一种基于改进U-Net模型的电磁层析成像算法

为解决电磁层析成像（electromagnetic tomography,EMT）传统成像算法由于逆问题的不适定性和病态性导致重建图像质量差的问题，提出了一种基于改进U-Net深度网络模型的新型电磁层析成像方法。首先，以UNet深度网络模型为基础，加入残差模块使网络提取更多特征信息并避免网络训练时梯度消失的问题；其次在此结构上引入注意力机制来提升重要特征信息，抑制无用的特征信息，加强对缺陷边缘和形状特征的权重分配。通过仿真和金属缺陷检测实验评估了本文所提出算法的性能，并与线性反投影算法和共轭梯度算法进行了对比。仿真实验和金属缺陷检测实验结果表明：本文提出的算法在精确率、召回率和F1-Score分别达到88.41%、90.38%和89.38%，重建图像对于缺陷位置和形状的预测更为准确。     

两相流参数测量ERT图像重建算法的研究

基于灵敏度理论建立了电阻层析成像(ERT)图像重建的数学模型，提出了一种将Tikhonov正则化技术和代数重建技术(ART)相结合的组合型ERT图像重建算法，研究表明，该算法较为稳定，能克服测量数据波动对图像重建的影响，同时仿真研究结果表明，与目前常用的灵敏度系数图像重建算法相比，该算法在图像重建质量方面得到了一定的改善。     

基于RBF神经网络的电容层析成像图像重建算法

针对目前电容层析成像系统图像重建分辨率不高,精确度低的问题,提出了一种新的采用RBF神经网络对电容层析成像系统进行图像重建的方法.该神经网络采用改进的自适应遗传算法,优化选取隐层神经元的中心和宽度,用Tikhnov正则化方法训练网络权值.12电极的电容层析成像系统的仿真实验结果表明,该方法能明显改善成像质量,成像精确度较好,证明了该方法的有效性.     

基于非局部正则化的乘性噪声去除模型及Split-Bregman算法

针对全变分去噪模型会模糊图像边缘和纹理部分的问题,提出一种改进的去除乘性噪声的非局部正则化模型,并利用Split-Bregman算法进行求解。对观测图像取对数变换,将乘性噪声转化为加性噪声,利用全变分思想,以非局部TV范数作为正则项,通过图像区域与区域的灰度相似性来确定权重系数,进而更好地保持图像的纹理结构;在模型中加入紧凑项来保证去噪图像的紧凑性。对模型求解并进行数值仿真实验,结果表明:改进的去除乘性噪声的非局部正则化模型能够去除图像噪声且较好地保持其纹理部分。     

基于多管秩和全变分的低秩张量填充

提出了一种基于酉变换张量低多管秩分解的张量填充方法。受多光谱图像中空间光谱平滑性特征的启发,在模型中加入了空间平滑(TV)正则项,并使用邻近交替极小化(PAM)算法求解该模型。多光谱图像(MSI)数据上的仿真实验表明所提模型和算法是有效的。     

一种新的电容层析成像边界灰度补偿算法

由于电容层析成像(ECT)图像重建典型病态问题的不稳定性,在传统的电容层析成像算法的基础上提出了一种基于遗传蚁群算法(GAAC)的边界灰度补偿算法.在阐述了电容层析成像基本原理的基础上,通过推导多项式加速算法的数学模型,进行该算法的ECT图像重建.但由于传统的电容层析成像算法在图像边界上表现出极大的误差和不稳定性,所以提出了GAAC的边界灰度补偿算法.仿真和数值实验的结果显示,GAAC的边界灰度补偿算法是一种有效的电容层析成像方法,在ECT图像重建算法的领域提出了一个新的尝试.     

一种基于期望最大化条件的电容层析成像图像重建算法

针对电容层析成像系统(electrical capacitance tomography,ECT)的"软场"效应和病态特性对重建图像精度的影响,同时在分析了成像算法和电容层析成像基本原理的基础上,提出了一种基于期望最大化电容层析成像图像重建算法(expectation maximization,EM),采用最大似然分析的方法对本文算法进行了证明和推导,算法的重建图像误差较小,并能满足收敛条件.仿真实验结果表明,该方法与CG算法、Tikhonov算法相比,在成像精度有明显提高,为ECT图像重建提供了一种新方法 .     

