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。     

基于稀疏正则化的内外置电极电容层析成像

利用一种基于软阈值的稀疏正则化图像重构算法,对IEE ECT内部的介质分布进行重构,并与Landweber迭代算法进行对比。仿真和实验结果表明:对于内外置电极的ECT,基于软阈值的稀疏正则化重构算法可以明显减少迭代步数,提高重构图像的质量。     

基于Landweber-Kaczmarz正则化方法的参数重构

正则化方法在经济学和工程学参数重构中起到极为重要作用.传统Landweber正则化方法主要是在观测数据带有噪音条件下重构参数,噪音水平往往是固定的单一数值.对于观测数据噪音水平不一致情况下,设计Landweber-Kaczmarz正则化方法重构参数.数值算例表明,Landweber-Kaczmarz正则化方法是收敛和稳定的,与传统Landweber正则化方法相比具有较高精度.     

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.     

一种快速收敛的迭代正则化方法

对于线性不适定问题, 基于Landweber迭代正则化方法 提出一种快速收敛的迭代正则化方法, 依据Morozov偏差原理, 采用后验选取正则化参数的方法得到了最优渐近收敛阶的正则化解. 数值实验结果表明, 该方法可以加快收敛速度, 降低计算量.     

Landweber迭代的加速与在数值微分中的应用

Landweber迭代法对于求解大规模问题是十分有利的,但是,Landweber迭代序列收敛速度是相当慢的．给出了一种新的Landweber迭代格式,能够大大加快收敛速度．还将Landweber迭代法应用于数值微分问题,将数值微分问题转化为一个特殊的第一类Fredholm积分方程的求解问题．     

用于病态反问题求解的正则化方法算例分析

以成像技术为背景,采用算例分析的形式介绍了用于病态反问题求解的正则化方法,重点介绍了Tikhonov正则化方法及Landweber迭代方法,包括其基本原理及对应的普滤波窗函数等.     

一种求解椭圆PDEs参数识别问题的新方法

对椭圆偏微分方程参数识别问题进行了研究。受修正的牛顿迭代法的启发,将萨马斯技巧应用于derivative-free Landweber迭代法,提出frozen derivative-free Landweber迭代法,并且在一般条件下证明了它的收敛性,这种方法大大减少了迭代过程中的计算量。     

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.     

一种求解椭圆PDEs参数识别问题的新方法

对椭圆偏微分方程参数识别问题进行了研究.受修正的牛顿迭代法的启发,将萨马斯技巧应用于derivative-free Landweber迭代法,提出frozen derivative-free Landweber迭代法, 并且在一般条件下证明了它的收敛性,这种方法大大减少了迭代过程中的计算量.