基于1范数的电阻层析成像图像重建算法

为了提高电阻层析成像(ERT)系统中的图像重建效果,针对ERT测量数据和重建图像的稀疏特性,采用基于1范数的正则化最小二乘法(LSPs)进行图像重建.该方法将问题转化为有线性不等式约束的二次规划问题,使用内点法的优化方法进行数值计算,并针对研究对象提出自适应参数选择标准.可避免重建图像被过度平滑,能够将物场中不同介质有...     

电容成像图像重建算法原理及评价

对现有的电容成像图像重建算法进行了综述并介绍了其原理,其中包括线性反投影法(LBP)、基于奇异值分解(SVD)的直接算法、Tikhonov正则化方法、Newton-Raphson算法、最速下降法、Landweber迭代算法、代数重建技术(ART)、同步迭代重建技术(SIRT)和基于模型的重建算法。在此基础上使用仿真和实验数据对目前主要使用的线性反投影法、基于奇异值分解的直接方法、Tikhonov正则化方法、Tikhonov迭代、投影Landweber迭代等进行了评价。对它们从电容值误差、图像误差、相关系数和耗用时间几个角度进行了比较,并对今后电容成像图像重建算法的发展方向提出了一些看法。     

电阻抗成像正则化参数的优化方法

为改善电阻抗成像逆问题的不适定性,通常采用Tikhonov正则化算法来求得适当的解。正则化参数对重建图像的质量和计算速度影响较大。笔者提出了一种基于残差范数和解范数乘积的优化方法(PRS)求取电阻抗成像的正则化参数。为验证该方法的有效性,笔者针对不同的目标大小、目标位置、目标电导率、目标数目以及不同程度的噪声分别进行了重建图像的仿真实验和水槽实验。结果表明：这种优化方法可以快速找到相对最优的正则化参数,且具有良好的抗噪性能。与传统的L曲线方法相比,提高了图像重建质量。     

基于评价指标的EIT算法参数选择方法研究

为客观准确地选择EIT算法参数,采用8种评价参数指标对共轭梯度算法的迭代次数和Tikhonov正则化算法的正则化因子的选择进行研究.首先,构建EIT正问题模型,并求得两种算法的逆问题解;然后,根据8种评价参数的定义,获得图像重建时的最佳参考值范围:共轭梯度迭代算法的迭代次数在70~80次,正则化因子的取值范围为0.01~0.1.为了验证上述结论,重建EIT图像,并进行对比分析.结果表明:基于评价指标获得参数重建图像的效果更令人满意;针对参数选择,提出的方法可为其他电阻抗图像重建算法提供一种客观的评价依据,为EIT图像质量评价体系的构建奠定基础.     

一种自适应Tikhonov正则化参数估计方法

为了解决离散线性反问题中正则化参数选择困难的问题,在Tikhonov正则化方法等效统计模型的基础上,提出了一种自适应Tikhonov正则化参数估计方法.将正则化参数选择的问题转换为关于被测信号和测量噪声的超参数的统计推断问题;基于测量噪声潜在的高斯分布特性,可在独立于测量噪声水平的条件下自适应地估计正则化参数.仿真结果表明:从最大化重建信号后验概率分布的角度来看,自适应Tikhonov正则化参数估计方法计算得到的正则化参数可视为具有随机分布特性的最佳正则化参数的近似折中,其对应的重建信号准确度接近于最优重建信号的准确度,且收敛速度较快.     

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.     

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.     

基于单电极激励模式的颅脑电阻抗图像重建方法研究

作为一种新兴的可视化技术,电阻抗层析成像(EIT)能够根据人体组织病理变化对其电导率分布进行图像重建,为疾病检测提供了一种选择.在基于EIT的脑部疾病检测中,为了改善被测区域的灵敏度分布并解决电阻抗成像中典型的不适定问题,在单电极激励数据采集模式下,提出了k阶有限差分L₁正则化目标函数,并采用增广拉格朗日和交替方向算法对目标函数进行求解,实现电导率分布的重构.研究了单电极激励模式下,外接电阻对敏感场的影响;针对脑出血和脑缺血两种病情,对比了Landweber方法、Newton-Raphson方法、Tikhonov方法、广义总变分方法(TGV)和本文方法的图像重建性能.结果表明,在脑出血和脑缺血的图像重建中,采用单电极激励模式的ALAD-LR方法可有效提高图像重建质量,并具有较强的鲁棒性.     

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M IT技术应用提供了理论参考.     

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(...     

