基于修正隐式Landweber方法的ECT图像重建算法

针对电容层析成像(ECT)技术中存在的软场效应及病态问题,提出一种基于修正隐式Landweber的电容层析成像算法。在分析电容层析成像系统基本原理的基础上,给出隐式Landweber方法解决ECT图像重建问题的求解公式,并对该公式进行迭代修正。同时对修正后的隐式Landweber电容层析成像算法的收敛性进行分析。仿真实验结果表明,修正隐式Landweber方法在解决ECT图像重建问题上,其精度与速度均优于经典Landerber、LBP等方法,且实现简单、稳定性好。     

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CS-GPSR的电容层析成像图像重建算法

提出将基于压缩感知(CS)理论的稀疏梯度投影(GPSR)算法应用于电容层析成像(ECT)图像重建过程中.采用离散Fourier变换(DFT)基将原始图像灰度信号进行稀疏化处理;将ECT灵敏度矩阵的各行按随机顺序进行排列,得到ECT系统观测矩阵,同时将测量电容向量的各行按相同顺序进行排列,得到观测投影向量;使用GPSR算法进行图像重建.仿真实验结果表明:基于CS理论的GPSR(CS-GPSR)算法重建图像质量明显优于LBP算法和Landweber迭代算法.本文所述算法可实现较高精度的图像重建,为ECT图像重建的研究提供了一种新的手段.     

基于双循环改进landweber电容层析成像图像重建

针对电容层析成像(ECT)技术中反问题(即图像重建)的不适定性,以8电极电容层析成像系统为对象,在分析Landweber算法原理的基础上,根据Frozen Landweber 迭代法,将基于权重因子的landweber算法进行内外双循环,获得一种迭代次数较少、收敛速度较快、重建图像质量较佳的改进算法,并将改进算法应用于ECT图像重建。数值仿真结果表明,对各种流型,改进算法在重建图像的客观评价指标及主观效果上均有明显改善,且对初值具有不敏感性,体现其实际应用价值。     

基于改进Landweber算法的ECT图像重建

电容层析成像(Electrical Capacitance Tomography,ECT)系统图像重建算法中,Landweber算法在重建图像质量及实时性方面取得较好的折衷,然而该算法针对不同的流型存在迭代步数差别较大及半收敛等问题。针对上述问题,通过同伦摄动方法推导出二阶迭代公式;并针对二阶迭代公式谱半径可能影响算法收敛的问题,通过添加约束因子以获得一种全收敛的改进Landweber算法。实验结果表明,改进算法在相对误差及相关系数上均优于原Landweber算法及其他对比算法,从而验证了改进算法的收敛性及有效性。     

基于模糊阈值分割的ECT图像重建方法

电容层析成像(ECT)技术是近年来发展较快的过程成像技术之一,图像重建算法是其应用的关键。但由于ECT的软场特性,重建的图像往往具有边界模糊效应。提出一种基于模糊阈值的ECT图像重建方法。该方法采用Landweber法进行图像重建,引入模糊阈值法确定重建图像的最佳阈值。采用仿真实验对该方法进行了验证,结果表明:该方法重建图像精度较高,具有较大的实用价值。     

基于图像融合的电容成像

为提高电容层析成像系统重建图像质量,提出基于图像融合的电容成像方法.通过电磁场有限元仿真软件COMSOL构建ECT传感器模型进行仿真研究,分别通过共轭梯度算法和奇异值分解算法重建图像,运用基于小波变换的图像融合方法对图像进行处理.仿真及实验结果表明该方法有效改进了ECT图像质量.     

自适应控制迭代的随机值脉冲噪声滤波

定义了一种更接近实际噪声情况的随机值脉冲噪声模型,针对随机值脉冲噪声的滤除提出一种自适应控制迭代次数的滤波算法。算法包括噪声检测、噪声滤除、误检像素修正和迭代控制四个步骤,对固定值脉冲噪声和随机值脉冲噪声均能有效滤除。与中值滤波算法进行实验比较,在滤除随机值脉冲噪声时,该算法滤波后图像细节信息保护较好,且滤波过程无需设定迭代参数,自适应性强。     

一种新型噪声检测中值滤波算法

本文提出了一种基于噪声检测的迭代中值滤波算法。该算法首先检测出噪声点,然后利用信号点对噪声点滤波。其中,噪声检测方法改进了Minmax方法。经过实验仿真并与其他滤波算法进行比较表明,该算法可以有效地去除图像中的脉冲噪声并且保留原图像的细节。     

脉冲噪声污染图像的迭代二值化分割

为使混有脉冲噪声的图像在去噪后取得更好的效果，对混有脉冲噪声的图像，先采用开关中值滤波消除噪声干扰，然后利用迭代算法实现图像的二值化分割，对提出的算法进行计算机仿真。结果表明：开关中值滤波能在有效去噪的同时很好地保护图像中的细节，对去噪后的图像再采用迭代算法进行二值分割可取得良好的效果。     

