[發明專利]基于三維模型的兩步迭代收斂閾值的電阻圖像重建方法在審
| 申請號: | 202210187700.0 | 申請日: | 2022-02-28 |
| 公開(公告)號: | CN114648620A | 公開(公告)日: | 2022-06-21 |
| 發明(設計)人: | 李守曉;劉同海 | 申請(專利權)人: | 天津農學院 |
| 主分類號: | G06T17/20 | 分類號: | G06T17/20;G06T19/20;G06F17/16;G06F17/18 |
| 代理公司: | 天津盛理知識產權代理有限公司 12209 | 代理人: | 王雨晴 |
| 地址: | 300384 *** | 國省代碼: | 天津;12 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 三維 模型 兩步迭代 收斂 閾值 電阻 圖像 重建 方法 | ||
本發明涉及一種基于三維模型的兩步迭代收斂閾值的電阻圖像重建方法,包括以下步驟:步驟1、建立電阻層析成像三維模型,獲得相對邊界測量電壓b和靈敏度矩陣S;步驟2、基于步驟1獲得的靈敏度矩陣S,建立兩步迭代收斂閾值的電阻圖像重建算法的目標函數;步驟3、根據兩步迭代收斂閾值的電阻圖像重建算法求解出的灰度值g,完成圖像重建。本發明不僅能夠提高算法的抗噪性,同時具有較好的成像精度。
技術領域
本發明屬于電學層析成像技術領域,涉及一種電阻圖像重建方法,尤其是一種基于三維模型的兩步迭代收斂閾值的電阻圖像重建方法。
背景技術
電學層析成像技術(Electrical Tomography,ET)出現于20世紀80年代,是一種基于電學特性(復導納/電導率/介電系數/磁導率)敏感機理的過程層析成像技術,它通過檢測邊界測量值得出被測場內介質的分布信息,從而對物體電學特性(復導納/電導率/介電系數/磁導率)分布情況進行成像。
電學層析成像技術主要包括電阻抗層析成像(Electrical ImpedanceTomography,EIT)、電阻層析成像(Electrical Resistance Tomography,ERT)、電容層析成像(Electrical Capacitance Tomography,ECT)和電磁層析成像(Electrical MagneticTomography,EMT)。
電學成像圖像重建是一個不適定逆問題,嚴重阻礙了電學層析成像的應用,一般采用正則化技術近似求解逆問題。
目前有許多基于l1范數的稀疏重建算法廣泛應用于電學成像中,其中迭代收斂閾值法(iterative shrinkage/thresholding algorithm,IST)和兩步迭代收斂閾值(two-step iterative shrinkage/thresholding,TwIST)方法是兩種常用的方法。
其中,兩步迭代收斂閾值算法(TwIST)是一種比較有效的方法。算法的正則化參數選擇比較重要,將直接影響成像質量。
L-curve方法是選擇正則化參數常用的方法,TwIST算法已經應用于電阻層析成像,但是抗噪性較差,例如W R Fan等人在2012年發表于《儀器儀表學報》第33卷,第3期,第625-630頁,題為《基于兩步迭代TV正則化的電阻抗圖像重建算法》的文章。為了進一步提高迭代閾值算法的抗噪能力,解決數據中含有噪聲時用TwIST算法成像質量差的問題,本發明提出了一種基于三維模型的兩步迭代收斂閾值的電阻圖像重建方法。
經檢索,未發現與本發明相同或相似的現有技術的文獻。
發明內容
本發明的目的在于克服現有技術的不足,提出一種基于三維模型的兩步迭代收斂閾值的電阻圖像重建方法,不僅能夠提高算法的抗噪性,同時具有較好的成像精度。
本發明解決其現實問題是采取以下技術方案實現的:
一種基于三維模型的兩步迭代收斂閾值的電阻圖像重建方法,包括以下步驟:
步驟1、建立電阻層析成像三維模型,獲得相對邊界測量電壓b和靈敏度矩陣S;
步驟2、基于步驟1獲得的靈敏度矩陣S,建立兩步迭代收斂閾值的電阻圖像重建算法的目標函數;
步驟3、根據兩步迭代收斂閾值的電阻圖像重建算法求解出的灰度值g,完成圖像重建。
而且,所述步驟1的具體步驟包括:
(1)采用四面體網格進行剖分,進行正問題求解;
(2)對被測場進行測量,獲取重建圖像所需的相對邊界測量電壓值b和反映其與靈敏度矩陣S。
而且,所述步驟2的具體步驟包括:
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于天津農學院,未經天津農學院許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202210187700.0/2.html,轉載請聲明來源鉆瓜專利網。