基于自一致性的磁共振并行成像高效重构算法

磁共振并行成像技术能够显著地减少成像时间,然而高质量的图像重构比较困难.为了提高重构图像的质量,基于自一致性的SPIRiT框架,提出了一种高效的重构算法.该算法针对一个含有数据一致性、校准一致性和联合稀疏性正则项的复杂优化问题,首先将该问题简化成一般性最优化问题;再使用算子分离算法将其分解成一个梯度计算问题和一个可通过软阈值法求解的去噪问题;最后,再使用加速方案对算法进行加速.实验结果表明,当加速因子为8时,采用所提出的新算法的重构图像比采用POCS算法的重构图像的SNR提高约2.4,dB,且重构时间也节约了约30%.对于要求高质量重构图像的场合,所提出的算法能够满足需求.     

ERT／ECT双模态敏感阵列电极优化设计

在过程层析成像系统中,传感器电极阵列的设计直接影响到整个系统．为了使系统获得更高的图像分辨率,通过电磁场有限元仿真软件COMSOL分析,构建ERT／ECT双模态敏感阵列电极三维模型．基于敏感场分布的均匀性、相关系数及空间分辨率等优化指标,进行了ERT／ECT双模态敏感阵列电极优化设计．实验表明,三维ERT电极选圆形电极,且其电极直径为0．3s;而三维ECT阵列电极选矩形电极,其宽为0．65s,高为1．8R（s为2πR／16;R为管道半径）为佳．优化设计的敏感阵列电极可获得较均匀的灵敏场分布及较高图像质量．     

改进的预处理共轭梯度图像复原算法

针对Tikhonov正则化的预处理共轭梯度图像复原算法中模糊图像取全零扩展矩阵的不足之处,研究了零边界条件下Tikhonov正则化的预处理共轭梯度算法. 提出了新的模糊图像的扩展矩阵,降低了原矩阵向量积的计算误差,修正了初始梯度的取值. 改进算法更符合真实的图像退化过程,有效提高了复原的图像质量. 实验结果表明:对于各种退化造成的模糊图像,与当前求解全变分正则化的IST、TwIST、SALSA算法比较,本文算法复原效果优于当前流行的图像复原算法.      

近场声全息正则化方法比较

为了正确选择正则化方法,在基于边界元方法的近场声全息理论基础上,分析了截断奇异值法和Tikhonov正则化方法的异同点,阐述了通过曲率求解L曲线拐角点的基本原理,并将L曲线准则和广义交叉检验法应用于截断奇异值正则化方法最优截断点的选取．通过数值仿真表明,利用L曲线最大曲率点可以有效地确定L曲线最优正则化参数位置;在基于边界元法的共形平面近场声全息中,当信噪比为60dB时,4种组合正则化方法在l000Hz频率点处分辨距离能达到42mm最后,比较研究了4种组合正则化方法的重构精度和稳健性．     

截齿截割载荷谱重构的正则参数优化策略

为有效提取及识别截割载荷谱特征,提高煤岩破碎效率,针对有限的镐型截齿实验载荷谱,应用Tikhonov正则化方法,分析其载荷谱在不同正则参数下的重构效果,给出载荷谱重构的最优正则参数选取策略,探讨选取不同正则参数策略对载荷谱重构的影响程度.结果表明：广义交叉法（GCV）比L-曲线准则更能够选取最优的正则参数,其重构载荷谱特征易于识别和提取,且能够反映煤岩实际破碎状态.     

一种改进的基于软判决自回归模型图像内插算法

提出一种改进的基于软判决自回归模型图像内插算法,分为正则化权值训练和图像内插两部分.在训练部分,根据局部窗口特征和其对应的最优正则化权值建立字典.在图像内插部分,利用加权最小二乘法估计自回归模型参数,并通过查找字典中距离当前局部窗口最近的样本获得最优正则化权值,然后使用软判决估计重建图像内插值.同时,使用EM算法修正估计出的模型参数和图像内插值.实验结果表明,与其它算法相比,所提的内插算法具有更好的主观和客观效果.     

混凝土缺陷检测的电阻成像约束反问题算法优化

电阻层析成像(ERT,electrical resistance tomography)是一种以对象内部电导率分布为成像目标的可视化技术,具有低成本、无损伤等优点,在混凝土缺陷检测领域具有广阔的应用前景。根据电阻成像基本原理,基于Matlab平台编制ERT正问题和反问题程序,实现了约束牛顿迭代算法(NCRM,Newton’s constrained reconstruction method)。计算过程中,根据混凝土基体及缺陷的电学特性和基体与缺陷的锐化边界条件对算法施加约束,通过逐步修正初值来干预逆运算,从而提高ERT反问题的计算稳定性和重构图像质量。试验结果表明:针对混凝土材料的缺陷检测,提出的ERT约束算法用较少的迭代次数即获得较好的效果,能较大程度消除成像目标的伪影,提高锐度,实现对混凝土缺陷相对精准的无损检测。