改进归一化方法对ECT重建图像质量的影响

为了提高电容层析成像（ECT）系统重建图像的质量,提出一种改进的电容测量值归一化方法.在典型流型分布下,对使用不同归一化方法情况下的正则化迭代算法和Landweber迭代算法的重建结果进行比较,分析了不同归一化方法对这两种常用迭代算法重建图像质量的影响.实验结果表明：对于三种典型流型的多数相含率分布情况,采用改进的归一化方法能够减小系统线性近似求解的偏差,提高两种迭代重建算法的重建图像质量.     

一种新的卷积神经网络的ECT图像重建算法

针对电容层析成像技术(electrical capacitance tomography,ECT)反问题中图像重建困难的问题,研究了将卷积神经网络(convolutional neural network,CNN)应用于ECT图像重建的可行性,在对卷积神经网络中较耗时的深层结构和训练过程问题进行深入研究的基础上,对结构中的卷积层和训练中的子采样方法进行了改进,提出了一种加速收敛卷积神经网络(fast convergent convolutional neural network,FCCNN)的图像重建方法,并通过Matlab在计算机上建立了ECT实验仿真系统,与传统算法的仿真实验结果进行了对比和分析。实验结果表明,改进后的算法对常见管道流型的图像重建效率和质量都有一定的提高。     

二阶TGV结合小波变换模的图像去噪算法

研究了总变分(total variation,TV)模型在图像去噪中的应用,针对TV正则化模型在图像去噪过程中容易导致阶梯效应的缺陷,提出利用二阶总广义变分(total generalized variation,TGV)正则项代替TV正则项的图像去噪模型,并利用小波变换模极大值在检测图像边缘应用中的优点,在TGV正则化模型中引入以小波变换模为参数值的边缘检测函数,利用边缘检测函数引导扩散。该模型具备良好去噪和保持图像边缘的优点,还能缓解阶梯效应的产生。     

Electromagnetic Tomography System for Defect Detection of High-Speed Rail Wheel

A novel electromagnetic tomography(EMT) system for defect detection of high-speed rail wheel is proposed, which differs from traditional electromagnetic tomography systems in its spatial arrangements of coils. A U-shaped sensor array was designed, and then a simulation model was built with the low frequency electromagnetic simulation software. Three different algorithms were applied to perform image reconstruction, therefore the defects can be detected from the reconstructed images. Based on the simulation results, an experimental system was built and image reconstruction were performed with the measured data. The reconstructed images obtained both from numerical simulation and experimental system indicated the locations of the defects of the wheel, which verified the feasibility of the EMT system and revealed its good application prospect in the future.     

Ultrasonic transducer array tomography for detecting defect of metal plate based on Hilbert transformation

Hilbert transformation and improved ellipse localization method is applied in ultrasonic transducer array tomography to detect defect of metal plate.By combining the improved ellipse localization metho...     

基于分数阶全变差和自适应正则化参数的图像去模糊

为更好地复原图像的纹理细节,避免求解图像去模糊模型时面临正则化参数难以选择的问题,提出了一种基于分数阶全变差（FOTV）模型和自适应更新正则化参数的非盲去模糊图像重建方法。首先,在分析不同分数阶下FOTV的幅频响应特性的基础上,采用不同分数阶次的FOTV模型约束图像的平滑（低频）部分和纹理细节（高频）部分,从而建立图像非盲去模糊重建模型。其次,为了有效地求解重建模型和实现两个正则化参数的自适应更新,采用交替方向乘子法(ADMM)将原本含有两个正则化参数的复杂问题分解成两个相对容易的子问题进行求解,每个子问题只含一个正则化参数。最后,根据偏差准则,在迭代求解过程中实现了两个正则化参数的自适应更新。将所提算法应用于包含平滑、边缘和纹理细节的多幅图像中,测试4种不同模糊核下的去模糊效果;与传统的4种去模糊算法相比,实验结果表明所提算法能自适应地更新两个正则化参数,对于纹理细节适中的图像具有较好的去模糊效果。     

带阈值滤波的迭代法三维ECT图像重建

针对Landweber迭代法用于三维ECT重建时,需要的迭代次数多且重建图像中含有大量伪迹的问题,提出了一种带阈值滤波的迭代重建法.该方法利用Landweber迭代法重建一初始图像,用阈值滤波获得改进图像,为了获得最佳阈值,依次用有限个离散化阈值对初始图像做二值化处理,计算出二值化图像对应的电容估计值与电容测量值之间的误差,并将对应最小误差的阈值确定为最佳阈值.仿真实验结果表明,自适应阈值滤波能够显著减少重建图像中的伪迹和重建时间,该方法具有良好的应用潜力.     

