基于RBF神经网络的电容层析成像图像重建算法
基于BP网络的电容层析成像图像重建算法
科苑 论谈 ＩＩ
卫怀玉 王大伟 陈德 运
科 黑江 技信总 —龙— — —
基于 Ｂ Ｐ网络的电容层析成像 图像重建算法
（ 尔滨理 工 大 学计 算机 科 学 与技 术 学 院 ， 哈 黑龙 江 哈 尔滨 １０ ８ ） ５ ０ ０
摘 要： 采用 Ｂ Ｐ神经 网络作为电容层析成像的图像 重建算法， 取得 了较好的成像 效果。 但也存在 学习速度慢 ， 易陷入局部最小等缺点。对神 容 经网络 算法进行 了一些改进 ， 仿真结果表明， 其成像精度 和成像 实时性都有 了显著提高。 关键词 ： 神经网络 ； Ｐ算 法； Ｂ 电容层析成像 ； 图像重建 电容层 析成像技术 （ｌｃｒ ａ Ｃ ｐ ｃｔ ｃ Ｅ ｅｔｃｌ ａａｉ ｎ ｅ ｉ ａ Ｔ ｍ ｇａｈ ）是 ２ 世纪 ８ ｏ ｏｒｐ ｙ Ｏ ０年代后期形成和发展 起来的 ， 由于其非接触 ， 无辐射， 成本低廉等优点， 赢得了 广泛关注 ， 并在流化床物料分布 ， 气力输送 中 气伺 两相流动系统 ， 石油工业中洫 气两相流等 许多工业过程 的应用方面取得 了相 当显著的成 绩。 图像重建算法的研究一直是其重点 ， 我们引 入基于神经网络的图像重建算法 ， 并加以改进， 使 其尽可能的实时重建 出高分辨率 的图像 ，满足 Ｅ Ｔ的实际 应用 。 Ｃ １电容层析系统构成及原理 电容层析成像技术是利用多相介质往往具有 不同的介电常数 ， 通过阵列 电 电容变化， 极 反映管 道内 多相介质分布， 从而构造出管道内多相介质 的＝ 维或三 维的分布图像。 Ｅ Ｔ的正问 Ｃ 题是指由已 知介质的介电常数分 布及边界条件求取不同电极对之间的电容值。基 于高斯定理 ，则电极对 之间的电容值 Ｃ 可由 下式计算 ： 部输入 （ 自其它神经元的输入 ）并且只产生内 来 ， 部输出（ 到其它神经元的输出） 。第三层为输出层， 输出信号为图像像素灰度值 ｇｉｌ２ ） ＿ ，…ｎ。 Ｂ Ｐ神经网络的的学习过程由信息正向传播 和误差反向传播构成 ： ２ ．正向传播过程 ： ．１ １ 输入信息从输入层经隐 含层逐层处理 ， 传向输 出层。 若输出层的实际输出 与期望的输出不符， 则转入误差的反向传播。 ａ 输入层： 输入值一般为样本各分量输入值 ， 输出值—般等于输入值。 ｈ 隐含层 ： 对于节点 ｊ ， 其输入值 △． 为其前一 层各 输出值 Ｏ 的加权和： 。 映射自力和柔性的网络结构。 甚 但是 Ｂ Ｐ网络存在着 很多不足，为了得到电容层析成像高质量的重建 图像 ， 研究人员都在尝试利用改进 Ｂ Ｐ网络 ， 以解 决这些不足。 ２ 关于 Ｂ 神经网络的—些改进 ＇ ２ Ｐ 针对上面的问题 ， 许多学者提出了 多方面的 改进方法 ， 主要从参数选取 ，Ｐ Ｂ 算法 ， 激活函数和 网 络结构加以优化。 ２ ．参数选 取 ２１ 参数选取主要包括初始权值的选取 ， 隐含层 神经元的个数的确定等。 ９ ２ Ｐ ２ Ｂ 算法 传统的 Ｂ 算法存在学习效率低，收敛速度 Ｐ △＝ ｆ ∑ｗ０ ｉ （） 慢， ２ 易陷入局部极小的状态等缺点， 因此我们采用 其输 出值＿ ： 为 权值变化量迭代法来改进 Ｂ 算法。 Ｐ ０ （ ） △， （） ３ ２ ３激活函数 ２ 式中： ｊ ｆ 夺为激励 函数或作用 函数， ＾ 一般采用 神经元的激活函数反映了神经元的输出与其 ｓ ｍｏｄ函数 ： ｉ ｉ ｇ 激励状态之间的关系，对于神经元的信息处理信 息处理特性具有重要意义。 标准 Ｂ 算法的作用函 Ｐ
电容层析成像技术中影响图像重建质量的因素分析
