基于深度学习的ECT图像重建算法研究

发布时间：2022-01-04 04:02

　　电容层析成像（Electrical Capacitance Tomography,简称ECT）是一种极具发展前景的过程成像技术。该技术具有无辐射、非侵入、响应快、结构简单和成本低廉等优点,近几年被广泛应用于流型识别、医学成像和工业成像等领域。ECT图像重建属于非线性病态逆问题求解。传统非智能图像重建算法主要对非线性问题进行线性化处理或者采用局部优化的非线性处理办法,两种处理方式都会使图像失真较大。故本文基于深度学习思想,选择卷积神经网络进行ECT图像重建,并针对其不足之处提出了改进算法。1.针对交替方向乘子法（Alternating Direction Method of Multipilers,简称ADMM）在ECT图像重建中大量近似导致成像精度不高以及利用深度学习进行ECT重建图像存在网络拓扑结构难以抉择的问题,提出将ADMM与深度学习相结合的算法。利用深度学习强大的学习能力,在网络训练过程中选择最优的稀疏基等算法族参数,解决了ADMM算法族进行ECT图像重建中参数难以确定的问题;利用ADMM算法族直接映射到深度卷积神经网络,解决了网络结构难以选择的问题。实验验证表明:ADMM模型... 

【文章来源】：中国民航大学天津市

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

ECT系统原理示意图

图 2-2 三角形剖分单元模型图数为： x y)2y， (,)33C xy三点的电位分别为：1 2 3 数 , , 的值分别为：2 3 32 3 32 3 3abc

章简述了几种常用的非智能图像重建算法，其本质大多是将非线性问导致重建图像失真较大。相比而言，智能类算法可以直接实现输入电之间的非线性映射，而不需要研究灵敏度矩阵的逆矩阵问题，故可解现的非线性、不适定等难题。神经网络就是隐层数量较少的神经网络，网络模型较为简单，BP 神种代表性浅层神经网络。神经网络 神经网络结构经网络是一种有监督前馈型神经网络，理论上，三层 BP 神经网络入到输出的非线性映射[55]，故 ECT 图像重建过程中采用三层 BP 神为输入层、隐层和输出层。其结构如图 3-1 所示。


本文编号：3567619