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。     

Kohonen网络在电容CT图像重建中的应用

提出一种采用Ｋｏｈｏｎｅｎ网络算法进行１２电极电容ＣＴ系统的图像重建的方法。该网络输入和输出两层神经元组成,输入为１２电极电容ＣＴ系统测量所得的６６个电容值,输出对应管道介质的空间分布模式。该网络采用竞争算法无监督学习,实验结果证明,该网络有较强的抗噪声能力,可重建出较精确的介质分布图像。     

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。     

优化Tikhonov迭代法在电容层析成像中的应用

为了提高电容层析成像的速度和质量,将收敛速度较快的Tikhonov迭代法应用于电容层析成像.Tikhonov迭代法的难点在于正则化系数的选取,通过对其正则化作用的分析,提出利用对灵敏场的奇异值分解,选取最大奇异值作为正则化系数,从而保证算法收敛的稳定性;同时为了提高收敛速度,将线性反演算法(LBP)计算所得的灰度作为迭代的初始值.结果表明:该正则化系数具有更高的稳定性和收敛速度;Tikhonov迭代法与Landweber迭代法相比具有收敛速度更快,重建图像质量更高的优点.     

电容层析成像中电容敏感场的计算与图像重建

建立了１２电极基本传感器的有限元模型,对电容敏感场进行了仿真计算,以此作为先验中以重建出令人满意的图像,为进一步的应用研究提供了强有力的支持。     

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。     

脑磁感应断层成像技术的敏感性分析及图像重建

为了分析脑磁感应断层成像（MIT）技术的敏感性,利用三层同心圆的简单头模型讨论了颅内血肿电导率大小、颅内血肿面积、颅内血肿位置及颅骨电导率大小对接收线圈上感生电压的影响,并利用变差正则化方法对三个不同位置的血肿进行了仿真重建.仿真结果表明：低电导率的颅骨对接收线圈上感生电压的影响不大,且利用变差正则化方法所获得的重建图像可以大致反映出颅内血肿的位置和大小.与Tikhonov正则化方法相比,重建图像的质量也得到了一定的提高,所以此方法为脑MIT的图像重建提供了一种有效的途径.     

基于Huber函数双边全变分的多帧文档图像超分辨率重建

针对低分辨率文档图像中噪声模型不确定、字符边缘和纹理走向复杂多变的问题,提出GemanMcClure(GM)范数替代L1、L2范数用于提高算法的鲁棒性,设计了结合双边全变分(BTV)和Huber函数的正则化项,采用Lucas-Kanade光流配准算法,利用字符结构特征的先验信息,使算法在重建过程中更加注重边缘细节与边缘方向信息。实验表明,与L1BTV、L2BTV和无Huber函数的GMBTV正则化(下文简称GM方法)重建方法相比,文中算法在混合噪声模型下能够显著平滑噪声、锐化边缘、提升文档图像字符的分辨率,字符识别率提高14.69%的同时运算时间缩短了29.34%。     

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.     

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.     

电容层析成像系统重建图像质量评价方法探讨

提出了使用多参数即图像形心点空间位置误差和面积误差的方法,在仿真环境下对电容层析成像系统的重建图像质量进行评价,给出了图像形心点空间位置误差的计算模型．仿真结果表明,该法比目前常用的单参数评价重建的图像质量更科学合理．     

An advanced algorithm of electrical capacitance tomography

We describe a new two-phase flow electrical capacitance tomography algorithm of image reconstruction which is based on 12-electrode capacitance transducers. According to the result of computer simulation, this algorithm is able to greatly increase the imaging fidelity without decreasing the imaging velocity. Supported by the Natural Science Foundation of Guangdong Province (No. 950490) Yan Jie: born in 1969. Ph.D.     

A multiresolution reconstructive algorithm based on network theory for electrical capacitance tomography

Electrical capacitance tomography technique reconstructs dielectric constant distribution in an object by measuring the capacitances between the eletrode pairs which are mounted around this object. Because of the limitation of measurement condition, the measured data are imcomplet. This paper describes a multiresolution reconstructive algorithm which is based on network theory for electrical capacitance tomography technique. The dielectric constant distribution of flow of two components in a pipeline is reconstructed. The algorithm is as follows: Firstly, construct a rough, first level system model, and assume the dielectric constant distribution of the region to be reconstructed. After iteration, the dielectic constant of each unit can be reconstructed. Secondly, construct a finer, second level the system model and determine the initial dielectric constant of each unit in the region to be reconstructed according to related information between two levels. After iteration, the image of the pipeline's cross section can be reconstructed. The results of simulated experiments about different kinds of medium distributions show that this algorithm is effective and can converge. Supported by the National Natural Science Foundation of China Ma Ning: born in 1970, Ph. D.     

A multiresolution reconstructive algorithm based on network theory for electrical capacitance tomography

Electrical capacitance tomography technique reconstructs dielectric constant distribution in an object by measuring the capacitances between the eletrode pairs which are mounted around this object. Because of the limitation of measurement condition, the measured data are imcomplet. This paper describes a multiresolution reconstructive algorithm which is based on network theory for electrical capacitance tomography technique. The dielectric constant distribution of flow of two components in a pipeline is reconstructed. The algorithm is as follows: Firstly, construct a rough, first level system model, and assume the dielectric constant distribution of the region to be reconstructed. After iteration, the dielectic constant of each unit can be reconstructed. Secondly, construct a finer, second level the system model and determine the initial dielectric constant of each unit in the region to be reconstructed according to related information between two levels. After iteration, the image of the pipeline's cross section can be reconstructed. The results of simulated experiments about different kinds of medium distributions show that this algorithm is effective and can converge. Supported by the National Natural Science Foundation of China Ma Ning: born in 1970, Ph. D.     

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。     

电容层析成像中场域的一种新剖分方法

电容层析成像传感器的敏感场受多相流介质分布的影响,即软场特性为图像重建带来很大的困难。为了提高重建图像质量,对敏感场分布进行分析是非常必要的。采用有限元法,通过对敏感场域采用两种不同剖分形式的比较,提出了一种新的场域剖分形式,对敏感场分布进行计算机仿真。实验证明有限元模型是正确的,说明利用不等间距的剖分或可以得到较好的仿真结果,具有较高的精度。     

交叉平面电阻抗成像模型分析

该研究针对传统平面电极阵列电阻抗成像系统问题,构建了一个交叉平面电极阵列的电阻抗断层成像系统。此系统由65个电极组成4个水平和8个轴向相交叉的成像空间。仿真及水槽实验采用了Tikhonov正则化算法,重建结果与原物体的比较表明,该成像方式在空间中能够提供更高的分辨率和定位精度。此外,这种方法能有效地减少计算量,在临床检查和监护上显示出很大的应用前景。