电容层析成像系统图像重构算法

基于GA-BP神经网络的电容层析成像图像重建

基于GA-BP神经网络的电容层析成像图像重建作者：胡叶容来源：《电子技术与软件工程》2018年第23期摘要目前针对电容层析成像分辫率不高，精度低的问题，提出一种基于（GA-BP）算法对电容层析成像图像重建。

其中BP算法可以解决非线性问题，但是BP算法的过程收敛速度慢，很有可能陷入局部极小值。

而遗传算法（GA）具有全局寻优的优点。

可以有效防止搜索过程收敛于局部最优解文中将二者结合起来.由GA寻找最优的BP神经网络权值与相应节点的阀值仿真结果表明：此方法与LBP算法、Landweber算法相比预测精度高，为电容层析成像图像重建提供了一种新思路。

【关键词】电容层析成像 BP神经网络遗传算法1 前言随着层析成像技术的发展，ECT作为关键技术之一，其可靠性高，成本低，非侵入式等特点，成为当今图像重建领域的主流，被越来越多的应用到工业之中。

现目前国内外提出了很多关于电容层析图像重建的算法，比较耗时且效果不理想。

常用的算法有LBP线性返投影算法，算法简单，但是失真严重。

Landweber算法存在平滑效应。

BP 神经网络是一种基于梯度法的非线性逼近，常陷入局部的极小值，收敛速度也很慢，从而会影响成像的精度。

遗传算法（GA）克服了BP神经网络的缺点，具有全局寻优的能力，BP神经网络的权重和阈值可以利用遗传算法来优化，提高BP神经网络准确性与泛化能力。

陷入局部极小值的缺点得到克服，能够实现全局收敛。

结合遗传算法全局寻优与BP神经网络的优点，文中在借鉴有关BP神经网络在电容层析成像的应用基础之上，进行了算法的改进。

建立了GA-BP网络电容层析成像模型。

结果表明：该算法精度高，收敛速度也快，具有一定的可靠性。

2 电容层析成像的基本原理ECT系统由三部分组成电容传感器、数据采集系统、成像计算机，如图1所示。

其基本测量原理是基于：不同分相介质的介电常数不相同，当各相的浓度大小及组分分布发生改变时，就会引起多相流混合体等价介电常数发生相应的改变，使其测量的电容值大小随之而发生改变，多相流介质相浓度的分布状况从电容值的大小上反映出来。

基于带约束粒子群的电容层析成像图像重建算法

第44卷第2期2024 年4月辽宁石油化工大学学报JOURNAL OF LIAONING PETROCHEMICAL UNIVERSITYVol.44 No.2Apr. 2024引用格式：焦园娜,左振华,张雷雷,等.基于带约束粒子群的电容层析成像图像重建算法[J].辽宁石油化工大学学报,2024,44(2):91-96.JIAO Yuanna,ZUO Zhenhua,ZHANG Leilei,et al.Capacitance Tomography Image Reconstruction Algorithm Based on Confined Particle Swarm[J].Journal of Liaoning Petrochemical University,2024,44(2):91-96.基于带约束粒子群的电容层析成像图像重建算法焦园娜1，左振华2，张雷雷3，郭志恒1，阚哲1（1.辽宁石油化工大学信息与控制工程学院，辽宁抚顺 113001； 2.中国石油天然气股份有限公司抚顺石化分公司烯烃厂，辽宁抚顺 113001； 3.抚顺石化工程建设有限公司，辽宁抚顺 113001）摘要：　粒子群工作时系统的鲁棒性很高，有助于解决图像重建的病态问题。

但是，重建图像的像素较大，导致粒子维度较大，粒子在寻优过程中很难达到最优解。

为了解决这一问题，对粒子的位置加入约束条件，以Tikhonov正则化图像重建算法成像作为粒子位置参考，约束粒子在Tikhonov正则化算法重建图像的一定范围内搜索，并用罚函数求解，提高粒子搜索速度；粒子群的惯性权重采用线性递减权值，从而实现惯性权值的自适应动态调整，提高算法的灵活性；将混沌算子加入粒子群位置搜索过程中，当粒子陷入局部最优时，混沌变量在一定范围内波动，降低最优解的错失率。

