基于两相流电容层析成像系统的正则化Landweber算法

针对电容层析成像系统的不适定性问题,提出了一种正则化Landweber阈值迭代改进算法。该算法将正则化项引入初值等式约束中,得到带约束的正则化问题,并在Landweber迭代算法的过程中设置门限阈值,在每次迭代中都自适应的调节阈值参数,最终用带约束的正则化Landweber阈值迭代算法得到最终的重建图像结果。数值仿真实验表明,正则化Landweber阈值迭代算法在改善图像重建质量和提高收敛速度方面均有明显的优势。     

基于极限学习机求解正问题的 ECT 图像重建

在电容层析成像(ECT)图像重建迭代类算法中,通常采用线性正问题求解,以加快重建速度,由此产生重建误差。针对这一问题,提出了基于极限学习机(ELM)的非线性ECT正问题求解方法,ELM网络输入为介电常数分布,其输出为预测的电容测量值。将该方法与传统的Landweber迭代算法相结合构成ELM-Landweber迭代算法进行图像重建。为使样本具有较好的代表性,物体分布位置及大小均随机生成,并计算相应的归一化电容值作为ELM网络训练及测试样本,对ELM-Landweber迭代算法进行了仿真与静态实验,并与传统Landweber迭代算法进行比较。实验结果表明,相较于传统Landweber迭代算法,采用ELM-Landweber迭代算法,其算法收敛速度显著提高,重建图像质量得到明显改善。训练样本的平均图像相对误差由0.728减小至0.504,测试样本的平均图像相对误差由0.596减小至0.475。     

电容层析成像图像重建中的迭代算法

电容层析成像技术中图像重建算法的准确与快速是其在工业实际中得以应用的关键。Landweber方法是一种简单、灵活的迭代算法，具有很好的正则化特性，它的投影变体能够提供非负的图像重建。Landweber算法实际应用的困难是其收敛速度太低。本文采用预处理方法来加快Landweber迭代方法的收敛速度，即通过较少的迭代次数，获得适当的重建结果。仿真实验表明，同经典的快速算法共轭梯度迭代方法相比，预处理Landweber迭代方法具有更好的重建图像质量。     

基于多项式加速的电容层析成像图像重建算法

针对普通迭代方法收敛速度慢的问题,提出一种多项式加速的正则化迭代电容层析成像算法来加快其收敛速度.在介绍12电极电容层析成像系统基本原理的基础上,给出了该算法的数学模型,并利用谱分析对该算法的收敛性进行了证明.探讨了ECT应用该算法的可行性,该算法易满足收敛条件且重建图像误差小.仿真和实验结果表明,和LBP、Landweber算法相比,该算法兼备成像质量高及收敛速度快等优点,为ECT图像重建算法的研究提供了一个新的思路.     

基于自适应模拟退火及 LM 联合反演算法的 ECT 图像重建

为解决电容层析成像技术(ECT)中图像重建的非线性和病态性问题,提出了一种自适应模拟退火-Levenberg Marquardt (ASA-LM)联合反演算法。 改进了标准模拟退火(SA)算法的新解生成策略、能量函数的定义及退火策略,并结合 LM 的直接局 部搜索方法联合反演 ECT 图像重建问题。 同时,利用 Savitzky-Golay (SG) 滤波对 ECT 图像重建所需电容数据进行平滑处理以 提高其信噪比。 最后,进行仿真及静态实验,并与线性反投影(LBP)、Landweber 迭代及标准 SA 算法进行了比较。 结果表明,与 其他 3 种算法相比,ASA-LM 算法收敛速度快、图像重建质量明显提高,边缘信息保真度高,重建图像的平均相对误差为 0. 331 1,平均相关系数为 0. 933 1。     

电磁层析成像图像重建中的修正共轭梯度算法

通过研究共轭梯度算法,推导出适用于电磁层析成像的修正共轭梯度算法,该方法提高了收敛速度,改善了电磁层析成像重建图像的质量。首先以共轭搜索方向充分下降为充分条件,理论推导出修正共轭梯度算法。然后从相对图像误差、相关系数和收敛曲线几个方面出发,评价了Landweber迭代法、单步Tikhonov正则化方法、共轭梯度法和修正共轭梯度法在电磁层析成像图像重建中的结果,得出结论:修正共轭梯度方法的相对图像误差最小,重建图像和原图像的相关系数最高,收敛情况优于共轭梯度算法。     

