摘要:针对电容层析成像系统(Electrical Capacitance Tomography, ECT)用于超音速分离器内气液两相流场参数测量时逆问题病态性导致图像重建质量不高的问题,基于引导图像滤波和正则化理念,提出了一种新的ECT图像重建算法。首先分别利用L2正则化和Lp(0

摘要:针对电容层析成像技术应用于工业多相流管道检测时,图像重建中存在的不适定性、病态性问题,提出一种改进正则化半阈值算法。 以 L1 / 2 范数为惩戒函数,改进求解 L1 / 2 范数所用的半阈值迭代算法中的阈值算子,并以加入加速项的Landweber 算法解向量为修正向量,引入改进半阈值正则化模型,优化加速 Landweber 算法。 实验的结果表明,改进正则化半阈值算法在重建图像中相关系数平均达 0. 91,图像误差平均降至 0. 21,成像速度保持 0. 04 s。 复杂流型辨识中,改进算法比Landweber 迭代算法相关系数提高 21. 67% ,相对误差降低 37. 01% ;比 Tikhonov 正则化算法相关系数提高 22. 61% ,相对误差降低 37. 08% ;比半阈值算法相关系数和误差分别提高 14. 85% 和降低 28. 26% 。 结果表明改进正则化半阈值算法对 ECT 研究有较好应用前景。

摘要:电学层析成像是一种观测场域内电导率分布的无损检测技术。 有限元法是求解电学层析成像问题的常用方法。 其作为线性化的近似方法,剖分单元的大小会影响有限元法求解的精度。 更密的尺寸可以提高重建图像的空间分辨率,但会增加计算成本,同时未知量个数的增加会加剧逆问题的欠定性。 针对上述问题,提出一种基于图像梯度的自适应网格生成方法。 根据初始重建图像的梯度,自适应地提高内含物区域的网格密度,降低其他区域的网格密度,并对场域边界进行精确拟合来优化被测场域的网格剖分。 通过仿真与实验研究对比分析了所提方法与常用网格剖分方法。 结果表明,所提方法的重建结果图像误差平均降低 15% ,相关系数平均提高 7% ,因此所提方法在不显著增加或减少网格数的情况下,可以有效提高内含物的重建精度和图像重建质量。

摘要:针对薄板类工件成像,计算机分层成像(CL)技术因无损、直观而应用广泛。 CL 成像方法主要分为直线扫描和圆周扫描, 直线扫描效率高, 圆周扫描数据均匀性好。 然而, 由于两者的投影数据均不完备, 均存在分层图像混叠及图像边缘不清晰的问题。 基于此,提出了一种复合扫描 CL(HyCL)成像方法, 由直线扫描和圆周扫描组成。 建立了几何模型, 采用同时迭代重建图像(SIRT)算法进行了仿真及成像实验, 分析了成像效果及层间混叠表现。 实验结果表明, 相比于相对平行直线移动扫描 CL(PTCL)、正交直线移动扫描 CL(OTCL)及圆周扫描 CL(RCL), HyCL 的重建结果能够有效减少混叠伪影, 图像特征轮廓信息能够保留得较为清晰且均匀, 对比度更好。

摘要:在电容层析成像(ECT)图像重建迭代类算法中,通常采用线性正问题求解,以加快重建速度,由此产生重建误差。 针对这一问题,提出了基于极限学习机(ELM)的非线性 ECT 正问题求解方法,ELM 网络输入为介电常数分布,其输出为预测的电容测量值。 将该方法与传统的 Landweber 迭代算法相结合构成 ELM-Landweber 迭代算法进行图像重建。 为使样本具有较好的代表性,物体分布位置及大小均随机生成,并计算相应的归一化电容值作为 ELM 网络训练及测试样本,对 ELM-Landweber 迭代算法进行了仿真与静态实验,并与传统 Landweber 迭代算法进行比较。 实验结果表明,相较于传统 Landweber 迭代算法,采用ELM-Landweber 迭代算法,其算法收敛速度显著提高,重建图像质量得到明显改善。 训练样本的平均图像相对误差由 0. 728 减小至 0. 504,测试样本的平均图像相对误差由 0. 596 减小至 0. 475。