基于多分辨率的改进LBP特征的织物缺陷检测算法研究

在传统LBP算子的基础上,结合织物图像纹理特征,提出了一种基于多分辨率的改进LBP特征的织物缺陷检测算法：将图像分块,提取在不同分辨率下的改进LBP的特征并构造出用于描述图像块的特征向量,使用SVM分类器判断图像块是否属于缺陷区域．实验结果表明该算法有效．     

基于多级残差U-Net的稀疏SPECT图像重建

低剂量单光子发射型断层扫描(Single-Photon Emission Computed Tomography,SPECT) 能够减少放射性示踪剂对人体的辐射损害,因此其临床应用变得愈发重要。SPECT扫描可通过投影角度稀疏采样实现低剂量成像;若直接对稀疏采样投影数据进行迭代重建,投影角度的缺失将导致重建图像中出现严重的射线伪影。现今主流的临床方法普遍在图像重建优化模型中引入特定的正则项以抑制射线伪影,然而该类方法不具有通用性,并且正则项过度依赖于经验选取。本文提出一种新颖的神经网络结构以学习稀疏采样投影数据与全角度采样投影数据之间的映射关系;通过所提网络结构合成缺失角度的投影数据,来提升重建图像的质量。数值实验表明,相较于传统迭代重建方法,论文重建方法所得图像的结构相似性(Structural Similarity, SSIM)提高了59%,标准均方误差(Normalized Mean-Square-Error, NMSE)降低了67%,峰值信噪比(Peak Signal-to-Noise Ratio, PSNR)提高了2.48 dB。因此,所提方法能较好地改善稀疏采样投影数据成像后的图像质量。     

融合边界条件的电阻抗图像重建仿真研究

结合成像目标的边界结构信息,提出一种新的改善电阻抗图像重建质量的方法．在生物医学电阻抗断层成像中,将传统采用圆形场域的重建模型改进为与人体胸腔边界近似的八边形场域,建立正问题数学模型,求解得到灵敏度系数矩阵,经等位线滤波反投影算法获得感兴趣区域的仿真分布图像．针对成像目标在场域中的不同分布情况,采用面积占空比对两种重建模型下的成像效果进行评价．图像及数据分析结果表明,改进方法重建图像伪影明显减少,面积占空比也更接近真实分布,提高了图像空间分辨率,达到了改善电阻抗重建图像质量的目的．     

非局部稀疏表示正则化的磁共振图像重建

传统的基于稀疏性先验和全变分正则项约束的图像重建算法不能有效重建图像中的各种结构。为了提高重建质量,在采用传统重建算法中基于稀疏性的先验约束的同时,将重建图像的稀疏系数应逼近原始图像稀疏系数这一先验约束引入图像重建模型。通过图像子块之间的非局部相似性估计原始图像,得到非局部稀疏表示正则化的磁共振图像重建模型,并利用快速混合分裂算法求解模型。实验结果表明,算法能够对磁共振图像进行较好的重建。     

基于特征与形貌重构的轴件表面缺陷检测方法

针对轴件表面缺陷机器视觉检测方法中的水渍残留误检率高和人工复检效率低问题,提出一种基于特征与形貌重构的轴件表面缺陷检测方法. 对轴件工业高速线扫描图像进行预处理,基于改进的阀值迭代算法完成图像分割,通过去除背景、噪点和干扰提取缺陷图像. 建立基于曲线簇包络轮廓的轴件表面缺陷特征模型,结合分割图像各连通域的面积、面积占比、粗短度训练逻辑回归分类器,对凹坑、裂纹和麻点等轴件表面典型缺陷进行识别,并结合图像深度信息进行缺陷形貌重构,消除水渍等伪缺陷,提高轴件表面缺陷检测鲁棒性. 实验结果表明,所提出的轴件表面缺陷检测方法有效,具有较高的缺陷识别率和鲁棒性能,平均识别时间为3.69 s,缺陷轴加权识别率为98.86%,可以对3类典型缺陷和水渍进行准确识别.