改进敏感场的电容层析成像图像重建算法

针对电容层析成像系统中敏感场的“软场”特性,提出了一种基于成像敏感场灵敏度均值滤波的Landweber图像重建算法。该算法是通过模板卷积的方式对敏感场灵敏度进行邻域平均,降低靠近极板区域的灵敏度,提高管道中心区域的灵敏度,部分消除了因敏感场不均匀对图像重建质量的影响,提高图像重建精度。仿真结果表明,该算法在图像重建精度和收敛速度上均优于传统的Landweber图像重建算法。     

基于局部能量的电容层析成像图像融合方法

针对电容层析成像技术的"软场"效应和病态问题对重建图像精确度的影响,在分析电容层析成像基本原理和成像算法的基础上,提出了一种基于局部能量的电容层析成像图像融合方法。该方法以线性反投影、Landweber和共轭梯度算法作为图像重建的基础,利用各个图像的互补特性,经对重建的图像小波分解后,分别采用基于局部能量和加权平均算子融合规则对分解后图像的高频系数和低频系数进行图像的融合,得到准确度更高的成像结果。仿真实验结果表明,融合后成像精确度得到明显提高,缩小了误差,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。     

卡尔曼滤波结合遗传算法的矿井图像去噪算法研究

为了提高煤矿井下图像采集的质量,通过研究分析卡尔曼滤波的初状态值选取与遗传算法来优化卡尔曼滤波,提出一种新的图像去噪算法——GAK(Genetic Algorithm Kalman).分析了图像噪声的成因与四种经典滤波;研究设计了卡尔曼滤波的初状态值选取;详细阐述了GAK原理,以及GAK求解步骤;运用MATLAB对GA...     

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。     

鲁棒卡尔曼滤波下的图像雅可比矩阵带时延补偿的估计

传统的图像雅可比矩阵估计的方法没有考虑时延因素,因此具有较大的估计误差.为补偿时延带来的影响,提出一种鲁棒卡尔曼滤波的方法,实现时延情况下当前时刻特征点在图像空间中位置和速度的估计,进而得到时延情况下较为准确的图像雅可比矩阵的估值.具体说,特征点在图像空间中当前时刻位置和速度是首先用卡尔曼滤波的方法估计的,但观测噪声的描述却采用了马尔科夫链模型,由此产生了过程噪声和观测噪声的互相关,传统卡尔曼滤波受限.为此,我们引入滤波修正向量并重新定义过程方程及观测方程,结合卡尔曼滤波中噪声的数学特性,得到滤波修正向量消除互相关性,从而构建出鲁棒卡尔曼滤波模型;其次,针对鲁棒卡尔曼滤波模型中存在的无法获得时延期间的观测向量的问题,提出利用多项式拟合出这部分观测向量,该多项式的选取综合考虑了特征点的位置、速度、加速度、加速度的变化率对于特征点轨迹的影响,与实际情况相符;最后,由预测出的当前时刻特征点在图像空间中的位置和速度,实现时延情况下图像雅可比矩阵较为准确的估计.仿真和实验结果验证了本文方法的可行性和优越性.     

卡尔曼滤波系统和量测噪声自适应估计的关联性

卡尔曼滤波是惯导系统(INS)/GPS组合导航的主要算法之一,Sage-Husa算法是在卡尔曼滤波基础上,为减少系统噪声和量测噪声的不确定性对误差估计的影响而采用的自适应估计方法.对Sage-Husa算法提出了4条改进措施;并通过在3种数据扰动情形下的仿真计算发现,只对一类噪声做自适应估计更容易产生较大的偏差,对系统噪声和量测噪声两类噪声同时做自适应估计,其效果要优于只对一类噪声做自适应估计,把此现象定义为卡尔曼滤波的系统和量测噪声自适应估计的关联性.这个结果不同于一些文献的观点.此项研究对自适应卡尔曼滤波在INS/GPS组合导航的工程化应用有较高的实用价值.     

非加性噪声情形下卡尔曼滤波器的推广

在数字信号处理中,得到的信号总是或多或少伴随着噪声。如何去除噪声,恢复真实的信号,是信号处理面临的首要问题。一般情形下我们都假定噪声是加性的,即噪声是不依赖于信号的,此时,卡尔曼滤波器是一种非常简便的降噪方法,它是一个最优化自回归数据处理算法,是用前一个估计值和最近一个观察数据来估计信号的当前值,是用状态方程和递推的方法进行估计的,而且它在均方误差意义下是最优的。本文将噪声推广到一般的乘性噪声的情形,利用卡尔曼滤波的基本思想,同样可以得到均方误差意义下的最优滤波,最后通过一个模拟的例子验证了该方法的有效性。