信息融合在頻譜分析重建法中的應(yīng)用.pdf

1、光學(xué)CT技術(shù)在溫度、濃度等流場的檢測中有著廣泛的應(yīng)用前景。然而，由于被測物場的部分遮擋或其他環(huán)境限制，使得光學(xué)CT在少數(shù)投影情況下的應(yīng)用越來越多，對圖像重建也提出了更高的要求。重建圖像的質(zhì)量強烈的依賴于重建算法性能的優(yōu)劣，而級數(shù)展開法特別適合非完全投影數(shù)據(jù)的圖像重建，其中的頻譜分析重建算法（FSART）更是其典型代表。但FSART在重建復(fù)雜動態(tài)場時，重建精度跟穩(wěn)定性都達不到要求，所以必須要對該算法進行適當(dāng)改進以達到實時測量的要求。

2、>　　本文在原有FSART的基礎(chǔ)上，嘗試將信息融合的思想加入其中。首先，將場分布的先驗知識加入重建過程。選取雙高斯函數(shù)模型來模擬雙燭火焰非對稱溫度場。然后，對雙高斯函數(shù)進行傅里葉級數(shù)分析，根據(jù)函數(shù)的大致分布在x軸、y軸上選取不同的近似級數(shù)，得到相應(yīng)的傅里葉級數(shù)展開式，并對其進行頻譜分析重建，得到重建圖，最后與原算法得到的重建圖進行比較。另外，對仿真實驗中比較復(fù)雜的模型如三高斯函數(shù)，考慮在重建過程中加入點測量值。首先只取三個峰值處的點測量

3、值，替換掉重建結(jié)果中相應(yīng)像素點處的重建值，計算重建誤差，然后在取得三個峰值點的基礎(chǔ)上再取最高峰附近一點的測量值，再次修正相應(yīng)點處的重建值。由此遞推，當(dāng)平均誤差小于1％，最大誤差小于5%時取點個數(shù)即滿足重建要求。
　　從實驗結(jié)果來看，先驗知識的加入使得計算效率得到有效提高，隨著未知數(shù)個數(shù)的減少，計算量相應(yīng)下降。同時，不同方向上的重建信息更匹配，重建結(jié)果更精確。另外，當(dāng)加入重建過程的點測量值個數(shù)逐漸增加時，重建誤差不斷減小，重建圖像的