基于压缩感知的电容层析成像图像重建算法.pdfVIP

基于压缩感知的电容层析成像图像重建算法.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于压缩感知的电容层析成像图像重建算法

第2期 电  子  学  报 Vol.45 No.2 2017年2月 ACTAELECTRONICASINICA Feb. 2017 基于压缩感知的电容层析成像 图像重建算法 张立峰,刘昭麟,田 沛 (华北电力大学自动化系,河北保定071003)   摘 要: 为提高电容层析成像(ECT)系统采样速率及重建图像质量,本文提出一种基于压缩感知理论的ECT 图像重建算法.首先,应用离散Fourier变换基将原始图像灰度信号进行稀疏化处理;接着,从16电极ECT系统中随机 选取14个电极按随机顺序进行激励,并按随机顺序测量不同电极之间电容值,得到测量电容信号并建立相应的观测 矩阵;最后,采用L1范数正则化模型和原对偶内点法实现图像重建.仿真实验结果表明,基于压缩感知理论算法重建 的图像其质量优于Landweber迭代算法,在节省采样时间的同时可实现较高精度的图像重建,为ECT图像重建的研究 提供了一种新的手段. 关键词: 电容层析成像;图像重建;压缩感知;L1正则化;原对偶内点法 中图分类号: TK39   文献标识码: A   文章编号: 03722112(2017)02035306 电子学报URL:http://www.ejournal.org.cn  DOI:10.3969/j.issn.03722112.2017.02.013 ImageReconstructionAlgorithmforElectricalCapacitance TomographyBasedonCompressedSensing ZHANGLifeng,LIUZhaolin,TIANPei (DepartmentofAutomation,NorthChinaElectricPowerUniversity,Baoding,Hebei071003,China) Abstract: Inordertoimprovethesamplingrateandthequalityofthereconstructedimagesofelectricalcapacitance tomography(ECT)system,anewECTimagereconstructionalgorithmbasedoncompressedsensingtheorywasproposed. Firstly,usingtheorthogonalbasisofDiscreteFourierTransformation,thegraysignalsoforiginalimagescanbetransformed intosparsesignals.Then,14electrodesrandomlyselectedfromthe16electrodesECTsystemwereexcitedrandomlyandthe capacitancevaluesbetweendifferentelectrodepairswerealsomeasuredinarandomorder.Bythisway,thecapacitancesig nalsandthecorrespondingobservationmatrixwereobtained.Finally,usingL1regularizationmodelandprimaldualinterior pointmethod,thegraysignalsoforiginalimageswereachieved.Thesimulationresultsshowedthatthequalityoftherecon structedimageswerebetterthantheco

您可能关注的文档

文档评论(0)

zhuwo + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档