一种改进的代数神经网络电阻层析成像图像重建算法

本文以16电极的ERT系统为背景,从图像重建的稳定性和速度两方面对两相流场的图像重建算法优化进行实验室研究。针对电阻层析成像系统存在的软场特性、强非线性和不适定性,重建的图像质量差、计算时间长等问题。采用了一种将基于类支集函数的代数神经网络算法,将图像重建转变为一个严格对角占优的线性方程组的求解问题,以达到图像快速、准确的重建目的,该算法的求解过程稳定并具有良好的计算性能。同时针对大规模神经网络算法训练速度较慢的问题提出了分区域求解的改进方法。通过实验仿真分析,改进后的算法具有简化神经网络结构,比大规模神经网络运算速度快,误差小等优点,为电阻层析成像系统图像重建提供了新的有效方法。     

类支集神经网络在ECT图像重建中的研究与应用

以12电极电容阵列传感器ECT系统为背景,从图像重建的稳定性和速度两方面对密闭容器中气-固两相流场的图像重建算法优化进行实验室研究。将基于新型类支集函数的神经网络算法（NSSN）,应用于ECT系统图像重建算法中,使得图像重建算法的求解过程稳定并具有良好的计算性能。针对大规模神经网络算法训练速度较慢的问题提出了划分子网络的改进方法。通过对封闭管道的气固两相流进行数据检测,并采用改进后的神经网络算法进行图像重建,实验结果验证了改进后的方法弥补了大规模神经网络运算速度慢的不足,可以简化神经网络的结构,减少神经元的规模,为电容层析成像系统图像重建提供了新的思路。     

改进Landweber电阻层析成像图像重建算法

为了克服电阻层析成像系统不适定性的影响,提高图像重建质量,提出一种改进Landweber电阻层析成像图像重建算法。利用基于粒子群算法的改进遗传算法,对敏感场均匀分布时灵敏度矩阵进行预处理,降低其条件数,改善其病态性,并应用于两相流典型流型图像重建。仿真实验结果表明,改进算法可将敏感场均匀分布时灵敏度矩阵条件数降低98.15%,有效提高了图像重建质量。     

基于贝叶斯理论快速ERT图像重建算法

针对电阻层析成像系统中图像重建不适定问题,与现有ERT图像代数重建算法不同,提出一种基于贝叶斯理论快速一步动态图像重建算法。在阐述电阻层析成像的理论基础上,利用有限元方法建立敏感场数学模型,得到灵敏度矩阵和投影数据。在分析贝叶斯理论基础上,推导出快速一步动态图像重建模型,并将介质分布的先验信息和噪声随机信息等统计信息引入到图像重建中,实现对电导率的重建。分析了不同分布先验概率参数和不同噪声信噪比等影响因子对算法重建结果的影响,并与高斯牛顿迭代、贝叶斯迭代重建算法相比较。结果表明,所提算法重建速度有很大提高,并能较好反映被测介质的相对位置。     

Chebyshev神经网络在ECT图像重建中的研究与应用

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Chebyshev神经网络对电容层析成像系统进行图像重建的方法。该神经网络不仅扩大了网络辨识模型的能力与学习适应性,而且算法简单,学习收敛速度快,有线性、非线性逼近精度高等优异特性。通过对封闭管道的气固两相流进行数据检测,并采用改进后的神经网络算法进行图像重建,实验结果证明该方法能明显改善成像质量,进而证明了该方法的有效性。     

带有偏差单元的IRN在两相流ECT中的应用

该文提出了基于带有偏差单元递归神经网络算法在电容层析成像系统的图像重建中的应用。该算法克服了电容层析成像系统中电容测量灵敏度分布易受被测多相流介质分布的影响,利用MATLAB编程对带有偏差单元的递归神经网络进行训练,给出了图像仿真结果。仿真结果表明,该算法在保证了重建图像质量的前提下,缩短训练时间,提高了成像速度,满足了工业实时性的要求。     

多维输出SVR的ECT两相流图像重建方法

根据电容层析成像（ECT）中两相流识别问题的特点,提出基于多维输出支持向量回归机（MSVR）的图像重建算法。采用超球空间不敏感损失函数的MSVR是支持向量机理论的一个重要分支,它有效地克服了神经网络算法中的过学习问题,具有较强的泛化能力。近似迭代变权最小二乘法（IRWLS）在保证MSVR回归精度的基础上,有效地简化了其求解过程,可快速建立电容测量值与成像区域介电常数分布之间的非线性映射关系。对包含6种典型两相流流型的仿真数据进行实验。结果表明,该方法泛化能力强,图像重建精度高。     

