一种电磁层析图像快速重建算法

针对电磁层析成像（EMT）逆问题中,灵敏度矩阵的病态性、不适定性等问题,提出了一种新的电磁层析图像快速重建算法。利用主成分分析（PCA）对灵敏度矩阵做降维映射,再利用奇异值分解（SVD）求广义逆矩阵,重建图像。在选取灵敏度矩阵的协方差矩阵的特征值个数中,利用灵敏度矩阵特有的多样本特性,提出图像相关系数最大化算法,更加合理地去除灵敏度矩阵中的冗余信息,在尽可能不丢失成像特征信息的条件下,提高了解稳定性。实际采集数据成像时,该算法只需一次矩阵乘法运算,为快速实时成像提供了可能。与传统单步算法和迭代算法相比,该算法在成像质量和速度上都有较明显优势。      

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。     

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。      

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%。      

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%。     

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。      

不完全角度CT图像重建的模型与算法

为了提升不完全角度计算机断层成像(CT)图像的重建精度和重建效率,研究了有限角度和稀疏角度下的CT图像重建问题,提出新的全变差最小化目标函数,通过将上一步迭代重建的图像作为反馈加入到新的迭代之中,不断更新目标函数的已知项。在算法求解时,采用增广Lagrangian罚函数方法,将约束问题非约束化,并将之转化为等价的3个子问题,通过在交替方向上求解子问题来获得优化问题的最优解。实验结果表明,该算法重建出的图像信息完整,细节清晰,重建精度高,与Split Bregman算法相比,本文算法结果的相对均方误差可下降42.1%~98.5%,条纹指标可下降42.8%~98.5%。     

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。      

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.     

基于改进联合稀疏EIT算法的CFRP材料检测

针对应用电阻抗层析成像技术(EIT)对碳纤维增强复合材料(CFRP)损伤检测的高度病态性问题,提出了一种联合L₁和L₂范数的稀疏正则化泛函模型,并在迭代过程中通过构建一种新的约束项来优化求解。仿真结果表明,与传统算法相比,改进联合稀疏EIT算法能够有效改善损伤图像的电极伪影,提高损伤边缘清晰度,增强损伤辨识定位准确度。CFRP层压板检测实验结果表明,改进联合稀疏EIT算法能够提高图像重建的抗干扰能力,具有良好的鲁棒性及适用性。     

基于光场成像技术的散射性火焰温度场重建

光场成像是一项新兴的非接触式测温技术,针对传统辐射成像温度场重构效率低的问题,开展了基于光场成像的散射性火焰温度场重建研究。在火焰光场成像模型的基础上,以广义源项多流法为正问题模型,利用Landweber算法重构吸收散射性火焰的三维温度场,同时引入最小二乘QR（LSQR）分解算法作为对比以衡量Landweber算法的性能。分析了测量误差对于重建精度的影响,重建结果表明,即使在添加5%测量误差的情况下温度场的平均重建相对误差也仅为0.91%和0.92%,重建结果仍然是合理的。Landweber算法和LSQR算法具有相当的计算精度,但Landweber算法的计算时间是LSQR算法的1/10,其计算效率明显优于LSQR算法。      

基于迭代译码的LDPC码稀疏校验矩阵重建

为了改善高误码率情况下低密度奇偶校验（LDPC）码稀疏校验矩阵重建算法的性能,基于迭代译码的思想提出了一种稀疏校验矩阵的重建算法。首先,利用对偶空间算法获取到部分非稀疏校验向量,并对其进行稀疏化处理。其次,利用稀疏化后的校验向量对LDPC码进行软判决迭代译码,从而对码字中错误比特进行纠正,以改善码字质量。然后,对纠错后码字再次进行校验向量获取,不断重复迭代。最后,实现LDPC码稀疏校验矩阵的重建。实验结果表明:在误码率为10-3量级下,针对IEEE802.16e、IEEE802.11n等协议下的LDPC码,所提算法均能有效完成重建,同时新算法的稀疏矩阵重建率要明显好于传统方法。      

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。      

基于流的遥感图像超分辨率重建

为了提高遥感图像超分辨率重建的质量，提出了一种基于流的遥感图像重建算法。首先，在Glow模型的基础上引入改进后的RRDB架构用于低分辨率图像特征提取，通过构建更多层和连接以提升训练的稳定性。然后，以一种纯数据驱动的流模型来训练分布的参数，通过最大化负的对数似然的方法进行优化，得到该算法的损失函数。实验证明该模型在网络训练过程中能够快速达到稳定收敛的状态，且具有很强的泛化能力。用重建出的图像质量对比SRCNN、SRGAN、ESRGAN，经过测试后发现，提出的算法远远优于SRCNN算法，与其他算法相比也有明显优势。重建出的图像不仅在指标上有所提升，例如与SRCNN相比，PSRN和SSIM分别提升了15%和40%，且人眼观察时有更高的清晰度，高频细节更为丰富。     

编码孔径中红外光谱成像系统的光谱重构算法

针对一款基于双DMD的光谱维编码中波红外光谱成像系统的应用需求,在经典的Hadamard变换完备编码理论基础上,提出了一种具有最大信噪比增益的编码矩阵。结合基于双DMD的光谱维编码中波红外光谱成像系统的光路结构和工作原理,探讨了光谱维DMD所加载的编码模板的设计方法。建立了区块化光谱重构算法的数学模型,并进行了实验验证。实验结果表明,原理样机在具有良好的光谱成像能力的基础上,能够实现较高实时性的凝视成像,其在低光谱分辨率模式下光谱数据立方体帧频能够达到22.35帧/s,验证了区块化光谱重构算法的有效性。