發(fā)布時(shí)間：2024-01-18 19:27

　　電阻抗層析成像(Electrical Impedance Tomography,EIT)是一種通過(guò)在被測(cè)對(duì)象的邊界處注入電流并測(cè)量所產(chǎn)生的電壓變化來(lái)重建電導(dǎo)率分布圖像的技術(shù)。由于EIT成像問(wèn)題具有病態(tài)性和欠定性,所以重建圖像質(zhì)量容易受到測(cè)量噪聲的影響。傳統(tǒng)的圖像重建方法在去噪的同時(shí),容易丟失部分有用的高頻信息,且對(duì)重建圖像偽影的抑制能力有限。EIT稀疏重建可以有效地減少重建圖像的噪聲和偽影并保持邊界信息。選擇合適的稀疏字典可以幫助獲得更好的稀疏重建結(jié)果,圖像質(zhì)量可以有所提高。與傳統(tǒng)的簡(jiǎn)單快速的固定字典相比,自適應(yīng)字典可以提取當(dāng)前圖像特征,并通過(guò)圖像重建和字典學(xué)習(xí)(Dictionary Learning,DL)交替進(jìn)行的迭代方法更有效的進(jìn)行重建。但是目前EIT稀疏成像所采用的字典學(xué)習(xí)算法都沒(méi)有考慮對(duì)初始字典的優(yōu)化,并且在重建過(guò)程中僅采用簡(jiǎn)單的淺層字典,只是借助中間結(jié)果,并不能很好的利用先驗(yàn)信息,對(duì)圖像特征的提取也有限。針對(duì)上述問(wèn)題,在EIT稀疏成像模型的基礎(chǔ)上,改進(jìn)了原有的字典學(xué)習(xí)方法,主要研究?jī)?nèi)容如下:(1)針對(duì)傳統(tǒng)字典學(xué)習(xí)算法隨機(jī)選取初始字典的問(wèn)題,結(jié)合遞歸最小二乘字典學(xué)習(xí)算法(Re...

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

本文編號(hào)：3879878