仿真实验结果表明，与传统的LBP算法和Tikhonov算法相比，改进的粒子群算法的电容层析成像图像重建更精确，效率更高。

基于BP网络的电容层析成像图像重建算法

维普资讯
科苑论谈ＩＩ
卫怀玉王大伟陈德运
科黑江技信总 —龙— — —
基于ＢＰ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１０８）５００
摘要：采用ＢＰ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（ｌｃｒａＣｐｃｔｃＥｅｔｃｌａａｉｎｅｉａＴｍｇａｈ）是２世纪８ｏｏｒｐｙＯ０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ＥＴ的实际应用。Ｃ１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。ＥＴ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。ＢＰ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：．１１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ＢＰ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ＢＰ网络，以解决这些不足。２关于Ｂ神经网络的—些改进＇２Ｐ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，ＰＢ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。９２Ｐ２Ｂ算法传统的Ｂ算法存在学习效率低，收敛速度Ｐ △＝ｆ ∑ｗ０ｉ（）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。Ｐ０（） △，（）３２３激活函数２式中：ｊｆ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ｓｍｏｄ函数：ｉｉｇ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

一种用于在线测量的电容层析成像图像重建算法

ｓｒｃｉｔｕｔｏｎ
—
Ｌ
气油、水油、特别是气固两 Байду номын сангаас流动测量以及过程可
视化监测中Ｅ４。１￣－
口
电容层析成像（ｌｔｃｌｃｐｃａｃｏ — ｅｃｒａａａｉｎｅｔｍｏｅｉｔｇａｈ，ＥＴ）是应用于多相流浓度测量的一种新ｒｐｙＣ
ｏｉｉａｉ．Ｎｕｅｉａｅｐｅｉｅｓｉｉａｅｔａｈｅｉｐｒｖｅｅａｅｆｃｅｎｎｔｉｅｏｍａｅｐｔｍｚｔｏｎｍｒｃｌｘｒｍｎｔｎｄｃｔｄｈｔｔｍｏｍｎｔｗｓｆｉｉｔａｄｈｅｔｍｆｉｇ
Ｌａｗｅｒａｇｉｈｍ．ｎｄｂｅｌｏｒｔＫｅｒｓｅｅｔｉａｌｃｐｃｔｎｃｏｍｏａｈｙ；ｍｉｍｕｍｒｙｗｏｄ：ｌｃｒｃａａｉａｅｔｇｒｐｎｉｎｏｍｓｌｔｏｏｕｉｎ；ｉｅｓｏｅｓｉｇｅｒｃｎｎｖｒｅｐｒｂｌｍ；ｍａｅｏ
ｒｃｎｓｒｔｄｉｇｅｓｅｏｔｕｃｅｍａｉｂｅｔｒｈｎｔｒｍａｅｅｏｎｓｒｃｉａｇｏｉｈｍｓｕｃａＬＢＰ，Ｔｉｏｎａｄｔｅｔａｏｈｅｉｇｒｃｔｕｔｏｎｌｒｔｓｈｓｋｈｏｖｎ
Ａｎｉａｅｒｃｎｓｒｃｉｎａｇｒｔｍｐｌｃｂｌｏｏ —ｉｍｇｅｏｔｕｔｏｌｏｉｈａｐｉａｅｔｎｌｎｅｅｅｔｉａａａｉａｅｔｍｏｒｐｌｃｒｃｌｃｐｃｔｎｃｏｇａｈｙ

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。

基于改进极小范数解的电容层析成像图像重建算法

基于改进极小范数解的电容层析成像图像重建算法雷兢;刘石;李志宏;孙猛【期刊名称】《中国电机工程学报》【年(卷),期】2007(27)26【摘要】提出了一种新的电容层析成像图像重建算法。

在分析极小范数解的基础上,针对电容层析成像(ECT)逆问题的特点,利用正则技巧对其进行改进,并利用奇异值分解定理分析了这种改进的数值稳定作用。

在此基础上,利用加权技巧建立新的目标泛函进一步改进极小范数解,并在求解该泛函的过程中采用正则技巧确保数值解的稳定性。

数值实验表明,该算法是有效的,能够有效地克服ECT图像重建的数值不稳定性;而且该算法计算直接、无需任何复杂的技巧;就该文所考察的重建对象而言,其图像重建质量好于线性反投影算法(LBP)、标准Tikhonov正则法和投影Landweber迭代法。

从而为ECT图像重建提供了一种新的有效方法。

【总页数】6页(P78-83)【关键词】电容层析成像;极小范数解;逆问题;图像重建;正则技巧【作者】雷兢;刘石;李志宏;孙猛【作者单位】中国科学院工程热物理研究所;华北电力大学能源与动力工程学院【正文语种】中文【中图分类】TK39【相关文献】1.基于改进Runge-Kutta型landweber的电容层析成像图像重建算法 [J], 陈宇;陈德运2.基于改进Gauss-Newton的电容层析成像图像重建算法 [J], 陈德运;陈宇;王莉莉;于晓洋3.基于改进粒子群优化的电容层析成像图像重建算法 [J], 严春满;陆根源;张道亮;董俊松4.一个基于1范数的电容层析成像图像重建迭代算法 [J], 雷兢;刘石;李志宏5.基于改进信赖域的电容层析成像图像重建算法 [J], 王莉莉;陈宇;陈德运;于晓洋因版权原因，仅展示原文概要，查看原文内容请购买。

