基于深度信念网络的ECT图像重建算法研究
发布时间：2021-03-07 15:56
电容层析成像技术（Electrical Capacitance Tomography,ECT）是20世纪80年代后期便开始发展的一项过程层析成像技术,具有快速安全、非侵入式、价格低廉等优点。在ECT技术中,灵敏度软场是导致图像重建质量不高的一个关键问题,且图像重建的速度也无法满足一些领域上的应用,因此图像重建的质量与速度是ECT技术研究中的关键问题。深度信念网络（Deep Belief Network,DBN）是深度学习领域中被经常使用的一种网络,广泛的应用于非线性系统中,含有多隐藏层,能够逐层的进行特征提取,对于复杂函数具有强大的学习能力。因此将DBN应用在ECT图像重建中,能够避开对灵敏度矩阵的求解,来提高图像重建的质量与速度。本文对ECT系统的基本原理和总体结构进行了具体的分析,介绍了应用在ECT中的常见算法,并对成像质量进行了比较。为提高图像重建质量,针对ECT中的电容数据复杂多样且与介电常数呈非线性关系的特点,提出BP-DBN算法,通过DBN的深层非线性网络结构来实现电容值与被检测场域介电常数的非线性关系,采用BP算法进行反向微调。并对BP-DBN进行了改进,将自适应步长（A...
【文章来源】：中国民航大学天津市
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
ECT系统结构图
中国民航大学硕士学位论文13图2-2传感器系统仿真图图2-3网格剖分图（5）联立方程组，计算求解。2.3ECT逆问题逆问题是相对于正问题而言，根据正问题中得到的灵敏度矩阵，反演了介质在场中的分布，图像重建就是求解逆问题的过程。将电容值与介电常数分布的非线性关系离散归一化[38]，得到近似线性的逆问题模型[39]为：SGC(2.16)式中，1mRC，nmRS，1nRG，C为电容值，S为灵敏度矩阵，G为介电常数，m为电极的对数，n为剖分的网格数目。电容层析成像最终的目的就是求解到介电常数G。目前很多智能算法应用到电容层析成像技术中，只考虑电容值C与介电常数G，不需要再对灵敏度矩阵S进行求解，而是直接去构建电容值与介电常数分布的非线性关系，输入已检测的电容值C，直接得到介电常数分布的图像灰度值。而针对常用的普通算法，逆问题的求解至关重要，灵敏度矩阵的求解不可忽略。ECT系统逆问题求解具有三个特性：软场特性、解的不定性、病态性。软场特性是指求解过程中，通常是把电容灵敏度场设为定值，而在实际中，当被测场域中的介质
中国民航大学硕士学位论文13图2-2传感器系统仿真图图2-3网格剖分图（5）联立方程组，计算求解。2.3ECT逆问题逆问题是相对于正问题而言，根据正问题中得到的灵敏度矩阵，反演了介质在场中的分布，图像重建就是求解逆问题的过程。将电容值与介电常数分布的非线性关系离散归一化[38]，得到近似线性的逆问题模型[39]为：SGC(2.16)式中，1mRC，nmRS，1nRG，C为电容值，S为灵敏度矩阵，G为介电常数，m为电极的对数，n为剖分的网格数目。电容层析成像最终的目的就是求解到介电常数G。目前很多智能算法应用到电容层析成像技术中，只考虑电容值C与介电常数G，不需要再对灵敏度矩阵S进行求解，而是直接去构建电容值与介电常数分布的非线性关系，输入已检测的电容值C，直接得到介电常数分布的图像灰度值。而针对常用的普通算法，逆问题的求解至关重要，灵敏度矩阵的求解不可忽略。ECT系统逆问题求解具有三个特性：软场特性、解的不定性、病态性。软场特性是指求解过程中，通常是把电容灵敏度场设为定值，而在实际中，当被测场域中的介质
【参考文献】：
期刊论文
[1]基于小波变换和极限学习机的网络流量预测模型[J]. 穆昌. 微型电脑应用. 2020(01)
