電容層析成像（Electrical Capacitance Tomography,簡稱ECT）是一種極具發(fā)展前景的過程成像技術。該技術具有無輻射、非侵入、響應快、結(jié)構簡單和成本低廉等優(yōu)點,近幾年被廣泛應用于流型識別、醫(yī)學成像和工業(yè)成像等領域。ECT圖像重建屬于非線性病態(tài)逆問題求解。傳統(tǒng)非智能圖像重建算法主要對非線性問題進行線性化處理或者采用局部優(yōu)化的非線性處理辦法,兩種處理方式都會使圖像失真較大。故本文基于深度學習思想,選擇卷積神經(jīng)網(wǎng)絡進行ECT圖像重建,并針對其不足之處提出了改進算法。1.針對交替方向乘子法（Alternating Direction Method of Multipilers,簡稱ADMM）在ECT圖像重建中大量近似導致成像精度不高以及利用深度學習進行ECT重建圖像存在網(wǎng)絡拓撲結(jié)構難以抉擇的問題,提出將ADMM與深度學習相結(jié)合的算法。利用深度學習強大的學習能力,在網(wǎng)絡訓練過程中選擇最優(yōu)的稀疏基等算法族參數(shù),解決了ADMM算法族進行ECT圖像重建中參數(shù)難以確定的問題;利用ADMM算法族直接映射到深度卷積神經(jīng)網(wǎng)絡,解決了網(wǎng)絡結(jié)構難以選擇的問題。實驗驗證表明:ADMM模型... 

【文章來源】：中國民航大學天津市

【文章頁數(shù)】：67 頁

【學位級別】：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)大多是將非線性問導致重建圖像失真較大。相比而言，智能類算法可以直接實現(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題，故可解現(xiàn)的非線性、不適定等難題。神經(jīng)網(wǎng)絡就是隱層數(shù)量較少的神經(jīng)網(wǎng)絡，網(wǎng)絡模型較為簡單，BP 神種代表性淺層神經(jīng)網(wǎng)絡。神經(jīng)網(wǎng)絡 神經(jīng)網(wǎng)絡結(jié)構經(jīng)網(wǎng)絡是一種有監(jiān)督前饋型神經(jīng)網(wǎng)絡，理論上，三層 BP 神經(jīng)網(wǎng)絡入到輸出的非線性映射[55]，故 ECT 圖像重建過程中采用三層 BP 神為輸入層、隱層和輸出層。其結(jié)構如圖 3-1 所示。


本文編號：3567619