Gaussian窗函数在电容成像图像重建中的应用

为降低敏感场矩阵的小奇异值给电容成像(electri-cal capacitance tomography,ECT)问题带来的不稳定性,以提高图像重建质量,该文从正则化方法的谱滤波形式出发,提出了一种基于Gaussian窗函数的ECT图像重建正则化方法。该方法利用Gaussian窗函数的滤波特性,通过选择合适的Gaussian窗函数幂次,来达到降低敏感场矩阵的小奇异值对重建结果造成不稳定的效果,从而获得较好的图像重建结果。对5种典型介电常数分布进行了数值仿真,结果表明:该算法对于两相流不同介质分布均具有良好的适应性,可获得较好的成像结果,部分分布的重建图像轮廓较Tikhonov正则化方法更为清晰。     

同步迭代图像重建技术在电容层析成像系统中的应用

在电容层析成像 (ECT)系统中 ,为克服电容测量值数目有限以及管道内敏感场分布的“软场效应”,引入了一种同步迭代图像重建技术 (SIRT)。针对收敛速度和重建后图像的模糊效应 ,对 SIRT算法进行了改进。改进后的 SIRT算法使重建图像的速度和质量都有了明显的提高。对八电极ECT系统进行的仿真和静态实验结果表明 ,这种算法可望满足用于在线工业过程电容层析成像系统成像的要求。     

代数重建和同步迭代重建在电容层析成像中的比较研究

针对电容层析成像技术(ECT)中的逆问题——图像重建算法的非线性和病态性问题,以12电极电容层析成像系统为对象,研究了代数重建算法(ART)与同步迭代重建算法(SIRT).分别对仿真电容值和实测电容值进行图像重建的实验验证,从成像效果、相对误差及重建时间3个方面对这两种算法进行了评估与分析.结果表明,ART算法和SIRT算法均能有效地实现ECT图像重建,其中SIRT算法能够在100次迭代内达到高精度,在收敛速度和成像效果上更具有优势.     

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。     

卷积神经网络在ECT图像重建上的应用

针对电容层析成像的图像重建精度较低的问题,提出一种基于卷积神经网络的ECT图像重建方法.首先阐述了ECT图像重建的基本原理,并利用COMSOL软件提取了大量的学习样本.然后以Landweber算法的图像重建结果作为初始状态,建立了卷积神经网络模型,并进行网络训练,保存训练完成的网络模型.最后选取样本以外的五种不同流型进行了仿真实验,实验结果表明,利用此算法所获取的重建图像相应指标要比LBP以及Landweber要好很多.所以该图像重建算法是一种有效且精度较高的图像重建算法.     

一种48电极可配置电容层析成像系统模型

针对已有电容层析成像(ECT)技术的独立电容较少、反问题方程数过少及其解不唯一的问题,提出了一种48电极的ECT系统模型及模型组合电极策略。首先,通过组合电极策略将多个临近电极组合成一个电极,使原48电极ECT系统配置为8、12、16或24电极ECT系统,从而获得绕管道轴心旋转不同角度的多个具有相同电极数ECT系统;然后,通过有限元仿真和图像重构算法成像。该模型可使ECT反问题的方程组中电容数成倍增加,从而改善了ECT反问题方程组因方程数过少而引起的解不唯一的不适定问题,解决了增加电极数而电极片面积却减小引起的电容值减小问题。仿真结果表明:所提出的ECT模型及其组合电极策略可重构图像,并能通过增加测量电容数提高重构图像质量;在系统加入10%标准差白噪声时,图像错误率下降约6%。     

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.     

改进型离线迭代在线重构算法的电容层析成像技术研究

针对电容层析成像技术的逆问题中图像重构精度与速度的矛盾性,以12电极电容层析成像系统为对象,提出了一个改进型离线迭代在线重构(OIOR)算法。改进型OIOR算法是针对OIOR算法成像精度不高的问题加入了迭代滤波过程,既保证了成像速度,同时也提高了成像精度。以仿真电容值和实测电容值进行了图像重构的实验验证,从成像效果、相对误差、相关系数以及重构时间这4个方面对此算法进行了分析评估。仿真及实验结果表明:改进型OIOR算法通过迭代滤波100次即可在20ms内有效提高传统OIOR算法重构图像的精度,使其相对误差降低约20%;与传统迭代法相比,在获得相同精度图像的条件下,其重构时间约为传统迭代算法的1/10。     

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...     

电容层析成像系统中未知介电常数时测量数据的归一化处理

电容层析成像系统重建图像前要对电容测量值进行归一化处理.对于已知介电常数的成像对象,电容测量值采用0-1校验法进行归一化处理;对于未知介电常数的成像对象,电容测量值采用仿真校验法进行归一化处理,仿真结果表明,可获得很好的重建图像质量.     

