基于深度学习和光场成像的火焰三维温度场重建算法

提出一种基于深度学习和光场成像的火焰三维温度场快速重建算法.该算法利用卷积神经网络对火焰光场图像进行深层特征提取,建立了光场图像与三维温度场之间的映射关系,从而实现火焰三维温度场的快速重建;利用视在光线法构建了火焰光场图像和三维温度场数据集,对卷积神经网络进行训练,利用测试集对训练结果进行了验证和评价,并将卷积神经网络算法与传统非负最小二乘(NNLS)算法的重建结果进行了对比.结果 表明,基于深度学习和光场成像的火焰三维温度场重建算法可准确重建火焰温度场,同时具有较高的计算效率(火焰的网格划分为10×8×15,NNLS算法的重建时间为4759 s,深度学习算法的重建时间为830 μs),平均相对误差为0.14％,且对于图像噪声具有良好的鲁棒性.     

基于光场分层成像的火焰三维温度场测量

为了实现瞬态火焰的三维温度场的测量,提出了一种基于光场分层成像技术的火焰温度场测量方法.利用光场相机通过一次曝光,将各个聚焦平面的信息储存在一张原始光场图像上,通过光场重聚焦技术获得了不同聚焦面的火焰图像序列,结合图像反演算法得到了高精度、实时性的火焰各断层图像,进而实现三维温度场分布的重建.建立了基于光场分层成像技术的火焰温度测量系统,实现对火焰三维空间上4个断层面的温度场重建.结果表明,重建的第1,4层的火焰面积较小,低温区域位置较低,第2,3层的火焰面积较大,低温区域位置较高;每层的火焰分布都是中部边缘处温度最高,且各层的火焰分布之间有明显差别.火焰重建实验结果符合燃烧火焰的外形结构和内部的温度分布结构,证明了此方法的可行性.     

光谱层析成像法重建温度场

介绍一种用高速分层摄像控制系统重建火焰温度场的方法。连续的三维发光体可以看成若干个互相平行的二维发光断层的组合 ,对发光体某断层进行聚焦摄像 ,得到的图像是该断层的高斯像和其它断层的离焦像的叠加像。对不同断层分别快速聚焦摄像 ,得到一组辐射图像 ,采用图像反演算法 ,可以重建各断层的原始图像 ,运用彩色三基色测温方法 ,处理所得到的原始图像 ,即可建立火焰的三维温度场。通过蜡烛火焰的试验 ,验证了该方法的可行性     

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DSP的嵌入式炉膛火焰监测系统

针对电站锅炉火焰监视和燃烧诊断系统中火焰图像处理计算能力差、实时性差等问题,提出了一种以数字信号处理为核心的嵌入式火焰监测系统设计方案.系统采用EMP240控制图像的采集与存储,由TMS320VC5416实现温度场测量及燃烧诊断算法,LPC2378作为主控制器负责系统管理、人机界面和网络通信.解决了数字图像海量数据处理和复杂算法采用通用CPU无法实时运行的瓶颈,并且使火焰监控和燃烧诊断的实时性和可靠性得到了保证.     

一种基于加权多准则的火炮爆炸场中高温火球三维温度场的迭代重建算法

针对爆炸场温度高、温度动态范围大、不可直接测量、温度场重建难以取得较高精度等问题,改进了一种在图像重建中广泛应用的联合代数重建（simultaneous algebraic reconstruction technique,SART）算法,以实现爆炸场中温度场的重建。该改进方法将原算法迭代固定步长改为自适应步长,通过判断相邻像素间是否产生畸变来决定迭代步长的大小,无畸变时迭代步长较大,有畸变时则加入惩罚使迭代步长变小;并在SART算法满足的最小二乘准则中加入均匀性准则,提高重建质量。通过仿真实验讨论了惩罚区域和惩罚系数对重建图像质量的影响,并对比了传统SART算法和在校正项中加入惩罚的SART算法。实验结果表明,由于改进方法在迭代系数中加入了惩罚项,得到的重建图像质量更高。     

基于图形处理器的锥束CT快速迭代重建算法

提出了一种基于图形处理器实现的锥束CT图像迭代重建算法.该算法将三维纹理作为被重建物体的离散模型,基于射线投射方法实现了锥束CT的正投影计算;通过反向逐层映射到三维纹理实现了反投影计算;采用多纹理融合等技术完成了图像校正和投影校正.与经典的TMA-SART算法比较,作者算法运算速度快,占用显存少,支持全浮点精度运算,且易于在算法中添加先验知识和约束条件.通过对Shepp-Logan模型的图像迭代重建实验,验证了该算法的优势.     

视频图像火焰区域分割算法

主要研究室外具有复杂背景环境中的视频图像火焰区域分割算法．在充分研究视频图像火焰运动特性并考虑实际应用环境的基础上,提出了一种基于多均匀分布背景模型的运动检测算法,以此来实现视频图像中火焰区域的分割．该方法能够克服复杂背景环境带来的干扰,达到很好的火焰区域分割效果,且具有良好的实时性．该方法不仅适用于火焰区域分割,对智能视频监控系统中其他功能的运动检测也有很好的借鉴意义．     

基于字典学习的超分辨率显微CT图像重建

为提高显微CT重建图像的空间分辨率,提出了一种基于字典学习的超分辨率图像重建算法.首先,将重建图像进行网格细化,并使用面积权值模型实现对投影过程的精确建模.然后,选择高质量的图像作为训练样本,采用K-SVD算法构建图像字典.基于该图像字典,利用正交匹配追踪算法实现对重建图像的稀疏表达,并以此作为稀疏项约束引入到重建算法的目标函数中.最后,使用梯度下降法求解目标函数.实验结果表明:与传统的基于插值的超分辨率重建算法相比,所提算法的超分辨率结果在图像对比度、边缘保持方面具有优势,并且保留了更多的图像高频信息,从而有效提高了重建图像的空间分辨率.     

