電容層析成像脈沖耦合神經(jīng)網(wǎng)絡(luò)圖像重建與融合方法研究.pdf

1、電容層析成像技術(shù)ECT（Electrical Capacitance Tomography）是近年來獲得了快速發(fā)展的一種多相流在線檢測成像技術(shù)，它具有成本低、適用范圍廣、采集速度快、非侵入式、操作方便和無放射性等良好的特點。因此，該技術(shù)被廣泛應(yīng)用在工業(yè)管道內(nèi)等多相流檢測領(lǐng)域，得到了令人滿意的成像效果。電容層析成像技術(shù)的本質(zhì)原理是：通過采集包圍在多相流管道周圍傳感器反饋的存在于不同電極對間的電容值，利用一定的數(shù)學(xué)圖像重建算法對被測管道內(nèi)橫

2、截面上真實的各相介質(zhì)的空間分布圖進(jìn)行重構(gòu)的過程。本文主要針對12電極的ECT系統(tǒng)進(jìn)行圖像算法重建、圖像濾波和圖像融合等關(guān)鍵技術(shù)問題展開研究，主要研究內(nèi)容如下：
　　首先，對 ECT系統(tǒng)的組成及工作原理進(jìn)行了詳細(xì)的分析，給出通過建立被測物場的數(shù)學(xué)模型，應(yīng)用有限元方法對 ECT正問題進(jìn)行求解的算法過程，然后論述了 ECT反問題的定義，通過分析電容值、靈敏度分布和灰度值之間的關(guān)系，最終得出 ECT反問題的求解原理，即圖像重建的理論基礎(chǔ)。

3、
　　針對電容層析成像系統(tǒng)中的“軟場”效應(yīng)和病態(tài)特性，在分析電容層析成像和自適應(yīng)脈沖耦合神經(jīng)網(wǎng)絡(luò)的基本原理的基礎(chǔ)上，提出了一種自適應(yīng)脈沖耦合神經(jīng)網(wǎng)絡(luò)（PCNN）的圖像重建算法，推導(dǎo)出了求解 ECT反問題的PCNN算法及自動設(shè)置脈沖耦合神經(jīng)網(wǎng)絡(luò)參數(shù)的算法步驟。通過仿真和實驗與典型的線性反投影算法（LBP）、Landweber和共軛梯度法算法（CG）的成像效果相比較，最終得出該算法具有成像效果好，穩(wěn)定性高，成像速度快和易于實現(xiàn)等特點，

4、因此為 ECT圖像重建算法的研究提供了一個新的方法。
　　針對電容層析成像圖像數(shù)據(jù)在獲取和傳輸過程中會受到外界的干擾和破壞，從而使圖像受到噪聲污染，影響圖像的特征提取和圖像識別等后續(xù)處理的問題，提出了一種基于脈沖耦合神經(jīng)網(wǎng)絡(luò)賦時矩陣的圖像除噪算法，該算法通過 PCNN的循環(huán)點火過程將圖像的空間信息映射到二維的點火賦時矩陣，根據(jù)噪聲強(qiáng)度自動選擇濾波窗口大小和濾波次數(shù)，利用PCNN賦時矩陣可以有效地濾除圖像的脈沖噪聲。該算法可以有效地

5、濾除被脈沖噪聲污染的圖像噪聲，圖像的除噪效果明顯地好于中值濾波、均值濾波及維納法得到的結(jié)果，具有信噪比高、對邊緣和細(xì)節(jié)的保護(hù)性好等特點。
　　為了提高電容層析成像系統(tǒng)中重建圖像的精確度和圖像質(zhì)量，提出了一種基于小波變換的區(qū)域特征加權(quán)的 ECT成像圖像融合算法。該算法首先對應(yīng)用線性反投影、Landweber和共軛梯度算法重建的圖像進(jìn)行小波分解，分解時選取“sym4”小波函數(shù)，分解層數(shù)確定為三層，然后對分解后圖像的高頻系數(shù)和低頻系數(shù)分

6、別采用PCNN點火次數(shù)匹配度矩陣和基于區(qū)域特征加權(quán)的不同融合規(guī)則對圖像進(jìn)行融合，最終形成結(jié)果圖像。仿真實驗結(jié)果表明，該算法充分結(jié)合了各種不同重建算法使得到的圖像具有互補(bǔ)特性，使融合后的圖像成像精確度得到了顯著的提高，減少了誤差，融合后的結(jié)果圖像更接近原始圖像，是一種提高ECT重建圖像質(zhì)量的有效方法。
　　針對提高 ECT系統(tǒng)重建圖像的流型識別和特征提取等后續(xù)圖像處理工作效率的問題，提出了 ECT重建圖像的邊緣檢測的兩種不同算法，即