[2]改进深度信念网络在语音转换中的应用[J]. 王文浩,张筱,万永菁. 浙江大学学报(工学版). 2019(12)
[3]改进深度信念网络在飞机下降段油耗估计中的应用[J]. 刘家学,尹鹏. 计算机应用与软件. 2019(08)
[4]电容成像双共轭梯度图像重建改进算法[J]. 马敏,范广永,孙颖. 北京航空航天大学学报. 2019(08)
[5]基于GA-BP神经网络的电容层析成像图像重建[J]. 胡叶容. 电子技术与软件工程. 2018(23)
[6]改进的Tikhonov正则化图像重建算法[J]. 温丽梅,周苗苗,李明,马敏. 计量学报. 2018(05)
[7]焊缝缺陷图像分类识别的深度置信网络研究[J]. 刘梦溪,巨永锋,高炜欣,王征,武晓朦. 测控技术. 2018(08)
[8]深度置信网络的Spark并行化在微博情感分类中的应用研究[J]. 张翔,石力,尚勃,董丽丽. 计算机应用与软件. 2018(02)
[9]自适应与附加动量BP神经网络的ECT流型辨识[J]. 王莉莉,刘洪波,陈德运,冯其帅. 哈尔滨理工大学学报. 2018(01)
[10]融合深度置信网络与与核极限学习机算法的核磁共振测井储层渗透率预测方法[J]. 朱林奇,张冲,周雪晴,魏旸,黄雨阳,高齐明. 计算机应用. 2017(10)
硕士论文
[1]航线能效指标数值特征分析方法研究[D]. 尹鹏.中国民航大学 2019
[2]基于深度学习的ECT图像重建算法研究[D]. 何小芳.中国民航大学 2019
[3]基于深度学习的人脸检测技术研究[D]. 孙燕.西安科技大学 2018
[4]基于深度学习的入侵检测方法研究[D]. 魏思政.中国矿业大学 2018
[5]滑油在线监测的ECT传感器优化及算法研究[D]. 王伯波.中国民航大学 2017
[6]电容层析成像系统的图像重建算法研究[D]. 郭琪.中国民航大学 2017
[7]基于SVM电容层析成像系统图像重建算法[D]. 宋海丰.哈尔滨理工大学 2016
[8]基于COMSOL的电容层析成像激励测量模式研究[D]. 刘晶.华北电力大学 2016
[9]基于粒子群算法的Tikhonov正则化方法研究[D]. 魏巍.哈尔滨工业大学 2016
[10]求解线性离散不适定问题的改进Tikhonov算法[D]. 张慧.南京航空航天大学 2015
本文编号：3069398
【文章来源】：中国民航大学天津市
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
ECT系统结构图
中国民航大学硕士学位论文13图2-2传感器系统仿真图图2-3网格剖分图（5）联立方程组，计算求解。2.3ECT逆问题逆问题是相对于正问题而言，根据正问题中得到的灵敏度矩阵，反演了介质在场中的分布，图像重建就是求解逆问题的过程。将电容值与介电常数分布的非线性关系离散归一化[38]，得到近似线性的逆问题模型[39]为：SGC(2.16)式中，1mRC，nmRS，1nRG，C为电容值，S为灵敏度矩阵，G为介电常数，m为电极的对数，n为剖分的网格数目。电容层析成像最终的目的就是求解到介电常数G。目前很多智能算法应用到电容层析成像技术中，只考虑电容值C与介电常数G，不需要再对灵敏度矩阵S进行求解，而是直接去构建电容值与介电常数分布的非线性关系，输入已检测的电容值C，直接得到介电常数分布的图像灰度值。而针对常用的普通算法，逆问题的求解至关重要，灵敏度矩阵的求解不可忽略。ECT系统逆问题求解具有三个特性：软场特性、解的不定性、病态性。软场特性是指求解过程中，通常是把电容灵敏度场设为定值，而在实际中，当被测场域中的介质