最大类间方差法改进的ECT正则化图像重建算法

电容层析成像作为油气润滑气液两相流参数检测的主流方法之一,其成像系统具有高度不适定性。研究旨在优化能满足油气润滑系统精确度和实时性要求的电容层析成像图像重建算法,以擅长处理不适定问题的Tikhonov标准正则化算法作为电容层析成像图像重建系统的基础算法,并采用最大类间方差法自适应获得的最优阈值对Tikhonov标准正则化重建的图像进行图像分割,达到修正标准正则化算法过度光滑缺点的目的。结果显示,改进后的算法图像误差减小,图像相关系数增大,表明图像精确度明显提升。     

基于U曲线法的油气润滑ECT系统图像重建病态优化

采用U曲线法确定油气润滑ECT系统图像重建中的正则化参数,分析正则化处理后灵敏度矩阵的病态性;通过LBP算法和Tikhonov正则化算法分别对油气润滑ECT系统管道截面进行第一次图像重建;对第一次重建图像的灰度分布矩阵进行门限滤波阈值的优化,并对管道截面进行二次图像重建。结果表明:相较于L曲线法,U曲线法选取的正则化参数在削弱灵敏度矩阵病态程度方面的作用显著;第一次图像重建中,图像重建质量有较大改善;门限滤波阈值优化后的二次图像重建中,图像重建质量进一步提高。研究表明U曲线法确定的正则化参数和门限滤波阈值优化有助于提高油气润滑ECT系统的图像重建质量。     

用于电容层析成像的一步稳定图像重建算法

本文提出一种基于Landweber迭代的电容层析成像系统一步稳定图像重建算法。该算法通过构建压缩算子可以克服传统Landweber迭代方法存在的半收敛性,得到稳定的重建图像。同时该算法的矩阵算子可以预先计算,然后通过一步矩阵运算实现图像重构。实验结果表明,该算法可保证重建图像的实时性和鲁棒性。     

粒子滤波算法在ECT图像重建中的应用

针对电容层析成像技术(ECT)的图像重建质量精度较低的问题,提出了一种基于粒子滤波的ECT图像重建方法。首先,分析了ECT图像重建基本原理,以系统状态估计的方式描述了ECT图像重建最优解的搜索过程,并建立了状态空间模型。然后,以线性反投影(LBP)算法的图像重建结果作为初始状态,利用测量信息对从状态空间中获取的随机样本进行最优加权,以获得重建图像的最小方差估计。最后,对5种不同的流型进行了仿真实验。实验结果表明,利用本文方法获得的重建图像误差平均值为42.93%,相关系数平均值为0.813 9,比LBP算法、Landweber迭代算法和IMN-SNOF算法得到的相应指标要好。本文方法是一种有效、精度较高的ECT图像重建方法,为ECT图像重建技术提供了新的途径和手段。     

Regularization parameter optimization based on the constraint of Landweber algorithm for electrical capacitance tomography

Image reconstruction algorithms play an important role in practical applications of electrical capacitance tomography. In the present paper, a combined image reconstruction method is proposed, which takes the results of Landweber algorithm as the constraint condition of Tikhonov algorithm's regularization parameter, calculates the regular parameter, inverts the inverse matrix of sensitivity matrix, and finally obtains the dielectric constant distribution; thus, reconstructed images with improved clarity were obtained. Simulation test are carried out to evaluate and analyze the proposed method from image error, correlation coefficient, image reconstruction time, and anti-noise ability. The results revealed that the Tikhonov regularization algorithm had excellent anti-noise ability; thus, it significantly improved the clarity of reconstructed images and clearly distinguished the multi-phase flow pattern and distribution.     