基于GMRES的超声过程层析成像算法研究

当前超声气固两相流层析成像的难点在于难以获得有效的信号和图像重建算法精度不高。鉴于此,作者以超声衰减理论为基础,提出一种基于广义最小残差(GMRES)迭代的超声层析成像重建算法：首先利用广义极小残差迭代算法获取初始物体浓度分布信息,然后采用均值滤波并设定灰度门槛的方法对其进行修正以提高图像精度。为验证该算法的可行性,利用数值仿真在较少有效信息条件下,求解欠定稀疏线性方程,将结果与现有几种图像重建算法比较发现该方法成像精度高,之后进行的超声气固两相流层析成像实验结果表明：采用该算法的成像系统能够反映管道内气固两相流截面固相浓度分布特征。     

基于BP神经网络和中值滤波的ECT图像重构算法

电容层析成像技术（ECT-Electrical Capacitance Tomography）是基于电容敏感原理的过程成像技术,具有非侵入性、造价低、安装方便、实时性好等优点。图像重构作为ECT系统的关键技术,其实质是根据物体内部介电常数的空间分布推导出管道中各相分布的过程。本文针对重构问题的非线性、病态性等特点,采用了基于BP神经网络的ECT图像重构算法,并引入中值滤波对重构图像进行增强。仿真结果表明,该算法可以有效地实现图像重构和令人满意的增强效果,它大大提高了重建图像的质量,是一种有效的ECT图像重构算法。     

基于MATLAB的电容层析成像系统灵敏场的仿真研揪

电容层析成像是监测两相流动的一种新技术。它可重建两相流在其流经管道横截面上的相分布图像，而重建图像的先决条件是需获得成像系统的灵敏场分布。电容层析成像(ECT)系统阵列传感器的敏感场受被测介质的影响，这一“软场”特性是ECT应用于两相流参数测量中的一个主要问题。本文介绍了基于MATLAB的有限元模型的仿真实验，通过数据分析研究了灵敏场分布的规律。     

A Space Variant Gradient Based Corner Detector for Sparse Omnidirectional Images

Omnidirectional cameras are useful in applications requiring rapid capture of image data representing the complete local environment. Feature detection from such image data is thus a prominent research issue. Transforming an omnidirectional image to a panoramic image may result in a sparse panoramic image with missing image data. Whilst image reconstruction techniques have been developed that enable the subsequent use of standard image processing algorithms, the development of image processing algorithms that can be applied directly to sparse image data has received less attention. We address the problem of corner point detection for sparse panoramic images by developing an algorithmic approach that can be applied directly to sparse unwarped omnidirectional images without the requirement of image reconstruction, and we illustrate the accurate performance of the algorithm through visual results and receiver operating characteristic curves.     

基于局部能量的电容层析成像图像融合方法

针对电容层析成像技术的"软场"效应和病态问题对重建图像精确度的影响,在分析电容层析成像基本原理和成像算法的基础上,提出了一种基于局部能量的电容层析成像图像融合方法。该方法以线性反投影、Landweber和共轭梯度算法作为图像重建的基础,利用各个图像的互补特性,经对重建的图像小波分解后,分别采用基于局部能量和加权平均算子融合规则对分解后图像的高频系数和低频系数进行图像的融合,得到准确度更高的成像结果。仿真实验结果表明,融合后成像精确度得到明显提高,缩小了误差,图像更接近原型,为ECT图像重建的研究提供了一个新的方法。     

用于两相流电容层析成像系统中的图像重建算法

图像重建算法研究和增加投影数据是改善图像重建质量的两个重要方面。由于目前在ECT系统中存在着一种基于奇异值分解（SVD）的图像重建算法,此算法中的奇异值将对应图像重建矩阵中很大的对角线元素,从而导致伪逆很不稳定。因而讨论了改进的基于奇异值分解（MSVD）的图像重建算法,该算法是用改进奇异值分解方法求出图像重建矩阵。仿真及实验结果均表明该算法是一种实时的、重建图像质量优于SVD。     

