基于深度学习字典的电阻抗稀疏成像算法研究

发布时间：2024-01-18 19:27

　　电阻抗层析成像(Electrical Impedance Tomography,EIT)是一种通过在被测对象的边界处注入电流并测量所产生的电压变化来重建电导率分布图像的技术。由于EIT成像问题具有病态性和欠定性,所以重建图像质量容易受到测量噪声的影响。传统的图像重建方法在去噪的同时,容易丢失部分有用的高频信息,且对重建图像伪影的抑制能力有限。EIT稀疏重建可以有效地减少重建图像的噪声和伪影并保持边界信息。选择合适的稀疏字典可以帮助获得更好的稀疏重建结果,图像质量可以有所提高。与传统的简单快速的固定字典相比,自适应字典可以提取当前图像特征,并通过图像重建和字典学习(Dictionary Learning,DL)交替进行的迭代方法更有效的进行重建。但是目前EIT稀疏成像所采用的字典学习算法都没有考虑对初始字典的优化,并且在重建过程中仅采用简单的浅层字典,只是借助中间结果,并不能很好的利用先验信息,对图像特征的提取也有限。针对上述问题,在EIT稀疏成像模型的基础上,改进了原有的字典学习方法,主要研究内容如下:(1)针对传统字典学习算法随机选取初始字典的问题,结合递归最小二乘字典学习算法(Re...

【文章页数】：73 页

【学位级别】：硕士

本文编号：3879878