基于改进Runge-Kutta型landweber的电容层析成像图像重建算法

基于改进Runge-Kutta型landweber的电容层析成像图像重建算法陈宇;陈德运【摘要】针对电容层析成像( ECT)技术中的“软场”效应和病态问题，提出了一种改进的Runge-Kutta型landweber的电容层析成像算法。

在分析ECT系统基本原理的基础上，推导出了解决电容层析成像问题的改进Runge-Kutta型landweber算法的数学模型，并采用迭代误差的单调性对算法的收敛性进行了分析。

在此基础上探讨了ECT应用该算法的可行性，算法满足收敛条件且重建图像误差小。

仿真和实验结果表明，该算法和LBP、landweber、最速下降法和共轭梯度算法相比，该算法兼备成像质量高、稳定性好等优点。

%To solve the‘soft-field' nature and the ill-posed problem in electrical capacitance tomography ( ECT) technology, an improved Runge-Kutta type landweber image reconstruction algorithm for electri-cal capacitance tomography was presented. On analysis of the basic principles of the ECT system, mathe-matical model of improved Runge-Kutta the type landweber algorithm was deduced to solve the problem of electrical capacitance tomography, and the convergence of the algorithm by the monotony of the iterative error was analyzed. The feasibility of using this algorithm for ECT problems was also discussed. It shows that it is easy to meet the convergence condition and error of image reconstruction is small. Experimental results and simulation data indicate that the algorithm can provide high quality images and favorable stabi-lization compared with linear back projection(LBP), landweber, steepest descent(SD) andconjugate gradient( CG) algorithms and this new algorithm is feasible and effective.【期刊名称】《电机与控制学报》【年(卷),期】2014(000)007【总页数】6页(P107-112)【关键词】电容层析成像;图像重建;迭代算法;正则化;landweber【作者】陈宇;陈德运【作者单位】东北林业大学信息与计算机工程学院，黑龙江哈尔滨150040;哈尔滨理工大学计算机科学与技术学院，黑龙江哈尔滨150080【正文语种】中文【中图分类】TN911.730 引言随着20世纪80年代中期过程层析成像技术(process tomography，PT)的兴起和发展，该技术之一的电容层析成像技术(electrical capacitance tomography，ECT)成为众多科研工作者研究的对象［1－2］。

电容层析成像算法研究

[] [
][ ]
定内部的物质浓度分布， � � � � � � � � � � � � � � � � � � � 因其 � � � 具有非 � 侵入、响应快、低（，）= - （， + ） �
［1］
� +
（3 ）
成本等优点，近年来得到了迅速发展。 � � � R 给出了式（3 ）的逆变换公式：函数（，）在
2 由于电容传感器具有 “ 软场 ” 特性，且受微电容测 � � 定义域中任意一点（，）处的值可经过该点的所量噪声等因素影响，其图像失真严重，为使 E C 应用有线积分的集合按下式唯一的确定。

于在线测量，有效提高其图像重建精度与速度是该 � 技 � 1 1 2 � � � � � � � � � � （，） L （ + 1 2 0 术的关键，常用重建算法按其原理可归纳为： � � � � 0 2 � 线形反投影算法（ L B P）；基于正则化和多元线 � � � � � � � � � � � + ，）（ 4）形回归算法（M L R R ）；神经网络法；迭代重建算法。 � � � � � 式中：（，）表示（，）关于第一变元的偏导数。 1
电容层析成像算法研究
赵
波，等
电容层析成像算法研究
赵
波
陈至坤
063 009 ）
（河北理工大学计算机与自动控制学院，唐山
摘
要：电容层析成像技术具有非侵入、响应快及易于安装等特点。图像的重建算法与技术是电容成像在工业实际中得以应用的关
� � 键。近年来在图像重建方面的研究取得了较大的进展， � � � � � � 正则法、 L 迭代法、同步跌代法、神经网络法、共轭梯度法及通用迭代法的图像重建质量较 L B P 法有了明显提高。关键词：电容层析成像中图分类号： P3 19 图像重建重建算法文献标识码： A