[發(fā)明專利]基于混合精度訓(xùn)練的深度ECT圖像增強(qiáng)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010900349.6
• 申請(qǐng)日: 2020-08-31
• 公開(kāi)（公告）號(hào): CN112330761B
• 公開(kāi)（公告）日: 2022-04-29
• 發(fā)明（設(shè)計(jì)）人: 孫江濤;朱海;白旭;徐立軍;田文斌
• 申請(qǐng)（專利權(quán)）人: 北京航空航天大學(xué)
• 主分類號(hào): G06T11/00
• 分類號(hào): G06T11/00;G06V10/774;G06V10/82;G06K9/62;G06N3/04
• 代理公司: 北京永創(chuàng)新實(shí)專利事務(wù)所 11121
• 代理人: 易卜

本發(fā)明公開(kāi)了基于混合精度訓(xùn)練的深度ECT圖像增強(qiáng)方法，屬于圖像處理領(lǐng)域。首先將初步的重建圖像隨機(jī)添加高斯噪聲，分為訓(xùn)練集和測(cè)試集。然后利用訓(xùn)練集對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。將測(cè)試集的重建圖像分別輸入訓(xùn)練好的編碼器網(wǎng)絡(luò)中，利用基礎(chǔ)特征提取網(wǎng)絡(luò)自動(dòng)提取圖像特征；而后經(jīng)過(guò)空洞空間金字塔網(wǎng)絡(luò)，對(duì)應(yīng)的各輸出在特征的通道維度進(jìn)行連接，經(jīng)過(guò)1×1卷積后，與經(jīng)過(guò)1×1卷積后的基礎(chǔ)特征提取網(wǎng)絡(luò)提取到的圖像特征在通道維度進(jìn)行連接，最終得到編碼器網(wǎng)絡(luò)的輸出。最后將編碼器網(wǎng)絡(luò)的輸出輸入到解碼器網(wǎng)絡(luò)中，通過(guò)1*1卷積和上采樣2倍的組合操作以及多等級(jí)融合操作，恢復(fù)圖像的尺寸和特征信息，輸出重建圖像。本發(fā)明避免了圖像信息丟失，提高圖像重建速度。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理領(lǐng)域，具體是一種基于混合精度訓(xùn)練的深度ECT(電容層析成像技 術(shù))圖像增強(qiáng)方法。

背景技術(shù)

在ECT領(lǐng)域，傳統(tǒng)圖像重建算法包括迭代算法和非迭代算法，非迭代算法速度快，但重 建圖像精度不高，分辨率較低；迭代算法相對(duì)非迭代算法速度較慢，但重建圖像精度較高。

相較于非迭代算法，傳統(tǒng)的迭代算法雖然能夠從一定程度上提高重建圖像質(zhì)量，但是整 體的成像質(zhì)量依然偏低，分辨率不高。

隨著神經(jīng)網(wǎng)絡(luò)在圖像領(lǐng)域的成功應(yīng)用，許多研究人員將神經(jīng)網(wǎng)絡(luò)技術(shù)用于ECT圖像重建。

目前應(yīng)用神經(jīng)網(wǎng)絡(luò)技術(shù)的圖像重建算法只能進(jìn)行二值化成像，無(wú)法區(qū)分敏感場(chǎng)中包含多 個(gè)(2)電介質(zhì)的情況；對(duì)于簡(jiǎn)單分布的情況，重建圖像質(zhì)量有所上升，但是對(duì)于復(fù)雜分布 的情況，成像質(zhì)量依然不高；而且受限于方法本身的限制，算法的整體計(jì)算速度較慢，成像 所需時(shí)間較長(zhǎng)。

發(fā)明內(nèi)容

本發(fā)明針對(duì)現(xiàn)有技術(shù)不能識(shí)別多相流分布中的多個(gè)(2)電介質(zhì)，以及重建過(guò)程中圖像 質(zhì)量不高的問(wèn)題，提出了一種基于混合精度訓(xùn)練的深度ECT圖像增強(qiáng)方法，在提高了成像質(zhì) 量的前提下，加快了計(jì)算速度，縮短了成像所需時(shí)間。

所述的基于混合精度訓(xùn)練的深度ECT圖像增強(qiáng)方法，具體步驟如下：

步驟一、使用傳統(tǒng)成像算法得到初步的重建圖像，并隨機(jī)添加高斯噪聲，分為訓(xùn)練集和 測(cè)試集；

訓(xùn)練集和測(cè)試集均由仿真數(shù)據(jù)構(gòu)成，每一組仿真數(shù)據(jù)中包含場(chǎng)域邊界電容值，場(chǎng)域的目 標(biāo)分布圖y，以及場(chǎng)域中包含的電介質(zhì)分布的等級(jí)標(biāo)簽。

仿真數(shù)據(jù)的生成方法：

首先，將場(chǎng)域設(shè)置成半徑為20的圓形，采用第一個(gè)隨機(jī)自由度來(lái)表示場(chǎng)域中包含的電介 質(zhì)的數(shù)量，將一個(gè)場(chǎng)域中能夠包含的電介質(zhì)的數(shù)量設(shè)置為1-5個(gè)，每次仿真時(shí)隨機(jī)選取一個(gè) 數(shù)。

然后，采用多邊形擬合的方式設(shè)置電介質(zhì)的分布形狀：先用離散點(diǎn)在圓形場(chǎng)域中畫(huà)出一 個(gè)矩形，矩形各條邊離散點(diǎn)的數(shù)量等于矩形各條邊的長(zhǎng)度，矩形的長(zhǎng)和寬設(shè)置是第二個(gè)隨機(jī) 自由度，選擇的范圍在10-20之間，每次隨機(jī)在該范圍內(nèi)選取一個(gè)數(shù)作為長(zhǎng)，再選取一個(gè)數(shù) 作為寬。在矩形的四條邊上分別以35％的采樣率從離散點(diǎn)中隨機(jī)選取邊界點(diǎn)，然后按照順序 將選取的邊界點(diǎn)進(jìn)行連接構(gòu)成最終的分布形狀。

接著，場(chǎng)域內(nèi)每一個(gè)電介質(zhì)分布的位置是第三個(gè)自由度，通過(guò)隨機(jī)設(shè)置矩形左下角點(diǎn)的 位置來(lái)控制最終分布的位置，同時(shí)保證每一個(gè)電介質(zhì)分布的所有點(diǎn)都在圓形場(chǎng)域內(nèi)。

最后，將上述生成的場(chǎng)域分布圖輸入到COMSOL Multiphysics中進(jìn)行有限元仿真計(jì)算， 即可得到邊界電容值，場(chǎng)域的目標(biāo)分布圖y和等級(jí)標(biāo)簽。

所述的高斯噪聲主要添加在生成的邊界電容值上，網(wǎng)絡(luò)的原始輸入x為：x＝g(c)，其中 g(·)為傳統(tǒng)的圖像重建方法，c為未添加噪聲的電容值；現(xiàn)在的網(wǎng)絡(luò)輸入為：其中 為添加高斯噪聲后的電容值。其中，σ為高斯噪聲函數(shù)。

步驟二、利用訓(xùn)練集對(duì)包含編碼器網(wǎng)絡(luò)和解碼器網(wǎng)絡(luò)的神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；