工业炉气体吸收系数检测的模拟研究

对均质和非均质工况下工业炉气体吸收系数的检测进行研究,提出基于可见光图像处理技术的气体吸收系数重建算法.采用电荷耦合器( CCD)接受边界辐射强度图像和辐射温度图像,从辐射强度图像中更新辐射参数,用正则化方法从辐射温度图像中重建介质温度场,两者交替迭代,直至收敛.模拟计算结果表明,在测量数据中加入标准差为0.05的正态分布误差后,采用该算法仍然可以较好地重建出炉内气体的吸收系数.     

CT图像重建的可扩展多DSP并行计算系统结构

为提高大型工业CT的图像重建速度,通过分析卷积反投影算法的特点,提出了一种并行计算方案。设计了一种基于SPMD(单指令集,多数据流)并行处理结构的可扩展的多DSP(数字信号处理器)并行计算系统模型。通过仿真实验,确定了系统设计的重要参数——DSP的数量的选择依据。仿真结果表明,利用这种模型,可以将重建的时间从100 s量级降低到1 s量级。这样就大幅度地提高了CT图像重建的速度,扩大了大型工业CT的运用范围。     

基于流形学习和梯度约束的图像超分辨率重建

将改进的基于流形学习的超分辨率重建与基于梯度约束的正则化重建结合起来,提出一种新的单帧图像超分辨率重建算法.该算法首先针对基于流形学习的超分辨率重建,提出新的特征提取方法,联合归一化亮度与平稳小波变换细节子带系数两个特征矢量,提高重建性能;然后将学习得到的高分辨率图像作为初始估计,将其梯度作为目标梯度域,进行基于梯度约束的正则化重建,得到最终的高分辨率图像.与现有的一些算法相比,文中算法无论在视觉效果还是客观评价上都具有较好的重建性能.     

非对称火焰三维温度分布测量的重构算法

为了适应非对称火焰三维温度分布测量的需要，发展了一种三维重构算法。该算法既有别于医学成像和机械探伤等领域常用的变换法，便于在算法中加入火焰的某些先验信息，又不同于通常的有限级数扩展法，具有较快的运算速度，从而可以减少三维重构误差。采用这一算法在保证一定精度的前提下，可通过少投影实现火焰的三维温度分布测量。仿真运算及实验结果均证明此算法是可行的。     

基于半像素运动信息的快速超分辨率图像重构算法

提出了一种全新的、利用半像素运动信息进行超分辨率重构的快速算法．该算法连续两次使用了图像的一维统计特性：第一次将图像分为运动区域和背景区域;第二次针对运动区域估计各像素的运动范围．在对运动区域进行运动估计和运动补偿后获得Ⅳ个运动补偿图,最后结合背景区域,利用数据融合技术获得超分辨率的重构图像．试验结果表明,该算法计算量小、复杂度低,无论是最小均方误差,还是信噪比或峰值信噪比,均好于传统的双线性内插法．     

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。     

基于粒子群优化算法的电阻抗图像重建

电阻抗成像的实际应用具有许多优越性,但电阻抗图像重建是一个严重病态的非线性逆问题。目前电阻抗成像的静态算法大多采用Newton-Raphson类算法,这类算法需要计算Jacobian矩阵、使用正则化技术等,算法复杂且稳定性较差。针对该问题,采用了一种新的求解逆问题的方法:粒子群优化算法(PSO)。PSO是一种基于种群搜索策略的自适应随机算法,具有算法简单、调节参数少、收敛速度快、易于实现等特点。给出了电阻抗成像的建模模型,并对粒子群优化算法做了适当的改进以适应电阻抗问题的求解。与牛顿类算法相比,它可以省去繁复的雅可比矩阵计算过程,而采用自适应搜索来求取最优解。仿真结果表明,应用PSO进行图像重构时,能够对突变区域进行准确的定位,图像分辨率较高。     

形态插值方法应用于图像重构

指出了基于数学形态学的形态插值方法是一项新的研究领域，提出了一种改进二值图像测地距离函数和形态中集函数的方法，并在此基础上建立了一种适用于灰值图像、彩色图像及多光谱图像的形态插值变换．应用插值变换于图像分割序列重构的实验结果表明：该方法可以成功地运用于对各种类型的图像进行有效地插值重构和图像形变．     

一种新的图像重建的扇束卷积反投影算法

通过Radon变换的小波反演公式,得到了扇束投影重建的卷积反投影算法。利用Lemarie-Mayer小波束构造该算法的窗函数,分别进行了全局重建和局部重建。与其他传统的重建算法相比较,在全局重建,特别是局部重建上都能取得一些不错的结果。