电容层析成像的正则化优化修正共轭梯度算法研究.pdfVIP

电容层析成像的正则化优化修正共轭梯度算法! 曹琳琳，等 电容层析成像的正则化优化修正共轭梯度算法 ! #$%’()* +,(-.*$) !/’#,.)01 2.)0 34).1.5*- 6*’/(,.5().#$ 7#, 8/*9),.9(/ (4(9.)($9* :#1#’,(40; 曹琳琳! 薄亚明 （江南大学通信与控制工程学院，无锡! #$ # ） 摘! 要：在分析电容层析成像基本原理和图像重建算法的基础上，提出一种结合正则化优化修正的共轭梯度算法。首先利用%’( )*+*, 正则化法求解不适定逆问题；又因敏感场矩阵的降质特性，对初始图像进行优化修正，利用共轭梯度算法，求得重建图像。例算 结果表明，在成像速度方面，该法比-.+/01213 迭代法收敛更快；而在图像重建质量方面，也比其他方法具有一定的优势。 关键词：电容层析成像! 图像重建算法! 正则化! 共轭梯度法 中图分类号：%456#7 #! ! ! ! 文献标识码：8 ’98?:@8 ：9.:1/ *+ ;)1 .+.=:: * 2.:? @3+?@1 * 11?;3?. ?.@.?;.+?1 ;*A*B3.@)= .+/ ;)1 A.B1 31?*+:;3C?;*+ .B*3;)A ，. ?*+DCB.;1 B3./1+; .B*3;)A 0;) *@;AE1/ 31BC.3E.;*+ : @3*@*:1/7 F3:; ，;)1 %’)*+*, 31BC.3E.;*+ A1;)*/ : 1A@*=1/ ;* :*,1 ;)1 (@*:1/ +,13:1 @3*21A7 G1?*+/ ，;)1 +;. A.B1 : *@;AE1/ /C1 ;* ;)1 /1B3./1/ :1+:;,;= A.;3H7 %)1+ ;)1 1:;.2:)1/ +*3A. 1IC.;*+ ?.+ 21 :*,1/ 0;) ;)1 ?*+DCB.;1 B3./1+; A1;)*/7 JCA13?. 1H@13A1+;: :)*0 ;).; ;)1 @3*@*:1/ A1;)*/ : A*31 3.@/ ;).+ -.+/01213 ;13.;,1 A1;)*/ + ?*+,13( B1+?1 ，.+/ ;)1 31?*+:;3C?;1/ A.B1: 0;) ;): .B*3;)A .31 21;;13 ;).+ ;)*:1 0;) *;)13 A1;)*/: + IC.;=7 A5;B.?C9 ：K1?;3?. ?.@.?;.+?1 ;*A*B3.@)=! LA.B1 31?*+:;3C?;*+ .B*3;)A! M1BC.3E.;*+! N*+DCB.;1 B3./1+; A1;)*/ 敏感场的非线性特性相一致。但由于多相流系统中流 ! 引言 型变化的随机性，训练样本的选取有一定的困难。从 电容层析成像 KN% （11?;3?. ?.@.?;.+?1 ;*A*( 所公布的实验结果看，神经网络法对多相流的简单流 B3.@)= ）中图像重建算法是KN% 技术中的重点环节，成 型如层流、核心流，重建的图像效果较好，但对于更复 像质量决定着应用的有效性和可靠性。KN% 系统的图 杂的流型如环型流、泡状流等，重建的图像效果并不理 像重建需在有限个投影数据（电容测量值）下进行，因 想 。同时，神经网络法因选取样本及训练算法等影响 投影数据量少于未知变量（像素）个数，由于待求线性 ［5 ］ 不能克服对于管截面中心处成像精度低的不足 。 方程组问题的病态性，这类逆问题的求解具有不适定