优化Landweber迭代快速电磁层析成像图像重建算法

电磁层析成像(EMT)中灵敏度矩阵的病态性、不适定性导致重建图像质量较差。为了提高重建图像的质量与速度，提出了一种优化Landweber迭代快速图像重建算法。首先，对灵敏度矩阵作降维映射，去除灵敏度矩阵中的冗余信息，减少每次迭代的计算量。然后，利用人群搜索算法(SOA)优化降维后的灵敏度矩阵，降低灵敏度矩阵的条件数，改善其病态程度。最后，通过Landweber迭代算法和预处理后的灵敏度矩阵进行图像重建。仿真实验结果表明:相同实验条件下，相比于Landweber迭代算法，所提算法有效提高了成像质量，降低了成像运算量。      

基于原始对偶内点法的EST图像重建

静电层析成像（EST）被动感应电荷的机理决定了其独立测量值数等于电极数目,远小于电容层析成像（ECT）等相对成熟的电学成像（ET）技术的测量值数,导致逆问题的欠定性更加严重。为此,对基于压缩感知理论的EST图像重建算法进行了研究。利用奇异值分解（SVD）处理灵敏度矩阵使其满足有限等距性质（RIP）,采用l₁范数正则化模型和原始对偶内点法（PDIPA）实现图像重建,并在迭代过程中针对荷电磨粒稀疏分布的特点,对图像向量中非零元素个数施加约束。仿真实验表明:该算法相对于基于"Circle of Appolonius"的反投影（BP）算法和Landweber迭代算法,明显改进了成像质量,对不同位置的单个电荷可准确重建;2个电荷距离不小于1 mm时可正确分辨电荷数目与位置;对10组随机分布的3个电荷模型进行测试,荷电磨粒数目监测的准确率约为80%。      

电容成像双共轭梯度图像重建改进算法

针对电容层析成像技术（ECT）逆问题中软场效应的影响,以及重建图像时使用的传统迭代类算法迭代次数多、成像速度慢等问题,将双共轭梯度（BICG）应用到电容层析成像技术中,为了得到更好的重建效果,提出了双共轭梯度与正则化思想相结合来求解逆问题的最佳解。通过COMSOL5.3软件进行建模,使用MATLAB 2014a进行图像重建与图像评估,分别使用Tikhonov、Landweber、共轭梯度（CG）、BICG、所提改进算法进行图像重建。实验表明:所提改进算法的成像效果不仅优于其他迭代类算法,而且大大缩短了图像重建需要的时间;尤其对一些复杂流型成像效果更佳,图像错误率低至约0.2,相关系数高达约0.88,成像时间缩短至2.77 s,迭代次数减少至20次。      

航空发动机中气液两相流的可视化检测

针对电阻抗断层成像(EIT)技术中FCM聚类算法的灵敏度系数信息缺失以及测量电压的利用率低两方面问题,提出一种新的成像算法。在该算法中引入灵敏度系数矩阵信息修正各个剖分单元的电压。同时提出了将测量电压数据按照其权系数进行处理的方法,该方法可应用于所有EIT经典反演算法之中。理论和数值仿真结果均表明,与已有的FCM聚类算法相比,优化后算法对两相流型的定位准确度更高,得到的重建图像的空间分辨率与之前相比相对误差降低了5%~15%,相关系数提高了5%~20%。     

基于改进MRNSD算法的电阻抗层析成像

电阻抗层析成像（EIT）作为一种新兴的碳纤维增强复合材料（CFRP）无损检测方法，具有成本低、无辐射、可视化等优点，受到研究者广泛关注。EIT逆问题具有严重的病态性，通常采用正则化算法改善成像质量。基于修正残差范数最陡下降法（MRNSD），利用其在减少图像伪影和保持边界信息方面的优势，针对该算法存在的半收敛性和抗噪声效果差等问题，采用预处理和软闭值方法对MRNSD算法进行改进。通过仿真和实验，对比所提改进算法与几种常用算法的成像效果。结果表明，所提算法有效提高了EIT图像质量和抗噪声能力，并且实现了最佳迭代次数的自动更新，有利于推动EIT方法在CFRP损伤检测中的实际应用。      

压缩感知在电容层析成像中的应用

压缩感知(CS)理论是在充分利用信号稀疏性或可压缩性的情况下,对信号进行少量采样即可实现信号的精确重建。本文尝试将CS理论应用于电容层析成像(ECT)图像重建中,首先,使用快速傅里叶变换(FFT)基将原始图像灰度信号进行稀疏化处理;其次,将ECT灵敏度矩阵的各行按随机顺序进行排列,得到ECT系统随机观测矩阵;最后,选取当前普遍使用的基于内点法、梯度投影(GPSR)算法以及贪婪算法的CS图像重建算法进行ECT图像重建,并与线性反投影及Landweber迭代算法进行了对比。仿真实验结果表明:基于CS图像理论的ECT图像重建算法,其重建精度有所提高。本文同时分析了3种CS图像重建算法的优缺点及适用范围。     

