ECT系统中重建高介电常数对象的算法

针对电容层析成像(ECT)系统中常用的快速图像重建算法线性反投影(LBP)算法在重建高介电常数成像对象的图像时,重建的图像质量差,提出一种高介电常数成像对象的快速图像重建算法,根据不同介电常数成像对象的成像敏感场分布图具有高度相关性的特点,采用成像敏感场灵敏度替换法提升高介电常数对象的成像敏感场灵敏度,利用正则化图像重...     

基于分割Bregman迭代的内-外置电极电容层析成像

针对电容层析成像(electrical capacitance tomography,ECT)逆问题的病态性和不适定性,提出了一种基于分割布雷格曼迭代(split Bregman iteration,SBI)的图像重构算法。在目标函数中引入基于参考图像的正则化、低阶约束和空间约束,从而提高成像质量和空间分辨率。对内-外置电极的ECT敏感场内环形区域进行图像重建。仿真结果表明:与Tlkhonov正则化算法和Landweber迭代算法相比,基于布雷格曼迭代的图像重建算法具有较好的空间分辨率,图像误差降低至0. 162 1,图像相关系数提升至0. 874 4,图像重建的精度和质量较高,说明了该算法在ECT图像重建领域的可行性和有效性。     

基于三维模型的改进正则化ERT成像算法

电阻层析成像（ERT）通过对被测场边界注入电流,测量被测场电压变化,重建物场内电导率．针对ERT成像分辨率低,提出一种基于三维模型的改进Tikhonov迭代电阻成像算法．针对Tikhonov正则化参数选择问题,提出基于同伦映射的方法,并利用非线性函数Sigmoid调节正则化参数,以获得的图像灰度值作为Tikhonov迭代法的初始值进行迭代,重建敏感场图像．仿真及实验结果表明,该方法有效地改进了ERT图像质量．     

基于Walsh函数的电阻抗层析成像激励模式

为提高电阻抗成像数据采集系统的信噪比并且简化硬件电路设计,提出了一种基于Walsh函数的最优电流激励模式。利用Walsh电流对敏感场域进行激励,测量其电压响应,借助统计线性回归求解阻抗矩阵并将最优激励模式下的电压响应表示为Walsh电压响应的线性组合。结合正则化Gauss-Newton法重建阻抗图像。仿真结果表明,Walsh函数最优电流激励模式可以改善硬件系统的抗噪声能力,并且保证整个敏感场域内电流密度分布的均匀性。结合最优电流激励模式进行图像重建,提高了重建算法的收敛速度及重建图像的质量。     

基于Kalman滤波的电容成像图像重建算法

在电容成像(E lectrica l C apac itance T om ography,ECT)中,为充分利用多次量测信息以提高电容成像图像重建质量,提出一种基于K a lm an滤波的电容成像图像重建算法。该算法重点考虑了测量噪声的影响,利用对流型一系列多次测量中获得的新息不断进行最优加权以获得重建图像的最小方差估计。针对3种典型介电常数分布进行了仿真,结果表明K a lm an滤波应用于ECT图像重建的可行性和有效性。提出了提高该算法运算速度的方案,分析和仿真结果表明通过预先计算最优滤波增益,并寻找合适的迭代次数,算法可快速地获得满意的图像重建结果。     

利用场量旋转变换的电容层析成像灵敏度系数简易计算方法

为减少电容层析成像(Electrical Capacitance Tomography,ECT)传感器灵敏度系数计算过程的烦琐程度,提出了利用电势函数旋转变换计算二维ECT传感器灵敏度系数的场量旋转变换方法。首先分析了ECT传感器场的特点,基于矩阵函数微分理论推导得出了ECT敏感场的旋转对称性表达式,并据此提出了适用于正问题数值解的灵敏度系数计算方法以及成像区域的均匀剖分算法。该方法运用二元函数的旋转变换,仅通过一次数值计算即可求解传感器的二维灵敏度系数,计算过程较传统场量提取法更加简便。之后,比较了运用提出的方法和传统场量提取法计算的ECT灵敏度系数,并通过仿真与实测实验比较了基于上述两种灵敏度系数矩阵的图像重构结果。实验结果表明,提出的方法与传统方法的灵敏度系数矩阵计算结果吻合,运用提出的方法重构的图像与传统灵敏度系数矩阵重构图像吻合,提出的方法正确且有效。     