摘要:卷积神经网络凭借其较强的非线性拟合能力,在电容层析成像图像重建中逐渐得到应用。 本文针对卷积神经网络模型超参数调节问题,研究了模型参数对卷积神经网络电容层析成像图像重建的影响。 首先,通过数值方法构建了包含 80 000 组随机流型与 40 000 组典型流型的“电容矩阵-介质分布”数据集;然后,通过该数据集中的训练集对不同超参数的卷积神经网络模型进行训练和验证,并系统研究了网络初始化、网格密度、卷积核数、全连接层神经元数以及隐藏层结构等超参数对图像重建精度的影响;接着,利用额外生成的 12 000 组数据作为测试集对各网络模型性能进行评价;最后通过静态实验,对不同网络模型的图像重建效果进行了比较和分析。 结果表明:网络隐藏层结构对图像重建精度影响较大,而网络初始化、网格密度、卷积核数以及全连接层神经元数等超参数对重建精度影响较小。

摘要:针对同心圆环区域,设计了不同数目的组合电容层析成像传感器,以提高传感器在测量区域的空间分辨率。 基于数值仿真,对内外径之比为 0. 2、0. 3、0. 4、0. 5 的 4 种同心圆环区域,采用了传统外层 12 电极和 12-4、12-6、12-8 3 种内外双层结构电极(IEE),研究了其成像特性。 其中 IEE 传感器测量过程施行外部-对立-内部(EOI)和外部-对立(EO)两种激励策略,对几种典型的介质分布进行测量,并采用 LBP、Tikhonov、Landweber 算法开展图像重建。 结合数值仿真和实验验证,结果显示内外双层电极测量随着同心圆环形区域内外径比增大,内层电极数目存在最优值,12- 4 型电极结构在不同环形区域的重建图像质量和稳定性更好。 采用 LBP 算法进行成像时,EOI 激励策略相比于 EO 激励策略在成像精度上略有优势;采用 Tikhonov 算法和Landweber 迭代算法时,EO 激励策略能有效避免异常电容值的影响,与 IEE 电极组合时能在不同内外径比的同心圆环区域测量中提高成像质量。

摘要:为解决电容层析成像技术(ECT)中图像重建的非线性和病态性问题,提出了一种自适应模拟退火-Levenberg Marquardt(ASA-LM)联合反演算法。 改进了标准模拟退火(SA)算法的新解生成策略、能量函数的定义及退火策略,并结合 LM 的直接局部搜索方法联合反演 ECT 图像重建问题。 同时,利用 Savitzky-Golay (SG) 滤波对 ECT 图像重建所需电容数据进行平滑处理以提高其信噪比。 最后,进行仿真及静态实验,并与线性反投影(LBP)、Landweber 迭代及标准 SA 算法进行了比较。 结果表明,与其他 3 种算法相比,ASA-LM 算法收敛速度快、图像重建质量明显提高,边缘信息保真度高,重建图像的平均相对误差为0. 331 1,平均相关系数为 0. 933 1。

摘要:电阻抗成像(EIT)是一种实现场域内电导率分布情况图像重建的成像技术。 传统的电阻抗成像算法成像精度较低,为解决此问题,提出一种基于 U2-Net 深度学习模型的新型电阻抗图像重建方法。 首先,以 U2-Net 模型为基础,创新地提出了拼接层(CAT)的概念用于数据扩展,使得 U2-Net 的输入层结构简单,运算速度快;其次,使用仿真数据集对该网络进行训练,使用验证集选择最优的模型参数,结果表明,提出的算法测量精度高、鲁棒性好,在仿真数据集的表现优于其他算法。 最后,提出一种新的 EIT 成像质量评价指标:中心和面积误差(CAE)用于验证算法在实验中的表现,实验结果表明,所提算法的 CAE 为 4. 975,对于目标物的中心和面积预测更为准确,成像效果优于其他对比算法。

摘要:电阻抗层析成像技术(EIT)因其非侵入和可视化等特性为人体肺部空间特性的监测提供了一种有效的方法。 但是 EIT的逆问题具有严重的非线性、病态性和欠定性,使得图像重建结果含有严重的伪影。 针对上述问题,提出了一种由预映射、特征提取、深度重建以及残差去噪四个模块构成的 V-ResNet 的深度网络成像算法,实现对场域空间位置和电导率参数分布的重建。该算法有效地增加了前馈信息的多重传递并解决了深度网络的梯度消失问题,同时残差去噪模块有效地平滑了图像边界。 采用相对误差(RE)和结构相似度(SSIM)来衡量成像质量,实验得出 RE 的平均值为 0. 14,SSIM 平均值为 0. 96。 仿真与实验结果表明,基于 V-ResNet 的成像算法与传统的成像算法相比,图像重建结果边界清晰,空间分辨率高。