基于BP网络的电容层析成像图像重建算法.pdfVIP

科I苑I论谈 科—技—黑信龙江总—— 基于BP网络的电容层析成像图像重建算法 卫怀玉 王大伟 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 150080) 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，容易陷入局部最小等缺点。对神 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；BP算法；电容层析成像；图像重建 电容层析成像技术 (ElectricalCapacitance 部输入 (来 自其它神经元的输入)，并且只产生内 映射自甚力和柔性的网络结构。但是BP网络存在着 Tomography)是 2O世纪80年代后期形成和发展 部输出(到其它神经元的输出)。第三层为输出层， 很多不足，为了得到电容层析成像高质量的重建 起来的，由于其非接触，无辐射，成本低廉等优点， 输出信号为图像像素灰度值gi_l，2…n)。 图像，研究人员都在尝试利用改进BP网络，以解 赢得了广泛关注，并在流化床物料分布，气力输送 BP神经网络的的学习过程由信息正向传播 决这些不足。 中气伺两相流动系统，石油工业中洫气两相流等 和误差反向传播构成： 22关于BP神经网络的—些改进 许多工业过程的应用方面取得了相当显著的成 2．1．1正向传播过程：输入信息从输入层经隐 针对上面的问题，许多学者提出了多方面的 绩。 含层逐层处理，传向输出层。若输出层的实际输出 改进方法，主要从参数选取，BP算法，激活函数和 图像重建算法的研究一直是其重点，我们引 与期望的输出不符，则转入误差的反向传播。 网络结构加以优化。 入基于神经网络的图像重建算法，并加以改进，使 a输入层：输入值一般为样本各分量输入值， 22．1参数选取 其尽可能的实时重建出高分辨率的图像，满足 输出值—般等于输入值。 参数选取主要包括初始权值的选取，隐含层 ECT的实际应用。 h隐含层：对于节点j，其输入值△．为其前一 神经元的个数的确定等。 9 1电容层析系统构成及原理 层各 输出值O。的加权和： _ 22BP算法 电容层析成像技术是利用多相介质往往具有 传统的BP算法存在学习效率低，收敛速度 △f=∑w0i (2) 不同的介电常数，通过阵列电极电容变化，反映管 慢，易陷入局部极小的状态等缺点，因此我们采用 道内多相介质分布，从而构造出管道内多相介质 其输出值_为 ： 权值变化量迭代法来改进BP算法。 的=维或三维的分布图像。 0 (△，) (3) 223激活函数 ECT的正问题是指由已知介质的介电常数分 式中：f^j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 布及边界条件求取不同电极对之间的电容值。基 sigmoid函数： 激励状态之间的关系，对于神经元的信息处理信 于高斯定理，则电极对 之间的电容值C可由 息处理特性具有重要意义。标准BP算法的作用函