limiting atom reconstruction calculating within the atom energy concentrating area. Moreover, methods for fast calculating atom energy and normalization are also put forward. The fast algorithm presented in this paper improves the speed of the image reconstructing by approximately 32 times without degrading the reconstructed image quality. __________ Translated from Journal of University of Electronic Science and Technology of China, 2006, 35(4): 447–449 [译自: 电子科技大学学报]