电容层析成像技术中影响图像重建质量的因素分析高彦丽【摘要】电容层析成像技术(ECT)作为一种多相流参数检测技术,具有快速、非侵入、结构简单、无辐射、成本低等特点,而图像重建质量和速度是阻碍电容层析成像技术工业应用的关键性问题,本文讨论了影响图像重建的因素,在采用线性反投影算法、正则化求逆算法以及迭代法的基础上,研究了单元划分数目、有限元形状、极板数以及介电常数四种因素对成像质量的影响.研究结果对获得最佳成像效果具有一定的指导意义.【期刊名称】《华东交通大学学报》【年(卷),期】2009(026)001【总页数】5页(P62-66)【关键词】电容层析成像;图像重建;像素;有限元分析【作者】高彦丽【作者单位】华东交通大学,电气与电子工程学院,江西,南昌,330013【正文语种】中文【中图分类】TP212电容层析成像技术(ECT)是20世纪80年代发展起来的一种多相流参数检测技术.其工作原理是依靠检测非导电物场内介质分布变化引起的电容值变化，通过某种图像重建算法来反演物场内的介质分布，从而实现对多相流参数的测量.该方法具有快速、不干扰流场、结构简单、无辐射、成本低的特点，可以用来测量多相流尤其是气固两相流的流动分布［1～4］.电容层析成像系统的结构如图1所示，主要由三部分组成，分别为电容传感器阵列、数据采集和信号处理电路以及控制和成像计算机系统.电容传感器阵列把物场介质变化转化为对应的电容变化;数据采集和信号处理系统负责电容的测量及其信号的传输处理;控制和成像计算机系统依据反映物场特性参数的投影数据，采用定性或定量的图像重建算法，完成由投影数据到图像这一逆问题的求解，并通过计算机显示出来.常用的图像重建算法有线性反投影算法(LBP)［5］、正则化求逆算法［6］(MLRR)以及迭代法［7］等.影响图像重建质量的因素很多，除图像重建算法、投影数据的精确性等会直接从根本上影响图像质量外［8］，单元划分数目、有限元形状、极板数以及介电常数等其它因素也会影响图像质量，而这方面的研究却少有报道.本文在采用线性反投影算法、正则化求逆算法以及迭代法的基础上，研究了单元划分数目、有限元形状、极板数以及介电常数四种因素对成像质量的影响.研究结果对获得最佳成像效果具有一定的指导意义.单元划分数目即图像的像素个数，通常来讲，在传感器极板数一定的条件下，成像区域内像素个数划分得越多，会使得重建图像轮廓越平滑，从而越接近原始图像.如图2所示单元划分数为800的成像效果无论从图像轮廓还是占空比上都优于单元数为500的重建图像可见单元划分数目(像素)多，在一定程度上可提高成像质量. 然而像素个数和成像时间呈近似线性的关系［9］，因此通过增大单元划分数目提高成像质量是以牺牲图像重建速率为代价的.而且，作者通过研究发现像素个数并非与成像质量成正比关系，如图3所示，图中ZE表示成像质量，N表示像数个数.a～n1段曲线呈上升趋势，说明像数越多，图像轮廓越平滑，越接近原始图像;n1～n2段是平稳段，说明成像质量不再随像数个数的增加而提高;N＞n2段曲线呈下降趋势，说明像素过多，逆问题的求解变得更加困难，病态性加强，成像质量变差了.因此，像素个数并非越多越好，它只是在一定程度上影响成像质量.实际应用时，应根据成像速率以及成像的空间分辨率的要求，在n1～n2段确定像素个数.目前ECT技术中有限元划分主要有两种形状，一种是五面体，一种是六面体［3］.为研究不同的有限元划分形状对成像质量的影响，本文研究了在LBP、迭代法以及MLRR三种成像算法下，有限元划分形状分别为五面体和六面体时的成像效果，研究结果如表1所示.从表中可以看出，两幅不同占空比的原始图像分别在有限元划分为五面体、六面体下的成像效果与单元划分形状没有明显关系.现有文献报道中两种划分方式均有采用，各有优缺点.有限元划分为五面体形状可以利用对称性旋转快速获取物场灵敏度［9］，而有限元为六面体形状时，不具备对称性，因此灵敏度的获取速度慢，但六面体更具美观性.