厚管壁电容层析成像图像重建算法

探讨了适合厚管壁条件下的电容层析成像图像重建算法.针对厚管壁管道内几种不同流型,分别采用LBP算法、Landweber迭代算法和BP神经网络对8电极电容传感器进行成像重建计算.结果表明:在厚管壁情况下,LBP算法重建的图像质量很差;Landweber迭代算法在层流下的重建效果好于核心流和环状流;而BP神经网络算法可以有效重建管道内的介质分布,但对于没有训练到的任意流型,其重建效果不够理想.     

流型自适应的归一化方法对Tikhonov正则化算法的改进

电容层析成像的成像数据采用不同的归一化模型,对重建图像的质量有重要影响.针对两相流的典型流型,研究了采用不同的归一化模型时,Tikhonov正则化算法性能与流型及相含率的相关性.仿真采用新的归一化模型与常规的模型处理电容测量值,重建原图像.结果表明,基于单一的归一化模型,不能在各流型分布下都有最好的成像效果.提出了基于流型识别、自动适应流型的归一化方法,新方法提高了Tikhonov正则化算法的性能.     

Image Reconstruction Using a Genetic Algorithm for Electrical Capacitance Tomography

Electrical capacitance tomography （ECT） has been used for more than a decade for imaging dielectric processes. However, because of its ill-posedness and non-linearity, ECT image reconstruction has always been a challenge. A new genetic algorithm （GA） developed for ECT image reconstruction uses initial results from a linear back-projection, which is widely used for ECT image reconstruction to optimize the threshold and the maximum and minimum gray values for the image. The procedure avoids optimizing the gray values pixel by pixel and significantly reduces the search space dimension. Both simulations and static experimental results show that the method is efficient and capable of reconstructing high quality images. Evaluation criteria show that the GA-based method has smaller image error and greater correlation coefficients. In addition, the GA-based method converges quickly with a small number of iterations.     

基于双字典自适应学习算法的低采样率CT重建

在医疗诊断中,稀疏采样能减少CT扫描过程中辐射对患者的伤害.但直接对稀疏采样后的投影数据进行重建,会使CT重建后的图像出现失真、伪影等问题.为保证低采样率下重建图像的质量,提出了双字典自适应学习算法,参照Sparse-Land模型的双字典学习框架,将K-SVD算法与双字典学习算法框架相结合得到补全投影数据,利用FBP算法进行重建得到高质量的重建图像.实验结果表明,在低采样率下使用所提方法进行CT重建的图像质量优于COMP双字典学习算法和MOD双字典学习算法,并且此方法有效提高了CT图像重建在低采样率时的性能.     

基于正则化的SPACE-RIP并行磁共振成像重建算法

采用并行磁共振成像可以提高成像速度和图像分辨率,但这是以牺牲重建图像的信噪比为代价的。为此,该文提出了一种基于正则化的并行磁共振成像重建算法,降低由于阵列线圈的几何相关而造成的信噪比损失。以预扫描图像作为最后重建图像的先验信息,用L曲线方法求解最佳正则化参数。实验表明,该方法能较大限度地减弱噪声对重建结果的影响,当SPACE-RIP并行成像技术的加速因子达到4时,仍可得到高质量的高分辨率重建影像。重建后的图像质量良好,对临床诊断具有较高实用价值。     

基于正则化的SPACE-RIP并行磁共振成像重建算法

采用并行磁共振成像可以提高成像速度和图像分辨率,但这是以牺牲重建图像的信噪比为代价的。为此,该文提出了一种基于正则化的并行磁共振成像重建算法,降低由于阵列线圈的几何相关而造成的信噪比损失。以预扫描图像作为最后重建图像的先验信息,用L曲线方法求解最佳正则化参数。实验表明,该方法能较大限度地减弱噪声对重建结果的影响,当SPACE-RIP并行成像技术的加速因子达到4时,仍可得到高质量的高分辨率重建影像。重建后的图像质量良好,对临床诊断具有较高实用价值。     

数字全息显微术的记录及重建实验研究

对数字全息显微术原理、数字全息图的记录和重建算法进行了理论分析和实验研究. 构建了基于Mach-Zender干涉仪的离轴全息图记录光路,以分辨率板为目标进行了数字离轴全息显微图的采集,数字信号后处理以及振幅、位相分布的数值重建. 研究了基于菲涅耳衍射的数字重建算法,解决了数字参考光模拟,消除零级衍射和孪生像干扰及确定重建参数等问题,得到的再现像清晰. 研究表明,该技术可用于微观物体的位相分布测量.     

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.     

基于平行PI线段的平行束CT重建

为了研究基于PI线段的反投影滤波重建方法在CT(computed tomography)系统中的应用,提出了一种基于平行PI线段的简化的平行射束重建算法。该算法首先对平行X射线束产生的投影数据进行微分,然后把这些微分后的数据反投影到一系列的平行PI线段上,最后沿着PI线段的方向对反投影数据进行Hilbert滤波,即得到重建图像。利用Shepp-Logan模型进行计算机数值模拟实验,得到了该算法和传统的滤波反投影算法的对比结果。利用微焦点X射线CT的投影数据进行重建,得到了实际数据下的重建图像。实验结果表明,该简化算法能够进行精确重建,可以应用于实际的CT系统。