基于支持向量机的电容层析成像图像重建算法

针对BP重建算法处理由电容层析成像系统所采集的投影数据耗时较多、收敛慢的问题,提出一种基于支持向量机的电容层析成像系统图像重建算法,提高了重建算法的成像速度,从而改善成像系统的整体性能.仿真结果表明,该方法的成像精确度及成像实时性较好.     

一种多小波电容层析成像图像融合方法

针对电容层析成像系统的"软场"效应和病态问题对重建图像精度的影响,在分析电容层析成像基本原理和成像算法的基础上,基于滤波LBP和神经网络RBF特性,提出了一种基于多小波变换的ECT图像融合方法.该方法首先对待融合图像进行多小波分解,再分别采用最大值法和区域梯度法融合规则对分解后图像低频部分和高频部分进行图像的融合,最后经过多小波重构得到最终融合图像.仿真实验结果表明,融合后成像精确度得到明显提高,减少了误差,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.     

电容层析成像RBF神经网络图像重建算法的改进

RBF神经网络图像重建算法在电容层析成像系统中应用广泛,它较好地克服了ECT系统的软场特性、强非线性和不适定性,其成像时间和成像精确度比其他算法都有很多改善.本文从有限元场域剖分、数据归一化和神经网络输入层角度对该算法进行了相关改进.仿真实验结果证明,改进后的算法有着更好的成像时间和成像精确度.     

一种电容层析成像局部方差的图像融合方法

针对电容层析成像ECT(electrical capacitance tomography)系统的"软场"效应和病态特性及欠定性的影响,依据电容层析成像原理和成像算法的原理,提出一种基于局部方差的电容层析成像系统图像融合方法.该方法以线性反投影算法、共轭梯度算法和信赖域算法为图像重建基础,利用各个图像的互补特性,将重建图像进行小波分解后的高频分量和低频分量分别采用局部方差和加权平均融合规则融合,最后通过小波逆变换得到新的重建图像.仿真实验结果表明:融合后的图像精确度得到提高,误差变小,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.     

一种基于期望最大化条件的电容层析成像图像重建算法

针对电容层析成像系统(electrical capacitance tomography,ECT)的"软场"效应和病态特性对重建图像精度的影响,同时在分析了成像算法和电容层析成像基本原理的基础上,提出了一种基于期望最大化电容层析成像图像重建算法(expectation maximization,EM),采用最大似然分析的方法对本文算法进行了证明和推导,算法的重建图像误差较小,并能满足收敛条件.仿真实验结果表明,该方法与CG算法、Tikhonov算法相比,在成像精度有明显提高,为ECT图像重建提供了一种新方法 .     

基于Broyden族校正的电容层析成像图像重建算法

为解决电容层析成像(ECT)图像重建中的"软场"效应和典型的病态问题,提出了一种采用Broyden族校正算法对电容层析成像系统进行图像重建的方法。基于对ECT系统基本原理的研究,推导出实现电容层析成像图像重建的Broyden族校正的数学模型,并采用归纳法分析了算法收敛性。对该算法应用于ECT上的可行性进行了探讨,该算法符合收敛条件且成像精度高。实验结果的数值表明Broyden族校正算法的重建图像效果非常理想,且成像质量优于SD、LBP、Landweber及CG算法,给ECT图像重建领域提供了一种有效的新方法。     

一种基于禁忌搜索的电容层析成像图像重建算法

针对电容层析成像ECT(electrical capacitance tomography)系统中存在的"软场"效应和病态性问题,在分析电容层析成像原理和成像算法的基础上,提出一种基于禁忌搜索的电容层析成像图像重建算法.该方法将禁忌算法引用到ECT图像重建中,通过构造目标函数,设定邻域和禁忌表约束图像重建,以藐视准则和特设准则为条件将图像重建问题转换为寻找全局最优解问题,利用终止准则跳出禁忌搜索.通过MATLAB软件仿真,实验结果表明,得到的重建图像更接近原型,误差要比LBP算法小,图像质量更保真,为ECT图像重建提供一个新的方向.     

基于RBF神经网络的ECT图像重建

线性反投影算法是最常用的ECT图像重建算法,该算法将极板电容测量值与成像区域介电常数间的非线性关系作线性化近似.由于神经网络的非线性映射能力可用来避免这种线性化近似,为此探讨了基于RBF神经网络的16极板ECT系统的图像重建方法.采用最大矩阵法确定RBF神经网络隐层神经元数目,用最小邻聚类方法确定径向基函数的宽度和中心,建立了极板电容测量值与成像区域介电常数间的RBF神经网络映射.仿真实验结果表明,基于RBF神经网络的ECT图像重建方法重建速度与线性反投影法相当,重建质量优于线性反投影法.     

一种分解型Quasi-Newton电容层析成像图像重建算法

针对电容层析成像系统中的"软场"效应和病态问题,在分析电容层析成像和QuasiNewton算法原理的基础上,基于非线性最小二乘的成像原理,提出了一种新的分解型Quasi-Newton电容层析成像算法,推导出了求解ECT反问题的分解型拟牛顿图像重建算法放的计算步骤,同时利用信赖域公式对目标函数的Hessian矩阵进行校正.仿真实验表明,基于分解型拟牛顿方法具有可行性,对于基本流型该算法与LBP算法相比,具有成像质量高和边界均匀稳定的特点,为ECT图像重建的研究提供了一个新的思路.     