传感器极板数增加，独立电容测量值的数目增加，可以获取更多的信息，有望使成像质量得到改善，如图4所示.但是，在保持有限元剖分数不变的条件下，12电极ECT系统的敏感场矩阵的条件数远远大于8电极ECT传感器的敏感场矩阵的条件数，这意味着12电极系统虽然比8电极系统能提供更多的测量值，但其病态性也比8电极系统较为严重［10］，测量电容值C的微小扰动会对图像灰度G的解产生很大影响;再者以增加极板数量以获取更多的信息，还要良好性能的硬件测量电路作为基础，因为极板数增多，极板的面积就要减小，无论是静态电容还是动态电容值都将会减小的;并且极板数的增加也意味着成像速率的降低.因此，常用的以8和12极板的ECT系统居多.ECT系统使用前需要经过以下两个过程:(1)系统标定［4、11］，即确定高/低介电常数相分别充满管道时相应各极板对的电容值，测量数据归一化时用;(2)确定出给定高/低介电常数时所对应的重建图像矩阵(MLRR法)或灵敏度分布矩阵(LBP法).但ECT系统在实际应用中会碰到这样的问题:有些应用对象无法直接测得高/低介电常数相分别充满管道时相应各极板对的电容值;成像对象的介电常数在不同的工作条件下发生波动;成像对象的介电常数不易确定.文献［12］探讨了ECT系统对未知介电常数对象的图像重建方法;文献［9］总结了高介电常数相介电常数变化对成像质量的影响.本文研究了不同介电常数的成像效果，仿真结果如图5所示.总结图中结果可以得出以下结论:(1)不同的成像算法下，成像质量受介电常数变化的影响不同.图5中，模型1对象介电常数分别由6波动为1.8、3、10，模型2对象介电常数由1.8变为5，当采用MLRR时，模型1和2在不同的对象介电常数下的成像效果差别很大，而当采用LBP和迭代算法时成像效果相差不大.结果表明LBP法受到的介电常数变化影响最小;迭代法受到的影响较LBP法大些，因其需要利用已知的灵敏度分布对图像进行修正;MLRR法的成像质量受到介电常数变化的影响较大，因为回归矩阵取决于介电常数.(2)对成像质量的影响起决定性作用的，并不是灵敏度矩阵而是归一化的电容值.因为一定的介电常数范围内相同的极板对形成的灵敏度分布图总体上具有相似的形状，并且灵敏度变化的方向和介电常数的变化方向一致［7］，这也是利用已知介电常数的灵敏度分布代替未知介电常数对象的灵敏度分布的依据.但是当有些应用对象无法直接侧得高/低介电常数相分别充满管道时相应各极板对的电容值，而利用已知介电常数的仿真值代替对测量值进行归一化，这是成像误差的一个来源.(3)仿真实验还表明介电常数在正负小范围内变化对成像质量几乎没有影响.(4)介电常数负波动对成像效果的影响比较大，而介电常数的正波动对成像效果影响不大，甚至会改善成像效果.见图5模型1.文献［13］的报道也表明应用低介电参数的物质标定可以提高成像的效果和质量.综上，ECT系统在实际应用中，应尽可能准确的估计出高低介电常数相的介电常数，估计出它们的变化范围，选择合适的算法来进行图像重建.高低介电常数均变化的情况下，不同模型利用不同算法受到的影响程度的定量化以及如何把影响减小到最小等还需要进一步的研究工作去做.除了图像重建算法、电容投影数据直接决定重建图像的质量外，上述仿真研究表明，有限元像素的划分数、极板数以及介电常数的波动也在一定程度上与成像质量有关.将ECT技术应用于工业现场时，为了设计最优传感器结构，需要开展进一步的建模工作，包括研究最优电极数、最优剖分策略以及最优测量方案，可参考上述结果，设计好每个环节的参数，选择适当的图像重建算法以达到最好的测量结果.【相关文献】［1］徐苓安，等.过程层析成像技术的研究现状和发展趋势［C］.西安:中国仪器仪表学会过程检测控制分会第三届年会论文集(过程控制仪表及系统)，1995:63－72.［2］傅文利，赵进创.