基于SVM的ECT图像重建算法研究与实现

在ECT系统中使用支持向量机处理采集到的数据集,当数据规模非常大时训练速度缓慢,支持向量机在处理ECT系统中采集到的大规模数据集时训练速度缓慢.针对该问题提出了一种适应于硬件实现的基于SVM的串行计算-并行传输模式,并用硬件描述语言在现场可编程逻辑门阵列(FPGA)上实现,同时给出了硬件系统的工作过程及总体结构.ECT图像重建实验结果表明,同软件实现相比,不仅提高了系统图像重建速度,还能保持较高的分类精度,并且表明FPGA在图像重建方面满足实时性要求,适用于图像重建系统.     

基于SVM决策树的自适应相数ECT图像重建算法

在电容层析成像(ECT)技术的实际应用中,多相流是最普遍存在的流体类型,而被测场域中存在的介质种类常常是未知的。为了解决测量时出现多相流相数未知的情况,利用支持向量机（SVM）决策树算法在分类精度和分类速度上的优点,提出采用基于SVM决策树的电容层析成像图像重建算法对未知相数进行相数预测及图像重建。仿真结果表明,该算法能够实现多相流相数自适应,并提高图像重建精度。     

轮换对称分块SVM图像重建算法及硬件实现

针对ECT系统SVM图像重建算法在处理大规模样本数据集时,成像精度不高及速度慢的问题,提出轮换对称分块支持向量机 RSPSVM 算法。算法对ECT系统模型进行具有轮换对称性的等面积剖分,使得通过一个单元即可得到同层其他所有单元的敏感度值;再选择性分块,形成可分别应用SVM 算法进行训练的小样本矩阵,用得出的决策函数进行样本预测;并采用FPGA硬件实现RSPSVM算法。图像重建实验结果表明,通过硬件实现的RSPSVM算法大大减少了执行时间,并提高了成像的精度。     

基于修正隐式Landweber方法的ECT图像重建算法

针对电容层析成像(ECT)技术中存在的软场效应及病态问题,提出一种基于修正隐式Landweber的电容层析成像算法。在分析电容层析成像系统基本原理的基础上,给出隐式Landweber方法解决ECT图像重建问题的求解公式,并对该公式进行迭代修正。同时对修正后的隐式Landweber电容层析成像算法的收敛性进行分析。仿真实验结果表明,修正隐式Landweber方法在解决ECT图像重建问题上,其精度与速度均优于经典Landerber、LBP等方法,且实现简单、稳定性好。     

基于Kalman滤波的ECT图像重建算法

由于测量环境等因素的影响,实测数据往往带有噪声。为此,应用Kalman滤波算法进行电容层析成像（ ECT）系统图像重建,在归一化电容值中加入不同程度的噪声信号,利用噪声的统计特性进行测量值滤波,最终得到图像灰度值。在三种流型下与Landweber迭代算法进行了仿真比较,并在ECT实验装置上进行了静态实验。仿真与实验结果表明：Kalman滤波去噪效果优于Landweber迭代算法。     

图像中值滤波算法及其FPGA的实现

图像滤波是图像预处理的重要部分,但由于滤波过程中需要处理的数据量较大,采用软件的方法难以满足实时性的要求。利用现场可编程门阵列(FPGA)的并行处理能力,提出了一种基于FPGA的快速中值滤波算法,相对与传统的中值滤波算法有较大的改进,减少了数据的比较次数,处理速度得到提高,并使用Matlab和Modelsim进行联合仿真,结果证明该算法滤波效果良好。     

基于改进Landweber算法的ECT图像重建

电容层析成像(Electrical Capacitance Tomography,ECT)系统图像重建算法中,Landweber算法在重建图像质量及实时性方面取得较好的折衷,然而该算法针对不同的流型存在迭代步数差别较大及半收敛等问题。针对上述问题,通过同伦摄动方法推导出二阶迭代公式;并针对二阶迭代公式谱半径可能影响算法收敛的问题,通过添加约束因子以获得一种全收敛的改进Landweber算法。实验结果表明,改进算法在相对误差及相关系数上均优于原Landweber算法及其他对比算法,从而验证了改进算法的收敛性及有效性。     

基于改进果蝇优化算法的ECT图像重建方法

电容层析成像(ECT)的反问题具有严重的不适定性,因此经典算法的重建结果往往精度不足,并伴有很多伪影.为了提升重建图像质量,考虑将果蝇优化算法(Fruit Fly Optimization Algorithm,FOA)应用在ECT图像重建上.FOA作为群智能搜索算法,具有原理简单、参数设置少、容易实现等优点,但是容易陷...     