电容层析成像(ECT)系统阵列传感器的访真研究

电容层析成像是监测两相流动的一种新技术.它可重建两相流在其流经管道横截面上的相分布图像,而重建图像的先决条件是需获得成像系统的灵敏场分布.研究表明,电容传感器的结构参数对电容敏感场灵敏度的分布有重要影响,进而影响着重建图像的质量,因此电容传感器结构参数的优化设计是极其必要的.介绍了ECT阵列传感器的结构参数仿真试验,并据此对电容层析成像系统阵列传感器进行了优化设计.     

三项共轭梯度的电容层析成像图像重建算法

针对电容层析成像技术中的＂软场＂效应和病态问题,提出了一种三项共轭梯度的新电容层析成像算法.在分析电容层析成像基本原理的基础上,给出了三项共轭梯度法的迭代公式和计算步骤,并探讨了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,同LBP和普通共轭梯度算法相比,该算法兼备成像质量高、边界均匀稳定等优点.     

基于自适应权重粒子群的电容层析成像边界灰度补偿算法

电容层析成像图像重建是一个典型的病态问题,它的解是不稳定的.为了对这个不适定问题进行求解,在分析电容层析成像基本原理的基础上,提出了一种自适应权重粒子群的电容层析成像边界灰度补偿算法.该算法通过引入粒子群的平均绝对速度与理想速度,自适应调整粒子群优化算法中的参数,对成像后图像边界周围的灰度进行补偿.数值实验结果表明,同线性反投影和共轭梯度算法相比,进行边界灰度补偿后的图像兼备成像质量高、边界均匀稳定等优点,为ECT图像重建算法的研究提供了一个新思路.     

基于迭代Tikhonov正则化的电容层析成像图像重建

电容层析成像图像重建是一个典型的病态问题,其图像重建是一个非线性的求解过程,Tikhonov正则化方法是处理病态问题的有效方法之一,由于标准Tikhonov泛函的过度光滑,导致重建图像的细节信息丢失,重建的图像质量并非理想．以标准的Tikhonov算法为基础,给出了一种新的迭代算子,利用该算子可以使重建的图像细节进行一定的修正,通过仿真证明其在速度和图像重建准确度上得到了提高．     

基于ANSYS电容层析成像结构参数分析与优化

电容层析成像技术(ECT)是一种基于电容传感器机理的过程成像技术,以12电极电容阵列传感器ECT系统为背景,介绍了敏感场的计算方法,借助大型ANSYS有限元分析工具,建立电容传感器结构模型,并得到电极间敏感场的分布,为了避免粒子在全局附近振荡和粒子陷入局部最优,提出了改进PSO与改进混沌搜索策略的混合新算法.以敏感场整体灵敏度大小系统性能为目标,优化了电容传感器结构,寻找到的传感器最优结构参数.为电容层析成像系统图像重建提供了新思路.     

电容层析成像系统的有限元分析

介绍了ECT系统的组成、工作原理及数学模型．针对有限元仿真分析过程中研究较多的三个重要问题：网格剖分、灵敏度计算及传感器优化设计进行分析，阐述其现有方法及成果．     

图像插值在ECT三维数据可视化中的应用

在电容层析成像（ECT）三维重建过程中,由于传感器侦测数据的局限,以及成像系统内部和外部的因素影响,使得获取的二维图像比较稀疏,图像质量并不高,而且,获取的二维图像可能会有单一像素点出现,导致不可能被轮廓化,这样就导致有一些流形不能被正确的反映．本文从图像插值的角度,针对ECT二维图像进行像素补充,针对ECT断层序列图像进行断层图像补充．仿真结果表明,该方法很好的改善了三维图像的成像效果．     

基于EIT技术的二维头模型电特性研究

介绍了一种新的医学图象重建技术－电阻抗断层成像（EIT）技术，并用于头模型电阻抗特性的研究。本文给出了二维计算机模拟头模型，采用有限元方法进行正问题的求解，用简单反投影算法进行了图象的重建，成像结果与实际模型相近。     

神经网络在短期电力负荷预测中的应用

给出了改进的BP网络和RBF网络的构造过程和训练方法.在改进的BP网络中不仅加入了动量项和变步长法，而且在模型中合理地考虑了影响负荷变化的主要气象因素，使其能够适应天气的变化.在RBF网络中，为了克服传统K均值聚类法局部寻优的缺陷，采用了正交最小二乘法选取RBF中心.利用改进的BP网络和RBF网络进行了短期电力负荷预测，并对训练的收敛速度和预测精度进行了分析.比较两种模型，RBF网络比BP网络更具有实用性和可开发性.     

多层RBF网络的自适应遗传算法及其在实函数逼近中的应用

将自适应遗传算法应用于多层RBF神经网络的学习,对隐层核函数的中心和宽度值进行同时优化,并用正则最小二乘法求权重,以完成网络的构建。应用该学习法进行实函数的逼近,实验证明了该算法比多层RBF网络的聚类学习法具有更高的实函数逼近精度。