管路堵塞的电容层析成像可视化监测［J］.微计算机信息，2006，12(1):113－114.［3］赵进创.电容层析成像技术及在两相流可视化监测种的应用研究［D］.沈阳:东北大学，2001. ［4］Yang W Q.Calibration of capacitance tomography systems:a new method for setting system measurement range［J］.Meas.Sci.Technol，1996，25(7):863－867.［5］Bolton G T，Korchinsky W J，Waterfall R C.Calibration of capacitance tomography systems for liquid-liquid dispersions［J］.Meas.Sci.Technol，1998，27(9):1 797－1 800. ［6］Xie C G.Review of image reconstruction methods for process tomography［C］.Proceedings of ECAPT’93，Karlsruhe，Gemany，1993:115－119.［7］Yan H，Liu L J，Xu H，et al.Image reconstruction in electrical capacitance tomography using multiple linear regression and regularization［J］.Meas.Sci.Technol，2001，30(12):579－581.［8］曹琳琳.电容层析成像系统图像重建算法的研究［J］.微计算机信息，2007，6(3):272－274. ［9］颜华.电容层析成像技术及在高炉块状区物料可视化检测中应用的基础研究［D］.沈阳:东北大学，1999.［10］五强.电容成像图像重建算法原理及评价［J］.清华大学学报(自然科学版)，2004，44(4):478－484.［11］Yang W Q，D M Spink，T A York，et al.An image-reconstruction algorithm based on landweber’s iteration method for electrical－capacitance tomography［J］.Meas.Sci.Technol.1999，28(10):1 065-1 069.［12］赵进创，王师，等.ECT对未知介电常数对象的图像重建方法探讨［J］.东北大学学报，2000，21(s1):153－156.［13］阎润生，刘石，王海刚，等.ECT技术对成像的影响——用低介电参数物质标定［J］.石油化工高等学校学报，2004，17(1):52－54.。
电容层析成像图像重建算法研究
电容层析成像图像重建算法研究刘传美【摘要】图像重建算法是电容层析成像系统的关键技术之一,是改善重建图像质量的重要因素.在正则化的基础上提出了一种基于QR分解的电容层析成像算法,该方法首先将离散化和线性化处理后的电容层析成像物理模型进行Tikhonov正则化处理,然后将QR分解的思想引入电容层析成像方程中求解出初始图像,然后再对初始图像进行优化修正提高重建图像质量.成像结果表明,图像重建结果与实际相符,图像质量得到了改善.【期刊名称】《微型机与应用》【年(卷),期】2010(029)009【总页数】4页(P32-34,40)【关键词】电容层析成像;图像重建算法;正则化;优化修正;QR分解【作者】刘传美【作者单位】北方工业大学,机电工程学院自动化系,北京,100144【正文语种】中文【中图分类】TP301.6电容层析成像(ECT)技术是基于电容敏感原理的过程层析成像技术，运用传感器阵列形成旋转的空间敏感场，从不同的观测角度获得被测物场的介电常数分布信息，利用图像重建算法，显示被测物场的二维或三维介质分布图像。
