基于改进Runge-Kutta型landweber的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,提出了一种改进的RungeKutta型landweber的电容层析成像算法。在分析ECT系统基本原理的基础上,推导出了解决电容层析成像问题的改进Runge-Kutta型landweber算法的数学模型,并采用迭代误差的单调性对算法的收敛性进行了分析。在此基础上探讨了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,该算法和LBP、landweber、最速下降法和共轭梯度算法相比,该算法兼备成像质量高、稳定性好等优点。     

一种改进的梯度加速 Landweber 算法及其在 ECT 图像重建中的应用

图像重建算法是电容层析成像技术(electrical capacitance tomography, ECT)在工业应用中的关键。Landweber迭代算法在图像重建的精度和速度上取得了较好的折衷性,但其收敛速度较慢,且迭代后期具有不稳定性,无明确的迭代停止准则。提出一种改进的梯度加速Landweber迭代算法,依据级数理论对梯度加速Landweber迭代算法进行深入分析,通过构造残差矩阵并添加约束因子获得新的迭代公式,并将其应用于ECT图像重建。数值仿真结果表明,改进算法对各流型的相对误差及相关系数均可在较少次迭代后稳定收敛于某一确定值,具有明确的迭代停止准则,且对于大多数流型的重建图像在主观质量上更接近于原始流型,从而验证了改进算法的稳定性及有效性。     

基于贝叶斯理论的电容层析成像图像重建迭代算法

提出了一种基于贝叶斯理论的电容层析成像(electrical capacitance tomography,ECT)图像重建算法。与现有的ECT图像代数重建算法不同,该算法将介质分布的先验信息和噪声信息等统计信息引入到ECT图像重建中。文中针对5种典型介质分布进行了数值仿真实验,结果表明该算法对于两相流中不同的介质分布均具有良好的适应性。迭代步数和先验概率的协方差取值对图像重建结果有较大影响。在迭代过程中,该算法所需的增益矩阵的更新不依赖于输入,因而可以离线预先计算,从而减小图像重建的计算压力,提高该算法重建速度。     

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。     

基于改进极小范数解的电容层析成像图像重建算法

提出了一种新的电容层析成像图像重建算法。在分析极小范数解的基础上，针对电容层析成像(ECT)逆问题的特点，利用正则技巧对其进行改进，并利用奇异值分解定理分析了这种改进的数值稳定作用。在此基础上，利用加权技巧建立新的目标泛函进一步改进极小范数解，并在求解该泛函的过程中采用正则技巧确保数值解的稳定性。数值实验表明，该算法是有效的，能够有效地克服ECT图像重建的数值不稳定性；而且该算法计算直接、无需任何复杂的技巧；就该文所考察的重建对象而言，其图像重建质量好于线性反投影算法(LBP)、标准Tikhonov 正则法和投影Landweber迭代法。从而为ECT图像重建提供了一种新的有效方法。     

基于差分灵敏度模型的电容层析成像图像重建方法

电容层析成像(electrical capacitance tomography,ECT)图像重建本质上是非线性的、病态的逆问题,利用线性近似技术的重建方法被ECT广泛采用。该文研究了极板电容测量值和介质分布的非线性程度与灵敏度分布函数的梯度值之间的关系,并将灵敏度梯度幅度应用到灵敏度的归一化过程,用来提高线性近似模型的准确性。同时提出一种新的基于灵敏度差分的灵敏度归一化模型,根据灵敏度中心差分,组合并行归一化和串行归一化模型而构建归一化灵敏度矩阵,能够得到更好的图像重建线性近似模型。数值实验对比了3种归一化模型,并分析了基于差分模型的归一化灵敏度的特征。结果表明,利用新方法构建的归一化灵敏度矩阵代替常规的灵敏度矩阵,常用的Landweber迭代和Tikhonov正则化迭代算法在不增加重建时间情况下,重建图像质量得到明显改善。     

电容层析成像系统自适应电容归一化模型研究

电容层析成像(ECT)系统中,电容测量转换电路获得的数据必须经过归一化处理,才能使用重建算法进行图像重建。在并联、串联归一化模型的基础上,利用并联、串联模型的数学关系提出了自适应归一化模型函数关系。模型的自适应因子根据中心电场线(EFCL)划分的两个区域中单元到中心电场线的最小距离与最大距离的比值来计算,仿真及实验结果表明基于该模型的重建图像质量优于并联及串联模型。     