基于L曲线法的电容层析成像正则化参数优化

电容层析成像（ECT）系统的不适定性问题严重影响重建图像质量，为此必须减小灵敏度矩阵的争件数．以Tjkhonov正则化和后验策略为基础，从灵敏度矩阵广义逆的角度阐述了L曲线法并设置滤波函数，建立极小化泛函及L曲线图，最终确定正则参数．仿真实验表明，L曲线法具有较强的抗噪声性能和较快的收敛速度，明显改善了ECT系统的重构图像质量．     

动态滤波反投影图像重建算法研究

图像重建算法是过程层析成像(Process Tomography,PT)中的关键技术之一.本文提出了一种动态滤波反投影算法(Active Filter Linear Back Projection,AFLBP),并进行了实验仿真.结果表明,采用AFLBP对ECT系统中图像进行重建,可使系统在保持快速成像的同时,较好地解决了敏感场的非均匀分布和固定灰度阈值造成的成像精度问题,大大提高了系统的成像精度.     

融合边界条件的电阻抗图像重建仿真研究

结合成像目标的边界结构信息,提出一种新的改善电阻抗图像重建质量的方法.在生物医学电阻抗断层成像中,将传统采用圆形场域的重建模型改进为与人体胸腔边界近似的八边形场域,建立正问题数学模型,求解得到灵敏度系数矩阵,经等位线滤波反投影算法获得感兴趣区域的仿真分布图像.针对成像目标在场域中的不同分布情况,采用面积占空比对两种重建模型下的成像效果进行评价.图像及数据分析结果表明,改进方法重建图像伪影明显减少,面积占空比也更接近真实分布,提高了图像空间分辨率,达到了改善电阻抗重建图像质量的目的.     

用于电容层析成像技术的共轭梯度算法

针对电容层析成像技术中的“软场”效应和病定问题,基于灵敏度矩阵的奇异值分解理论,提出共轭梯度图像重建算法及其改进算法———正则化共轭梯度法.仿真实验得知:经过 200次迭代后,Landweber算法残差为0. 139 5,未加正则化的共轭梯度算法残差为 1. 357 7×10-4;完成同样操作,Landweber算法迭代耗时 9. 3s,共轭梯度法只需 6. 8s.可见,共轭梯度法是一种比其他的迭代算法收敛更快、成像效果更好的图像重建算法.     

基于L1范数的总变分正则化超分辨率图像重建

设计了一种基于L1范数的总变分正则化超分辨率图像序列重建算法.采用L1范数对重建图像保真度进行约束,利用总变分正则化克服重建问题的病态性,有效地保持了图像的边缘并且提高了运算速度;运用设计的算法对模拟的低分辨率图像序列进行重建,分别从主观效果和客观衡量指标两方面与基于L2范数的总变分正则化的超分辨率重建结果进行比较,实验结果表明该算法在保持图像边缘的同时,提高了超分辨率重建算法的运算速度.     

压缩感知信号重构的快速光滑L0范数法

光滑l0范数法(SL0)用带参数的高斯光滑函数序列逼近l0范数,可以有效地用于压缩感知信号重构。针对SL0算法在最优解附近收敛速度较慢的问题,由高斯光滑函数梯度及Hesse矩阵的特点,根据牛顿法的基本原理,提出了快速光滑l0范数法-FSL0算法。算法的迭代公式十分简洁。仿真结果表明,该算法与已有同类算法的重构精度相当,但重构速度得到了很大地提高。     

一种用于射电天文图像重建的自适应尺度算法

为了解决在成像过程中反卷积点扩展函数所带来的模糊效应，提出一种新的图像重建算法.新算法利用高斯函数分解模型，能够有效解决基于Delta函数分解模型所引起的问题，并在重建延展源和致密源方面具备更好的效果.通过VLA模拟观测数据对算法进行测试，并与现有的2类图像重建算法进行比较，结果表明，新算法能够有效平衡现有的反卷积算法的计算复杂度和性能问题，能对图像进行更加精确建模，具有更好的图像重建性能.     