典型的ECT系统结构主要由3部分构成：电容阵列传感器、数据采集系统和成像计算机。
其基本原理是：位于管道内具有不同介电常数的两相流在流动时，各相含量和分布不断变化，引起电容传感器不同极板间的电容值改变。
通过均匀安装在绝缘管道外壁的电容传感器检测出各电极间的电容值，送至数据采集系统。
数据采集系统将这些电容值转化为数字量并传送给成像计算机，根据某种图像重建算法重建出流体在截面的分布图像。
1 ECT系统图像重建算法ECT系统图像重建是一个逆问题，即通过有限个电容测量值将成像区域内的介电常数空间分布图重建出来。
由于电容层析成像系统本身固有的“软场”特性，且能得到的独立电容测量值数量非常有限，逆问题不存在解析解，图像重建的难度较大。
针对目前图像重建算法在成像质量和成像速率上存在的问题，本文提出一种基于QR分解的电容层析成像算法。
基于RBF神经网络的镜头畸变校正方法
０ 引 言
在 煤 矿 在线 监 控 方 面 ， 摄 像 机 标定 是 在 理 想 的 针 孔成 像模 型 下 得 到 其 内外 参 数 。然 而 ， 由于 摄 像
据 径 向基 （ Ｒ Ｂ Ｆ ） 神 经 网络 。 的 自适 应 、 自学 习且
能以任意精度逼近任意连续函数的特点 ， 提 出了一 种基 于 Ｒ Ｂ Ｆ神 经 网络 的镜 头 畸 变 校 正 方 法 。该 方
关键词 ： 平 面标定法； Ｒ Ｂ Ｆ ； 神 经网络 ； 畸 变校正 中图分 类号 ： Ｔ Ｐ １ ８ ３ 文 献标 志码 ： Ａ 文章 编号 ： １ ０ ０ ０— ０ ６ ８ ２ （ ２ ０ １ ５ ） ｏ ２— ０ ０ ８ １— ０ ３
RBF神经网络学习算法
第17页，共30页。
一. 自组织中心选取法
1989年，Moody和Darken提出了一种由两个阶段组成的混合学习过 程的思路。
两个步骤：①无监督的自组织学习阶段
Байду номын сангаас
②有监督学习阶段
其任务是用有监督学习 算法训练输出层权值， 一般采用梯度法进行训
练。
其任务是用自组织聚类方法为隐层 节点的径向基函数确定合适的数据 中心，并根据各中心之间的距离确
%以输入向量为横坐标，期望值为纵坐标，绘制训练用样本的数据点。 figure; plot(P,T,'+') title('训练样本')
xlabel('输入矢量P')
ylabel('目标矢量T') grid on
%目的是找到一个函数能够满足这21个数据点的输入/输出关系，其中一个方法是通过构 建径向基函数网络来进行曲线拟合
局部逼近网络 学习速度快，有可能满足有实时性要求的应用
对网络输入空间的某个局 部区域只有少数几个连接 权影响网络的输出，则称
该网络为局部逼近网络
第4页，共30页。
RBF网络的工作原理
函数逼近： 以任意精度逼近任一连续函数。一般函数都可表示成一组 基函数的线性组合，RBF网络相当于用隐层单元的输出构 成一组基函数，然后用输出层来进行线性组合，以完成 逼近功能。
根据Micchelli定理可得，如果隐节点激活函数采用
径向基函数，且
各不相同，则线性方程组
有唯一解。
Q
RBF网络输出 F( pi ) wj( pi cj ) j1 第9页，共30页。
电容层析成像RBF神经网络图像重建算法的改进
Ａｎ Ｉ ｐ ｏ ｅ ｍａ ｅ Ｒｅ Ｏ ｓ ｒ ｃ ｉｎ Ａｌｏ ｉ ｍ ｆＥ ｅ ｔｉａ ｍ ｒ ｖ ｄ Ｉ ｇ Ｃ ｎ ｔ ｔ ｇ ｒ ｈ ｏ ｌｃ ｒ ｌ ｕ Ｏ ｔ ｃ Ｃａ ａ ｎ ｅ Ｔ ｍｏ ｒ ｐ ｙ Ｂ ｓ ｄ ｏ ａ ｃｔ ｃ ｐ ｉ Ｊ ａ Ｉ ｏ ｑ ｇ ａ ｈ ａ ｅ ｎ ＲＢＦ Ｎｅ ｒ Ｎｅ ｗｏ ｋ ０ ｕ ａ ｔ ｒ Ｉ Ｎｅ Ｋ