基于联合代数重建的电容层析成像图像重建

针对电容层析成像技术(Electrical Capacitance Tomography,ECT)中图像重建算法的非线性和病态性问题,将基于代数重建技术(Algebraic Reconstruction Technique,ART)的联合代数重建技术(Simultaneous Algebraic Reconstruction Technique,SART)应用于ECT图像重建。模拟基于16电极ECT系统进行油/气两相流测量,针对SART算法进行了仿真及实验测试,并与ART算法比较,结果表明:SART算法重建速度更快,且重建图像的边缘信息保真度更高。     

自适应加权的多特征融合ECT图像重建算法

为了解决电容层析成像(electrical cpacitance tomography, ECT)图像重建中电容值与介电常数这一非线性病态问题,提出一种自适应加权的多特征融合(adaptive weighted multi-feature fusion, AWMF) ECT图像重建算法,利用网络模型拟合电容张量和介电常数的非线性映射关系。首先,在网络模型中采用密集卷积网络(DenseNet),不仅缓解梯度消失现象,还融合不同通道的特征信息;添加挤压激励网络(squeeze excitation network, SENet)自适应调整特征通道的权重,用以提取不同通道的关键特征,提高重建图像的精度。其次,构建树形聚合结构（tree aggregation structure network, TASN）网络模块,扩大感受野并提取丰富的多尺度特征信息,消除普通卷积所带来的伪影现象。在COMSOL5.3软件上建模仿真后,通过MATLAB2014a对图像进行重建。实验结果表明,重建图像误差系数降低至0.0256,相关系数提高至0.9717,与传统算法和CNN算法相比,具有更高的图像重建质量。     

极限学习机在电容层析成像中的应用

针对复合材料的无损检测技术,介绍了一种基于极限学习机(ELM)的电容层析成像算法(ECT)。为保证样本的代表性,随机生成各类训练样本模型。对训练样本及测试样本模型的仿真电容值及其灰度值进行归一化处理,采用极限学习机进行训练及测试。给出了仿真结果及分析,探讨了文中方法的优缺点,该方法具有优越的泛化能力和学习速度,且成像精度得到较大提高,具有一定的参考价值。     

一种新的电容层析成像电容测量值归一化模型

在电容层析成像(electrical capacitance tomography,ECT)图像重建中,测量电容需根据高、低介电常数进行归一化处理.并联模型为常用的归一化模型,其归一化电容值与测量电容值为线性关系.串联归一化模型,其归一化电容值与测量电容值则为非线性关系,与并联归一化模型相比,重建图像有所改善.最新提出的基于电力中心线的混联模型为并联及串联归一化模型的混合,该文针对混联归一化模型提出了确定模型因子的多阈值方法.仿真及实验结果表明.基于多阈值的混联归一化模型,其重建图像质量得到较大提高.     

基于双参数模型的ECT图像重构混合算法

为了提高电容层析成像重构图像的精度和速度,本文提出了一种基于双参数模型的电容层析成像图像重构混和算法。该算法利用Morozov偏差原理确定Tikhonov正则参数,能使正则参数的选取与初始数据的误差相匹配,同时基于Morozov偏差方程导出了一种双参数模型,并进一步与牛顿法相结合用于快速得到最优的正则参数。数值实验表明:与线形反投影算法(LBP)、Landweber迭代算法和L-曲线法相比,所提出的混合算法具有图像重构速度快、精度高的优点。     

基于改进L1/2正则化的电阻抗层析成像

碳纤维复合材料的结构安全健康检测至关重要。电阻抗层析成像技术利用碳纤维复合材料的导电特性,可实现对其结构损伤检测。此技术具有成本低、非侵入和操作简便等优点,近年来成为广大学者的研究热点。在EIT的图像重构过程中存在着严重的病态性问题,本文提出了一种改进L1/2正则化算子的电阻抗层析成像算法。该方法采用L1/2范数构建稀疏正则化罚函数,通过布雷格曼交替方向乘子法的迭代算法对新目标函数进行求解,提高算法的性能。为验证算法有效性,使用COMSOL软件设计四种典型CFRP层合板损伤类型并搭建16电极EIT测试系统验证。仿真与实际实验结果表明,与其它算法相比,采用BADMM迭代算法求解L1/2正则化方法提高了图像相关系数,降低了图像误差,有效改善了重建图像的精度,且该方法对噪声具有较强的鲁棒性。