基于正则方法与迭代技术相结合的复杂温度场重建算法

针对傅里叶正则算法在复杂温度场重建过程中存在的不足 ,首先用正则化方法获得温度场重建这一不适定问题的稳定解 ,然后利用迭代技术对解进行一次迭代优化修正 ,充分考虑观测矩阵降质对温度场重建的影响·提出一种基于正则化方法与一次迭代技术相结合的复杂温度场重建算法·仿真结果表明该算法温度场重建精度优于傅里叶正则算法 ,能快速而较高精度地重建出复杂温度场二维温度分布     

基于Tikhonov和变差正则化的磁感应断层成像重建算法

为了解决磁感应断层成像(MIT)逆问题的病态性和改善重建图像的质量,提出一种新的组合算法.该组合算法首先利用Tikhonov正则化算法对解的适定性产生初步的成像区域,之后再利用变差正则化算法对解的保边缘性和锐化作用进行图像重建.该组合算法与Tikhonov正则化算法及变差正则化算法相比,不仅有效地克服了磁感应断层成像(...     

基于模拟退火粒子群算法的MIT图像重建方法

为了改善逆问题病态性又能提高图像重建质量,提出了一种基于模拟退火粒子群算法的MIT图像重建方法.根据Hessian矩阵的维度,构建了一种Tikhonov和NOSER型混合多参数正则化算法.将模拟退火算法和粒子群算法进行组合,以广义交叉准则构建目标函数,进行正则化多参数寻优.结果表明,所提方法不仅有效克服了MIT重建图像数值解的不稳定性,增强了抗噪性能,而且所获得的重建图像的质量优于Tikhonov正则化和混合正则化算法,为MIT技术应用提供了理论参考.     

基于空间自适应正则化的超分辨率重建算法

针对模糊图像的复原问题,从正则化技术克服问题病态性的思想出发,研究了一种有效的超分辨率重建算法。该算法充分考虑了图像的局部特性,引入了空间自适应加权矩阵,采用全局正则化参数与局部正则化参数矩阵相结合的方法,弥补了传统正则化方法所带来的正则化误差以及噪声放大误差。实验结果表明,该算法能够有效地减少重建误差,保护图像的细节信息。     

Electromagnetic tomography (EMT): image reconstruction based on the inverse problem

Starting from Maxwell's equations for inhomogeneous media, nonlinear integral equations of the inverse problem of the electromagnetic tomography (EMT) are derived, whose kernel is the dyadic Green's function for the EMT sensor with a homogeneous medium in the object space. Then in terms of ill-posedness of the inverse problem, a Tikhonov-type regularization model is established based on a linearization-approximation of the nonlinear inverse problem. Finally, an iterative algorithm of image reconstruction based on the inverse problem and reconstruction images of some object flows for simplified sensor are given. Initial results of the image reconstruction show that the algorithm based on the inverse problem is superior to those based on the linear back-projection in the quality of image reconstruction.     

受限空间细水雾作用下烟气温度变化规律研究

利用热电偶测量细水雾作用下烟气层不同高度温度,研究雾滴粒径、雾通量和喷头与火源的水平距离等因素对平均细水雾降温速率（V）的影响规律．揭示了细水雾抑制火灾烟气温度的主导机理．利用实验数据推导V与雾通量之间的数学关系,建立V空间分布的三维数学模型,为细水雾技术用于火灾烟气抑制提供理论基础和必要的设计参数．     

Quantum-inspired evolutionary tuning of SVM parameters

The most commonly used parameters selection method for support vector machines （SVM） is cross-validation, which needs a long- time complicated calculation. In this paper, a novel regularization parameter and a kernel parameter tuning approach of SVM are presented based on quantum-inspired evolutionary algorithm （QEA）. QEA with quantum chromosome and quantum mutation has better global search capacity. The parameters of least squares support vector machines （LS-SVM） can be adjusted using quantum-inspired evo- lutionary optimization. Classification and function estimation are studied using LS-SVM with wavelet kernel and Gaussian kernel. The simulation results show that the proposed approach can effectively tune the parameters of LS-SVM, and the improved LS-SVM with wavelet kernel can provide better precision.