和实 验 ， 取 得一定 成 果． 并
电容 层 析 成 像 （ ｌｃ ｃｌＣ ｐｃａｃ ｏ ｏ Ｅｅｔ ａ ａａｉ ｎｅＴ ｍ － ｉ ｒ ｔ
核 能等 行业 中普 遍 存 在 ， 随着 工 业 生 产 中对 提 高 产
品质量 、 降低成 本 以及安 全 问题 的重 视 ， 过程 参 数 对
张立 丰 ， 胡海涛 ， 陈德运
（ 哈尔滨理工大学 计算机科 学与技术学院 ， 黑龙 江 哈尔滨 ，５ ０ ０ １０ ８ ）
摘
要 ：Ｂ Ｒ Ｆ神 经 网络 图像 重建 算 法 在 电容层 析 成像 系统 中应 用广 泛 ， 它较 好 地 克服 了 Ｅ Ｔ Ｃ
系统的软场特性、 强非线性和不适定性， 其成像 时间和成像精确度 比其他算法都有很 多改善． 本文 从 有 限元 场域剖 分 、 数据 归 一化和 神 经 网络输 入层 角度 对 该算 法进 行 了相 关改进 ． 真 实验 结 果证 仿
Ａｂｓｒ ｃ ＲＢＦ ｎ ｕ ａ ｅｗｏ ｋ ｈ ｓ ｈ ｇ ｅ ｅ ｏ ｓｒ ｃ ｉｎ ｑ ａ ｉ ｎ ｅ ｏ ｔｕｃｉ ｎ ｓ ｅ ｄ ｔ ａ ｔ ｅ ｍａ ｅ ｒ － ｔ ａ ｔ： ｅ ｒ ｌｎ ｔ ｒ ａ ｉ ｈ ｒ ｒ ｃ ｎ ｔｕ ｔｏ ｕ ｌｔ ａ ｄ ｒ ｃ ｎｓｒ ｔｏ ｐ ｅ ｈ ｎ ｏ ｈ ｒｉ ｇ ｅ ｙ ｃ ｎ ｔｕ ｔ ｎ ａｇ ｒｔ ｍｓ ｗｈｅ ｓ ｄ ｉ ｍａ ｅ ｒ ｃ ｎ ｔｕ ｔｏ ｏ ｓｒ ｃ ｉ ｌｏ ｉｈ ｏ ｎ ｕ ｅ ｎ ｉ ｇ ｅ ｏ ｓｒ ｃ ｉｎ．Ｉ ｖ ｒ ａ ｌ ｓ ｆ ｅｄ ｃ ａ ａ ｔｒｓｉ ｔｏ ｅ ｃ ｍｅ ｗｅ ｌ ｏｔｆ ｌ ｈ ｒｃ ｅ ｉｔ ｉ ｃ，ｓｒ ｎ ｏ ｌｎ ｔｏ ｇ ｎ ｎ ｉ —
基于动态递归RBF神经网络的图像恢复技术研究的开题报告
基于动态递归RBF神经网络的图像恢复技术研究的开题报告一、研究背景随着计算机视觉技术的不断发展，图像处理技术也得到了快速发展，图像恢复技术就是其中之一。
图像恢复是指通过对图像信息的补偿或纠正，使失真的图像重新获得良好的图像质量。
在图像传输、压缩等应用中，往往需要恢复图像的质量，因此图像恢复技术在实际应用中具有较高的价值。
目前，图像恢复技术在研究中已经取得了一定的成果，传统的方法主要是基于图像的局部信息和全局信息进行处理。
但是传统方法在处理复杂图像时存在一定的局限性，难以保持图像的真实性和高质量。
因此，研究一种灵活性强、精度高并且适用于各种复杂图像处理的新方法，成为了当前图像恢复领域重要的研究方向。
二、研究目的针对传统方法的局限性，本次研究旨在通过设计一种基于动态递归RBF神经网络的图像恢复技术，以实现对图像的快速、高效、准确的恢复。
具体目的包括：1. 理论分析和探究基于动态递归RBF神经网络的图像恢复机理，研究其恢复效果和可行性。
2. 在理论分析的基础上，设计和实现一种基于动态递归RBF神经网络的图像恢复算法，并与传统图像恢复算法进行比较和验证。
3. 经过实验对比，验证所设计的基于动态递归RBF神经网络的图像恢复算法，在恢复速度和图像质量、辨析度等方面的优势。
三、研究方法与步骤本次研究主要采用计算机科学与技术领域中的算法设计和实现方法，重点考虑神经网络算法的应用。
具体步骤如下：1. 研究神经网络算法的基本原理，并探究其在图像恢复中的应用。
2. 设计一种基于动态递归RBF神经网络的图像恢复算法，包括算法流程、参数设置和数据预处理等。
3. 基于MATLAB平台进行算法实现，采用标准测试图像进行实验验证，对比分析所设计算法与传统方法的效果。
4. 通过实验结果对所设计的基于动态递归RBF神经网络的图像恢复算法进行实验验证，确定其优势和应用范围。
