版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、電阻抗層析成像(Electrical impedance tomography,簡稱EIT)技術(shù)是一種新型的功能成像技術(shù),其通過測量物體表面的電信息,重建出物體內(nèi)部電導(dǎo)率分布的圖像。由于該技術(shù)具有無輻射性、非侵入性,響應(yīng)快速、成本低廉等優(yōu)點,在醫(yī)學(xué)成像和工業(yè)檢測等領(lǐng)域中具有廣闊的應(yīng)用前景。
EIT圖像重建是一個典型的非線性、病態(tài)逆問題。目前大多數(shù)重建算法將EIT逆問題進(jìn)行了線性近似,但線性化的過程中丟失了很多重要的信息,導(dǎo)致重
2、建的圖像質(zhì)量不高,且圖像中存在大量的偽影。而現(xiàn)有的人工神經(jīng)網(wǎng)絡(luò)的方法雖然有效的解決了非線性求解問題,但在訓(xùn)練過程中容易過擬合,對于復(fù)雜非線性函數(shù)的學(xué)習(xí)能力有限,從而重建圖像的精度不高。本文針對目前的圖像重建算法中存在的問題,提出基于深度神經(jīng)網(wǎng)絡(luò)模型的EIT圖像重建算法,利用深度神經(jīng)網(wǎng)絡(luò)高度逼近復(fù)雜非線性函數(shù)的能力,建立邊界電壓值與電導(dǎo)率分布的非線性映射關(guān)系,實現(xiàn)EIT圖像重建。本文主要研究內(nèi)容如下:
1.采用堆棧式稀疏自編碼器
3、結(jié)合邏輯回歸模型構(gòu)建用于EIT圖像重建的深度神經(jīng)網(wǎng)絡(luò)模型。通過該網(wǎng)絡(luò)模型建立邊界電壓值與電導(dǎo)率分布之間的非線性映射關(guān)系,實現(xiàn)圖像重建,并分別進(jìn)行了仿真分析與實驗驗證。
2.通過構(gòu)建大數(shù)據(jù)樣本,以物體的幾何形狀作為先驗信息,訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)模型。為了提高網(wǎng)絡(luò)模型的性能,對網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化,以得到更好的圖像重建結(jié)果。
3.建立實驗數(shù)據(jù)與仿真數(shù)據(jù)映射關(guān)系模型,對實驗數(shù)據(jù)進(jìn)行預(yù)處理,利用仿真數(shù)據(jù)訓(xùn)練好的深度神經(jīng)網(wǎng)絡(luò)模型實現(xiàn)實
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 面向圖像描述的深度神經(jīng)網(wǎng)絡(luò)模型研究.pdf
- 基于深度學(xué)習(xí)的EIT圖像重建算法研究.pdf
- 用于磨邊磨損圖像自動分析的神經(jīng)網(wǎng)絡(luò)方法
- 用于磨邊磨損圖像自動分析的神經(jīng)網(wǎng)絡(luò)方法
- 用于磨邊磨損圖像自動分析的神經(jīng)網(wǎng)絡(luò)方法 (2)
- 基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像分類模型的設(shè)計與實現(xiàn).pdf
- 用于磨邊磨損圖像自動分析的神經(jīng)網(wǎng)絡(luò)方法 (2)
- 基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像分類方法研究及應(yīng)用.pdf
- 基于深度自適應(yīng)神經(jīng)網(wǎng)絡(luò)的高光譜圖像分類方法研究.pdf
- 基于調(diào)和模型神經(jīng)網(wǎng)絡(luò)的彩色圖像復(fù)原方法研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)模型的遙感圖像分類方法研究.pdf
- 基于GPU的深度神經(jīng)網(wǎng)絡(luò)模型并行及優(yōu)化方法研究.pdf
- 基于深度卷積神經(jīng)網(wǎng)絡(luò)的語義圖像檢索研究.pdf
- 基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像檢索算法研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的虛擬場景真空感圖像重建.pdf
- 基于深度神經(jīng)網(wǎng)絡(luò)的ToF深度圖像去噪研究.pdf
- 基于深度神經(jīng)網(wǎng)絡(luò)的圖像顯著性預(yù)測方法研究與實現(xiàn).pdf
- 基于深度卷積神經(jīng)網(wǎng)絡(luò)的毫米波圖像目標(biāo)檢測方法研究.pdf
- 外文翻譯(中文)---神經(jīng)網(wǎng)絡(luò)用于圖像壓縮
- 基于深度神經(jīng)網(wǎng)絡(luò)的目標(biāo)跟蹤方法研究.pdf
評論
0/150
提交評論