正则化总体最小二乘用于光学线阵遥感影像定位

针对光学线阵遥感影像几何定位中,系统误差改正参数对应系数矩阵存在误差的问题,提出了一种基于正则化总体最小二乘的光学线阵遥感影像定位方法。首先依据有理函数模型的定义,构建共线条件方程,利用线性化构建光学线阵影像定位方法和系统误差改正方法,然后依据EIV模型的定义和性质构建相应的优化目标函数,并引入正则化项,依据Lagrange条件极值原理推导基于正则化总体最小二乘的系统误差参数迭代估计方法。实验结果表明:与经典的最小二乘平差算法相比,该方法的总体定位精度提高了11.61%,且比Tikhonov正则化法的定位精度平均提高了6.06%。本文提出方法在不增加任何额外控制信息的情况下,是提高光学线阵影像定位精度的有效途径。     

A least squares support vector regression coupled linear reconstruction algorithm for ECT

Linearization error of the simplified linear electrical capacitance tomography (ECT) model is one of the leading causes of ECT reconstruction errors. In this paper, the least squares support vector regression (LSSVR) is used to fit the correlation between the capacitance vector and the linearization error. And it is trained by the training samples of typical phase distributions. When removing the linearization error from equations derived by the linear model, the reconstruction problem becomes an exact linear inverse problem because the nonlinearity of ECT is completely included in the linearization error. Then a reconstruction algorithm combining the LSSVR and the Landweber iteration is proposed. Numerical results show that the proposed algorithm achieves significantly better reconstruction accuracies than the linear back projection and the Landweber algorithm for both the noise-free and noisy cases. Compared with the Landweber algorithm, The image errors of the reconstructions are reduced by about 23%–68%, and the correlation coefficient increased by about 0.04–0.14. And the calculation time of the proposed algorithm for all the tested cases is about 0.4–0.6s, which makes it have the potential for real-time imaging. Static experimental results show that the reconstructions of the proposed algorithm have more accurate phase boundary shapes and fewer artifacts.     

The influence of the regularization parameter and the first estimate on the performance of Tikhonov regularized non-linear image restoration algorithms

This paper reports studies on the influence of the regularization parameter and the first estimate on the performance of iterative image restoration algorithms. We discuss regularization parameter estimation methods that have been developed for the linear Tikhonov–Miller filter to restore images distorted by additive Gaussian noise. We have performed experiments on synthetic data to show that these methods can be used to determine the regularization parameter of non-linear iterative image restoration algorithms, which we use to restore images contaminated by Poisson noise. We conclude that the generalized cross-validation method is an efficient method to determine a value of the regularization parameter close to the optimal value. We have also derived a method to estimate the regularization parameter of a Tikhonov regularized version of the Richardson–Lucy algorithm.   These iterative image restoration algorithms need a first estimate to start their iteration. An obvious and frequently used choice for the first estimate is the acquired image. However, the restoration algorithm could be sensitive to the noise present in this image, which may hamper the convergence of the algorithm. We have therefore compared various choices of first estimates and tested the convergence of various iterative restoration algorithms. We found that most algorithms converged for most choices, but that smoothed first estimates resulted in a faster convergence.     

基于L0稀疏先验的相机抖动模糊图像盲复原

提出了一种基于L0稀疏先验的改进正则化模糊图像盲复原算法来解决相机抖动所产生的模糊问题。根据模糊图像的梯度分布要比清晰图像稠密并且暗通道的稀疏性也相对较小这一固有属性建立了新的优化模型。针对L0范数的高度非凸性和暗通道稀疏优化过程中涉及到的非线性最小化问题,提出了一种近似线性映射矩阵,并用半二次分解法对L0最小化问题进行求解。最后,采用快速傅里叶变换在频域中对模糊核及清晰图像进行交替迭代运算得到复原图像。对多幅不同类型的模糊图像进行了实验,结果显示:复原图像平均灰度梯度高达11.411,图像信息熵达到7.304,处理365×285的图像只需8.07s。提出的算法有效抑制了图像边缘处的振铃效应,完整保留了清晰的细节信息的同时显著提高了运算速度,并适用于多种不同类型图像的盲复原。