四、可行性分析1. 神经网络算法已经在图像领域取得了不少的成果，因此算法的可行性得到了保障。
基于RBF网络的ECT图像重建算法
摘
要 ： 绍了一种基于 Ｒ Ｆ网络的电容层析成像 图像重建算法 ， 径向基 函数的选取 、Ｂ 介 Ｂ 包括 Ｒ Ｆ网络 权值
的训练方法 ．仿真 实验显 示该算 法可用于两相流流型辨识 ． 关键词 ： Ｂ Ｒ Ｆ网络 ； Ｃ 图像 重建 ； Ｅ Ｔ； 算法 中图分类号 ：Ｐ １ Ｔ ２２ 文献标识码 ： Ａ 文章 编号 ：０ ３０ ７ （０ ６ ０ － ３ －３ １０ －９ ２ ２０ ）３０ ９０ ３
技术很难准确测量 ．０世纪 ７ ２ Ｏ年代， 成熟 的医疗 Ｃ Ｃｍ ｕ ｒｅ ｏ ｏｒｐｙ 技术应 用于过程参数 Ｔ（ ｏ ｐｔ ｉ ｄＴｍ ｇａｈ ） ｅｚ 检测领域而产生了多种基于不同敏感机理的过程层
析成像 （ ｒ ｅｓＴｍ ｇａｈ ，Ｔ 技 术 ．电容层 析成 Ｐｏ ｓ ｏ ｏｒｐｙ Ｐ ） ｃ
感器敏感场的仿真软件包 ， 在参考传感器阵列电极 优化设计 的基础上 ， 设计 的传感器模型 采用 ｌ ２ 个检测电极 ，２个 径向电极 ， ｌ 管壁采用有机玻璃 ， 结构框图如图 ｌ 考虑到场域 的物 理特性 ， ， 有限元 采用三角形抛分和线性插值方法 ， ２为管道 内、 图 管 道壁 、 蔽层 抛分 层数 分别 为 ５３ ３的敏 感场 剖 屏 ，，
像（ ｌ ｔｃｌ ａａｉｎｅＴｍ ｇ ｐｙ Ｅ Ｔ 技术是 Ｅ ｃ ａ Ｃ ｐｃａｃ ｏ ｏｒ ｈ ，Ｃ ） ｅｒ ｉ ｔ ａ Ｐ 技术中研究较 早的一种技术 ， Ｔ 具有测量速度快 、 非侵人、 成本低 、 适用范围广等特点的新一代无损功 能成像技术 ． 它是利用多相介质往往具有不同的介 电常数 ， 通过阵列 电极电容变化， 反映管道中多相介 质分布 ， 从而提取 出管道截面各相介质 的特征参 数． 该技术可用于检测两相／ 多相流动过程 ， 实时显 示多相流体在管道截面上的相分布图像 ， 实现流型、
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
（ ｃｏｌ ｆ ｏ ｕｅ ｃ ｎｅａｄＴｃ ｎｌｇ ，Ｈ ｒｉ ｎｖｒｉ ｆＳｉ ｃ ｎ ｅｈ ｏｏ ，Ｈａｂｎ１０ ８ Ｓｈｏ ｍｐ ｔ Ｓｉ ｃ ｎ ｅｈ ｏ ｙ ａｂｎＵ ｉｅ ｔ ｏ ｃ ｎ ｅａｄＴ ｃｎ ｌ ｏＣ ｒ ｅ ｏ ｓｙ ｅ ｙ ｇ ｒｉ ５０ ０，Ｃ ｉａ ｈｎ ）
有 效性 ．
关键 词 ： 电容层 析成 像 ； Ｂ Ｒ Ｆ；自适 应遗 传 算 法 ； ｉｈｏ 则化 ； Ｔｋｎｖ正 图像 重 建 中图分 类号 ： Ｐ ９． １ Ｔ ３ １４ 文 献标 识 码 ： Ａ 文 章编 号 ： ０７ ２ ８ （０ ８ ０ — ０３ ０ １０ — ６ ３ ２０ ）６ ０ ２ — ４
ａ ｒ ｓ ｎ ． ｎ ｗ ｔ ｄ ｏ ｍａ ｅ ｒ ｃ ｎｓｒ ｃｉ ｎ ａ ｇ ｒｔ ｔｐ ｅ ｅ ｔ Ａ ｅ ｍｅｈｏ ｆ Ｉ ｇ ｅ ｏ ｔｕ ｔｏ ｌｏ ｈｍ ｓ ｄ ｏ ｉ ｂａ ｅ ｎ ＲＢＦ ｎ ｕｒ ｌｎ ｔ ｒ ｓ ｆｒ Ｅｌ ｃｒｃ ｌＣａ ａ ｉ ｅ ａ ｅ ｗｏ ｋ ｏ ｅ ｔ ａ ｐ ｃ— ｉ ｔｎ ｅ Ｔｏ ｇ ａ ｈｙ ｉ ｒ ｐ ｓ ｄ．