介电常数未知条件下ECT图像重建的SVC算法

在电容层析成像(ECT)系统的实际应用中,两相流和多相流是最普遍的流体情况.不仅是由于被测介质的介电常数会随着温度等环境的变化而变化,而且还由于被测场域中存在其他介质,会使得测量时出现介质未知的情况.利用支持向量机(SVM)算法具有良好泛化性的特点,提出采用基于SVC(support vector classification)的电容层析成像图像重建算法对未知介电常数对象进行图像重建.仿真结果表明,该算法能有效适应介质多样性变化,即对于不同介质,该算法都能有较高的图像重建精度.     

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。     

电容层析成像技术中图像重建算法的发展及研究

为使电容层析成像(ECT)技术应用于多相流参数在线测量,有效提高其图像重建精度与速度是该技术的关键,也是国内外学者的研究热点。对ECT技术图像重建算法原理进行了分类叙述,在此基础上,综述了ECT技术图像重建方法近期研究成果,提出了进一步研究的方向和内容。     

The FPGA implementation of a one-bit-per-pixel image registration algorithm

The calculation of the motion observed between two images of the same scene is required for many applications such as video compression, panoramic stitching and optic flow algorithms for vehicle navigation. The particular application that we focus on in this paper is the need for small light-weight vehicles, such as unmanned ground or air vehicles, to sense their own motion for use in autonomous navigation algorithms. As the processing is ideally performed on-board these vehicles, there are severe restrictions on the processing environment available to perform the optic flow calculations. This has led to the development of FPGA solutions to calculate optic flow. However the most recent approaches still have extensive on-board memory requirements and make use of complex processing operations such as multiplication and matrix inversion. We present an FPGA implementation of a low complexity version of the Lucas–Kanade registration algorithm. This algorithm operates on one-bit images instead of the standard eight-bit approach and consequently can utilize simple logic operations such as exclusive-or rather than multiplications and also makes very efficient use of the available internal memory and resources.     

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。     

FPGA implementation of a real-time biologically inspired image enhancement algorithm

This paper presents an FPGA implementation of a novel image enhancement algorithm, which compensates for the under-/over-exposed image regions, caused by the limited dynamic range of contemporary standard dynamic range image sensors. The algorithm, which is motivated by the attributes of the shunting center-surround cells of the human visual system, is implemented in Altera Stratix II GX: EP2SGX130GF1508C5 FPGA device. The proposed implementation, which is synthesized in an FPGA technology, employs reconfigurable pipeline, structured memory management, and data reuse in spatial operations, to render in real-time the huge amount of input data that the video signal comprises. It also avoids the use of computationally intensive operations, achieving the required specifications in terms of flexibility, timing, performance and visual quality. The proposed implementation allows real-time processing of color images with sizes up to 2.5 Mpixels, at frame rate of 25 fps. As a result, the architectural solution described in this work offers a low-cost implementation for automatic exposure correction in real-time video systems.

基于FPGA的方向滤波指纹图像增强算法实现

设计了一种基于FPGA纯硬件方式实现方向滤波的指纹图像增强算法。采用寄存器传输级(RTL)硬件描述语言(Verilog HDL),利用时分复用和流水线处理等技术完成了方向滤波指纹图像增强算法在FPGA上的实现。系统通过了Modelsim的仿真验证,并在Terasic公司的DE2平台上完成了硬件测试。     

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。     

FPGA平台实现基于遗传算法的图像识别的研究

利用模板匹配方法,采用基于遗传算法的图像识别技术,完成了对图像目标识别的算法验证。在此基础上进行了基于该算法的图像识别系统的FPGA实现,并在相关验证平台进行了硬件仿真与时序分析。实验结果表明,所设计的图像识别电路具有较高的识别精度和较快的识别速度。     

扇束工业CT图像重建算法的并行实现

工业CT图像的重建速度是工业CT产品的一个重要指标。使用并行算法是提高重建速度的一个行之有效的方法。提出了基于Beowulf集群系统的滤波反投影算法的并行实现方法;并且提出了基于Intel 奔腾SIMD技术的加速算法。在用4台P4/2.9 G微机构建的集群系统平台上对工业CT采集的4个不同的断层投影数据进行重建实验,实验数据表明使用SIMD技术可以得到4-6倍的加速,使用集群并行技术的算法能够得到1.5-3倍的加速,综合应用这两项技术可以得到8-10倍的加速。