電容層析成像（Electrical Capacitance Tomography,簡(jiǎn)稱ECT）是一種極具發(fā)展前景的過(guò)程成像技術(shù)。該技術(shù)具有無(wú)輻射、非侵入、響應(yīng)快、結(jié)構(gòu)簡(jiǎn)單和成本低廉等優(yōu)點(diǎn),近幾年被廣泛應(yīng)用于流型識(shí)別、醫(yī)學(xué)成像和工業(yè)成像等領(lǐng)域。ECT圖像重建屬于非線性病態(tài)逆問(wèn)題求解。傳統(tǒng)非智能圖像重建算法主要對(duì)非線性問(wèn)題進(jìn)行線性化處理或者采用局部?jī)?yōu)化的非線性處理辦法,兩種處理方式都會(huì)使圖像失真較大。故本文基于深度學(xué)習(xí)思想,選擇卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行ECT圖像重建,并針對(duì)其不足之處提出了改進(jìn)算法。1.針對(duì)交替方向乘子法（Alternating Direction Method of Multipilers,簡(jiǎn)稱ADMM）在ECT圖像重建中大量近似導(dǎo)致成像精度不高以及利用深度學(xué)習(xí)進(jìn)行ECT重建圖像存在網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)難以抉擇的問(wèn)題,提出將ADMM與深度學(xué)習(xí)相結(jié)合的算法。利用深度學(xué)習(xí)強(qiáng)大的學(xué)習(xí)能力,在網(wǎng)絡(luò)訓(xùn)練過(guò)程中選擇最優(yōu)的稀疏基等算法族參數(shù),解決了ADMM算法族進(jìn)行ECT圖像重建中參數(shù)難以確定的問(wèn)題;利用ADMM算法族直接映射到深度卷積神經(jīng)網(wǎng)絡(luò),解決了網(wǎng)絡(luò)結(jié)構(gòu)難以選擇的問(wèn)題。實(shí)驗(yàn)驗(yàn)證表明:ADMM模型... 

【文章來(lái)源】：中國(guó)民航大學(xué)天津市

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

ECT系統(tǒng)原理示意圖

圖 2-2 三角形剖分單元模型圖數(shù)為： x y)2y， (,)33C xy三點(diǎn)的電位分別為：1 2 3 數(shù) , , 的值分別為：2 3 32 3 32 3 3abc

章簡(jiǎn)述了幾種常用的非智能圖像重建算法，其本質(zhì)大多是將非線性問(wèn)導(dǎo)致重建圖像失真較大。相比而言，智能類算法可以直接實(shí)現(xiàn)輸入電之間的非線性映射，而不需要研究靈敏度矩陣的逆矩陣問(wèn)題，故可解現(xiàn)的非線性、不適定等難題。神經(jīng)網(wǎng)絡(luò)就是隱層數(shù)量較少的神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)模型較為簡(jiǎn)單，BP 神種代表性淺層神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò) 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)經(jīng)網(wǎng)絡(luò)是一種有監(jiān)督前饋型神經(jīng)網(wǎng)絡(luò)，理論上，三層 BP 神經(jīng)網(wǎng)絡(luò)入到輸出的非線性映射[55]，故 ECT 圖像重建過(guò)程中采用三層 BP 神為輸入層、隱層和輸出層。其結(jié)構(gòu)如圖 3-1 所示。


本文編號(hào)：3567619