Ａｄａ ｔｖ ｅ ｅ ｉ ｌ ｏ ｔ ｍ ｓｕｓ ｄ ｔ ｐ ｉ ｚ ｈ ｅ ｔ ｒ ｎ ｄ ｈ ｆｔ ｉ ｄ ｎ ａ ｃ ｍｏ ｒ ｐ ｓ ｐ ｏ ｏ ｅ ｐ ｉ ｅ ｇ ｎ ｔｃ ａｇ ｒ ｈ ｉ ｅ ｏ ｏ ｔｍｉｅ ｔ ｅ ｃ ｎ ｅｓ ａ ｄ ｗｉ ｔ ｓｏ ｉ ｈｅ ｈ ｄ ｅ ｕ ｉｓ ｏ ｎ ｔ ｆＲＢＦ ｎ ｔ ｒ ｎ ｈ ｋ ｏ ｏ ｅ ｕ ａ ｉａ ｉｎ ｍｅ ｈ ｄ ｉ ｅ ｏ ｔａｎ ｔ ｅ ｗｅ ｇ ｔ ｆ ＲＢＦ ｎ ｔ ｒ ｓ Ｔｈ ｅ ｗｏ ｋｓ ａ ｄ ｔ ｅ Ｔｉ ｈ ｎ ｖ ｒ ｇ ｌ ｒｚ ｔｏ ｔ ｏ ｓ ｕｓ ｄ ｔ ｒ ｉ ｈ ｉｈ ｓ ｏ ｅｗｏ ｋ ． ｅ ｓｍｕ ａｉ ｎ ｒ ｓ ｌｓｆ ｒ１ — ｌ ｃｒ ｄ ｌｃ ｒｃ ｌｃ ｐ ｃｔ ｎ ｅ ｔ ｍｏ ｒ ｐ ｙ ｓ ｓｅ ｉｌ ｓｒ ｔ ｈ ｔｔ ｅ ｍｅｈ ｄ ｃ ｎ ｉ ｒ ｖ ｉ ｌｔｏ ｅ ｕ ｔ －ｅｅ ｔｏ ｅ ｅ ｅ ｔ ａ ａ ａ ｉ ｃ ｏ ｇａ ｈ ｙ ｔｍ ｌｕ ｔａ ｅ ｔ ａ ｈ ｔ ｏ ａ ｍｐ ｏ ｅ ｏ ２ ｉ ａ ｔ ｅ ｏ ｓｒ ｃｔｏ ｍａ ｅ ｑｕ ｌｔ ｂ ｉｕ ｌ ｎｄ ｔ ｓｉ ｈ ｆｅ ｔｖ ｎ ｓ ｆｔｅ ｐ ｏ ｏ ｅ ｔ ｄ． ｈｅ ｒ ｃ ｎ ｔ ｔｉｎ ｉ ｇ ａｉｙ ｏ ｖ ｏ ｓｙ ａ ｅ ｔ ｙ ｔ ｅ ｅ ｆｃ ｉｅ ｅ ｓｏ ｈ ｒ ｐ ｓ ｄ ｍｅｈｏ ｕ ｆ Ｋｅ ｒ ｙ ｗｏ ｄｓ： ｌ ｃｒｃ ｌ ａ ａ ｉａ ｃ ｏ ｇ ａ ｙ； ＲＢＦ；ａ ａ ｔ ｅ ｅ ｅ ｉ ａ ｇ ｒｔ ｍ ； Ｔｉ ｈ ｎｏ ｒ ｇ ａ ｉａ ｉｎ； ｅｅ ｔ ａ ｃ ｐ ｃｔ ｎ ｅ ｔ ｍｏ ｒ ｐｈ ｉ ｄ ｐ ｉ ｇ ｎ ｔｃ ｌｏ ｈ ｖ ｉ ｋ ｏ ｖ ｅ ｕｌｒｚ ｔ ｏ
ｉ ｇ ｅ ｏ ｔ ｃｉ ｎ ｍａ ｅ ｒ ｃ ｎｓｒ ｔｏ ｕ
流检测 领 域具 有广 阔 的工 业 应 用 前 景 ． 图像 重 建 算
１ 引 言
电 容 层 析 成 像 （ ｌ ｔｃ ａａｉｎｅ Ｔ ｍ — Ｅｅ ｒａ Ｃｐｃｔ ｃ ｏ ｏ ｃｉｌ ａ
ｇａ ｈ ， Ｃ 技 术 是 近年 迅 速 发 展起 来 的一 种 过 程 ｒｐ ｙ Ｅ Ｔ）
第１ ３卷ຫໍສະໝຸດ 第 ６期 ２０ ０ ８年 １ ２月
哈 尔 滨 理 工 大 学 学 报 Ｊ ＯＵＲＮＡＬ ＨＡＲＢＩ ＵＮＩ Ｎ Ｖ．Ｓ Ｉ Ｃ ．＆ Ｔ ＥＣＨ．
Ｖｏ ．１ Ｎｏ ６ １ ３ ． Ｄｅ ． ０ ｃ ，２ ０８
基 于 Ｒ Ｆ神 经 网络 的 电容 层 析成 像 图像 重 建 算 法 Ｂ
Ａ ｓ ａ ｔＩ ｉ ｆｈ ｗｐｅｉ ｏ ｆｈ ｃｎｔ ｃ ｏ ａｅｏ ｌｃ ｃｌ ａ ａｉ ｎ ｅＴ ｍｏｒｐ ｙ Ｅ Ｔ ｂ ｔ ｃ ： ｖｅ ｏ ｅ ｏ ｒｃ ｉｎｏ ｅｒ ｏ ｓ ｕ ｔ ｎｉ ｇ ｆ ｅｔ ａ Ｃ ｐ ｃ ａｃ ｏ ｇａ ｈ （ Ｃ ） ｒ ｎ ｗ ｔ ｌ ｓ ｔ ｅ ｒ ｉ ｍ Ｅ ｒ ｉ ｔ
李 岩 ， 包培全 ， 张礼勇 ， 郭 虹
（ 哈尔滨理工大学 计算 机科学与技术学 院 ， 黑龙江 哈尔滨 １０ ８ ） ５０ ０
摘 要 ： 对 目前 电容层析 成 像 系统 图像 重 建分 辨 率 不 高 ， 确 度 低 的 问题 ， 出 了一种 新 的 针 精 提
采 用 Ｒ Ｆ神 经 网络对 电容层析 成像 系统进 行 图像 重 建 的方 法． Ｂ 该神 经 网络 采 用 改进 的 自适应 遗 传 算法 ， 化 选取 隐层 神 经元 的 中心 和 宽度 ， Ｔｋｎｖ正 则 化 方 法训 练 网络 权 值．２电极 的 电容 层 优 用 ｉｈｏ １ 析 成像 系统的仿 真 实验 结 果表 明 ， 该方 法 能明 显 改善 成像 质 量 ， 像 精 确 度较 好 ， 明 了该 方 法 的 成 证
Ｉ ｇ ｃ ｎ ｔｕ ｔ ｎ Ａｌｏ ｉ ｍ ａ ｅ ｎ ＲＢＦ Ｎｅ ｒ ｌ ｍａ ｅ Ｒｅ ｏ ｓ ｒ ｃ ｉ ｇ ｒ ｈ Ｂ ｓ ｄ ｏ ｏ ｔ ｕ ａ Ｎｅ ｗｏ ｋ ｏ ｅ ｔ ｃ ｌ ｐ ｃｔ ｎ ｅ Ｔ ｍｏ ｒ ｐ ｙ ｔ ｒ ｓ ｆ ｒＥｌｃ ｒ ａ ｉ Ｃａ ａ ｉ ｃ ｏ ａ ｇａ ｈ