基于Contourlet变换的图像压缩感知重构

根据图像信号在Contourlet变换域的稀疏特性,分析Contourlet变换的基本原理,提出一种基于Contourlet变换的压缩感知重构方法。针对Contourlet变换的基函数并不严格规范正交、无法构造正交变换矩阵的问题,采用改进梯度投影算法恢复稀疏处理后的系数,在保证图像质量的情况下,实现图像的低速率重构。实验结果表明,该算法的鲁棒性较好。     

基于小波不可分离多分辨率的图像重建

文中提出并实现了一种基于小波不可分离多分辨率的重建算法。在图像重建领域内利用小波变换时,是对二维图像进行行和列的依次滤波,需要假定二维信号是关于自变量x和y可分离的,而实际二维信号中大多是不宜分开处理的。在算法中首先将投影数据进行二通道的小波分解,在分解抽样中,使用不同的抽样方法,直接得到小波的近似系数和细节系数,这些系数再经过逆小波变换得到最终的重建图像。基于不可分离多分辨率的小波算法将投影数据进行二通道的小波分解。     

图像场方向导数的局部区域重建

目的 目前图像修复的研究是以人眼不能察觉为目标,注重视觉效果而不追求重建的准确性。本文提出一种能准确重建图像缺损边缘的重建算法。方法 采用稳定场作为图像局部纹理的数学物理描述,提出基于点源影响函数的图像局部区域重建模型,该模型针对每一个缺损点,计算周围各已知点对它的影响,以期较为准确地重建该点;并根据该场中的方向导数,分析各已知点与缺损点的差异性及相似性,确定一种点源影响函数的计算方法,以实现该重建模型。结果 实验结果表明所提算法与传统修复算法相比,对图像边缘及纹理细节的重建更加清晰,同时保持了较好的整体视觉效果;且重建过程无迭代计算,具有较高的效率。结论 实验结果表明,该算法在重建效率和准确重建方面均取得了较好的成果。     

面向安防监控场景的低分辨率人脸识别算法研究

针对安防监控场景中获取的人脸图像质量不佳、细节信息丢失导致的人脸识别准确率低下的问题,提出一种基于超分辨率重建的低分辨率人脸识别算法。该算法包括超分辨率重建和人脸识别两个子网络,分别实现低分辨率人脸图像的超分辨率重建和人脸特征的提取。首先通过增加超分辨率重建子网络激活函数前的特征图数量实现广泛激活,保证信息流的有效传递,重建出包含更多细节信息的高分辨率人脸图像;然后在训练时结合图像内容损失和身份损失,在重建图像的同时保留更多身份信息,使得提取到的人脸特征具有更强的辨别性。实验结果表明,该算法提升了低分辨率人脸识别的准确率,在监控人脸数据集QMUL-SurFace上的性能优于传统算法。     

图像分块压缩感知中的自适应粒重建算法

在图像分块压缩感知（Block compressed sensning, BCS）框架下,基于平滑投影Landweber迭代的重建算法能以低计算复杂度确保良好率失真性能,尤其是采用主成分分析（Principle component analysis, PCA）作自适应硬阈值收缩。然而,在PCA学习过程中忽略了图像局部结构特性平稳,会影响Landweber迭代重建性能的提升。针对该问题,本文采用粒计算（Granular computing, GrC）理论,根据图像子块结构特性将图像分解为若干粒,再实施PCA学习各粒的稀疏表示基底,并 对粒内子块硬阈值收缩去噪。由于粒内图像子块具有平稳的结构特性,可有效改善硬阈值收缩性能。实验结果表明,与传统算法相比,本文算法重建图像的整体客观质量较优, 且可更好地保护边缘与纹理等重要细节,主观视觉质量良好,与此同时,保证了较低的重建计算复杂度。     

一种气液两相流气相参数图像检测方法

介绍了一种运用图像处理技术检测气液两相流参数的新方法,针对气液两相中气泡目标对比度低的特点,提出先对待处理图像进行分形增强,运用改进的Canny算子检测出气泡目标边缘,在经过填充和标记后检测出两相流图像面积、圆形度、截面含气率等参数,为气液传质效率建模提供了基础;实践证明该方法抗干扰能力强,是一种实用可行的参数检测方法.