基于可变阶变分模型的医用低剂量CT图像去噪

为了降低患者的辐射风险,低剂量CT（LDCT）广泛用于临床诊断,但辐射剂量的减少在重建的LDCT图像中引入了斑点噪声和条纹伪影。为了提高LDCT图像的质量,提出了一种基于可变阶变分模型的后处理技术。所提出的变分模型使用边缘指示器控制变分阶数,根据图像的特征在一阶全变分（TV）正则项和二阶有界Hessian（BH）正则项之间交替变换。采用基于快速傅里叶变换（FFT）的分裂Bregman算法求解所提出的变分模型。该模型在保留高剂量CT（HDCT）图像相应结构的同时,有效抑制了斑点噪声和条纹伪影。重建的图像和实验数据表明,所提出的变分模型比现有的先进模型具有更好的质量。      

深度学习机制与小波融合的超分辨率重建算法

深度学习技术在超分辨率重建领域中发展迅速。为了进一步提升重建图像的质量和视觉效果，针对基于生成对抗网络（GAN）的超分辨率重建算法重建图像的纹理放大后不自然的问题，提出了一种结合小波变换和生成对抗网络的超分辨率重建算法。所提算法在生成对抗网络中将小波分解的每个分量在各自独立的子网中进行训练，实现网络对小波系数的预测，有效地重建出具有丰富的全局信息和局部纹理细节信息的高分辨率图像。实验结果表明，对比基于生成对抗网络的算法，所提算法重建图像的客观评价指标峰值信噪比（PSNR）和结构相似性分别能提高至少0.99 dB和0.031。      

基于条件生成对抗网络的HDR图像生成方法

高动态范围（HDR）图像相比低动态范围（LDR）图像有更宽的色域和更高的亮度范围,更符合人眼视觉效果,但由于目前的图像采集设备大都是LDR设备,导致HDR图像资源匮乏,解决该问题的一种有效途径是通过逆色调映射将LDR图像映射为HDR图像。提出了一种基于条件生成对抗网络（CGAN）的逆色调映射算法,以重建HDR图像。为此,设计了基于多分支的生成对抗网络与基于鉴别块的鉴别网络,并利用CGAN的数据生成能力和特征提取能力,将单张LDR图像从BT.709色域映射到对应的BT.2020色域。实验结果表明:与现有方法相比,所提出的网络能够获得更高的客观与主观质量,特别是针对低色域中的模糊区域,所提方法能够重建出更清晰的纹理与细节。      

极稀疏投影数据的CT图像重建

从稀疏投影数据足够精确地重建断层图像，从而能够在显著降低计算机断层成像（CT）检查X-射线辐射剂量的前提下，提供充分适宜影像学临床诊断需求的重建图像。针对圆周扫描扇束投影的二维CT图像重建，提出了投影驱动的系统模型，并将CT迭代图像重建与压缩感知（CS）理论相结合，设计了一种CT迭代图像重建算法，且将算法扩展到圆周扫描锥束投影的三维CT图像重建。仿真实验结果表明:在极稀疏投影数据的条件下（[0，2π）范围内扇束/锥束扫描不超过20个投影角度），算法数值精度高，计算复杂度低，内存开销少，有很强的工程实用性。      

非线性量测下自适应噪声协方差PHD滤波

概率假设密度(PHD)滤波算法已被证明是实时多目标跟踪的有效方法,但现有这些基于PHD滤波的方法假设量测噪声协方差先验已知,而实际中量测噪声协方差可能是未知或随着环境改变而变化。针对这一问题,提出了一种适用于非线性量测模型的自适应噪声协方差多目标跟踪算法。该算法以PHD滤波为基础,采用容积卡尔曼(CK)技术近似非线性量测模型,利用逆威沙特(IW)分布描述量测噪声协方差分布,通过变分贝叶斯(VB)近似技术迭代估计量测噪声协方差和多目标状态联合后验密度。仿真结果表明,本文所提算法可有效估计量测噪声协方差,同时实现准确的目标数和目标状态估计。     

电阻抗成像的加权Newton Raphson算法

利用一个适当的权矩阵对用于电阻抗成像图像重建的NewtonRaphson算法作了改进,提出了加权NewtonRaphson算法.该方法能克服普通NewtonRaphson方法重建图像时分辨率不均匀性,这种不均匀性来自反问题的病态以及注入电流,电极配置,各像素的几何位置等诸多数学物理因素.与普通NewtonRaphson算法相比,加权NewtonRaphson算法的计算量几乎没有增加,但其图像重建效果却有明显改善.文中还详细讨论了权矩阵的计算方法.     

多模型GGIW-GLMB算法跟踪机动群目标

针对多个机动群目标跟踪问题,提出了一种多模型伽马高斯逆威夏特-广义标签多贝努利（MM-GGIW-GLMB）算法。采用多模型算法对群目标进行运动建模,利用最适高斯（BFG）近似在预测阶段对多模型进行融合,减小了多模型算法的运算量,为进一步提高算法在目标机动阶段的跟踪性能,引入强跟踪滤波器（STF）对BFG算法得到的预测状态协方差进行修正。利用最优次模式分配（OSPA）距离及其一倍标准差和航迹标签正确率衡量算法对机动群目标的跟踪性能。仿真结果表明,本文算法能够提升对机动群目标的跟踪精度和稳定性。