中国民航大学硕士学位论文13图2-2传感器系统仿真图图2-3网格剖分图（5）联立方程组，计算求解。2.3ECT逆问题逆问题是相对于正问题而言，根据正问题中得到的灵敏度矩阵，反演了介质在场中的分布，图像重建就是求解逆问题的过程。将电容值与介电常数分布的非线性关系离散归一化[38]，得到近似线性的逆问题模型[39]为：SGC(2.16)式中，1mRC，nmRS，1nRG，C为电容值，S为灵敏度矩阵，G为介电常数，m为电极的对数，n为剖分的网格数目。电容层析成像最终的目的就是求解到介电常数G。目前很多智能算法应用到电容层析成像技术中，只考虑电容值C与介电常数G，不需要再对灵敏度矩阵S进行求解，而是直接去构建电容值与介电常数分布的非线性关系，输入已检测的电容值C，直接得到介电常数分布的图像灰度值。而针对常用的普通算法，逆问题的求解至关重要，灵敏度矩阵的求解不可忽略。ECT系统逆问题求解具有三个特性：软场特性、解的不定性、病态性。软场特性是指求解过程中，通常是把电容灵敏度场设为定值，而在实际中，当被测场域中的介质
【参考文献】：
期刊论文
[1]基于小波变换和极限学习机的网络流量预测模型[J]. 穆昌. 微型电脑应用. 2020(01)
[2]改进深度信念网络在语音转换中的应用[J]. 王文浩,张筱,万永菁. 浙江大学学报(工学版). 2019(12)
[3]改进深度信念网络在飞机下降段油耗估计中的应用[J]. 刘家学,尹鹏. 计算机应用与软件. 2019(08)
[4]电容成像双共轭梯度图像重建改进算法[J]. 马敏,范广永,孙颖. 北京航空航天大学学报. 2019(08)
[5]基于GA-BP神经网络的电容层析成像图像重建[J]. 胡叶容. 电子技术与软件工程. 2018(23)
[6]改进的Tikhonov正则化图像重建算法[J]. 温丽梅,周苗苗,李明,马敏. 计量学报. 2018(05)
[7]焊缝缺陷图像分类识别的深度置信网络研究[J]. 刘梦溪,巨永锋,高炜欣,王征,武晓朦. 测控技术. 2018(08)
[8]深度置信网络的Spark并行化在微博情感分类中的应用研究[J]. 张翔,石力,尚勃,董丽丽. 计算机应用与软件. 2018(02)
[9]自适应与附加动量BP神经网络的ECT流型辨识[J]. 王莉莉,刘洪波,陈德运,冯其帅. 哈尔滨理工大学学报. 2018(01)
[10]融合深度置信网络与与核极限学习机算法的核磁共振测井储层渗透率预测方法[J]. 朱林奇,张冲,周雪晴,魏旸,黄雨阳,高齐明. 计算机应用. 2017(10)
硕士论文
[1]航线能效指标数值特征分析方法研究[D]. 尹鹏.中国民航大学 2019
[2]基于深度学习的ECT图像重建算法研究[D]. 何小芳.中国民航大学 2019
[3]基于深度学习的人脸检测技术研究[D]. 孙燕.西安科技大学 2018
[4]基于深度学习的入侵检测方法研究[D]. 魏思政.中国矿业大学 2018
[5]滑油在线监测的ECT传感器优化及算法研究[D]. 王伯波.中国民航大学 2017
[6]电容层析成像系统的图像重建算法研究[D]. 郭琪.中国民航大学 2017
[7]基于SVM电容层析成像系统图像重建算法[D]. 宋海丰.哈尔滨理工大学 2016
[8]基于COMSOL的电容层析成像激励测量模式研究[D]. 刘晶.华北电力大学 2016
[9]基于粒子群算法的Tikhonov正则化方法研究[D]. 魏巍.哈尔滨工业大学 2016
[10]求解线性离散不适定问题的改进Tikhonov算法[D]. 张慧.南京航空航天大学 2015
本文编号：3069398
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3069398.html
最近更新
教材专著
