電學層析成像激勵測量模式及圖像重建算法研究.pdf

1、電學層析成像技術是一種無損可視化測量技術,該技術具有響應速度快、非侵入、可獲取二維／三維分布參數(shù)信息等優(yōu)點,在醫(yī)學及工業(yè)測量等領域具有廣闊的應用前景。
　　 電學層析成像圖像重建算法的精度決定了該技術的成功應用,而電學層析成像敏感場的‘軟場’特性及有限的投影數(shù)據(jù)決定了圖像重建算法的精度,本論文對上述兩方面問題進行了深入研究,以提高電學層析成像的重建圖像精度,主要工作及結果如下:
　　 1.醫(yī)學監(jiān)護用電阻抗層析成像系統(tǒng),由

2、于人體結構的復雜性,其重建圖像的精度不高,針對人體對象電導率分布變化較慢的特點,研究了基于靈敏度系數(shù)矩陣更新的 Landweber迭代圖像重建算法,以期提高重建圖像精度。靈敏度系數(shù)矩陣更新時的初始圖像由 Landweber迭代法獲得,對采用不同迭代次數(shù)的初始圖像進行靈敏度系數(shù)矩陣更新的效果進行了比較,并且對靈敏度系數(shù)矩陣的更新次數(shù)進行了分析,仿真及實驗結果表明,該方法能有效提高圖像重建精度。
　　 2.驅動模式是指施加激勵電流或

3、電壓的方式,EIT的相鄰電極電流驅動模式導致電流集中分布于管壁,管道中心電流密度相對較小,致使管道中心物體的成像質量差。本文針對16電極 EIT系統(tǒng),采用統(tǒng)一的相鄰電壓測量模式,依據(jù)其結構對稱性,研究了8種電流驅動模式,并對不同驅動模式的等勢線分布、獨立測量數(shù)、測量電壓的動態(tài)范圍、邊界測量電壓的敏感性、重建圖像質量進行了比較,經(jīng)過對各指標的綜合考慮,選取模式7為較優(yōu)的驅動模式。
　　 3.對電容層析成像的電容歸一化模型進行了深入

4、研究,提出了基于混聯(lián)模型及電力線分布的靈敏度矩陣計算方法,基于該靈敏度矩陣及混聯(lián)模型,導出了具有最佳迭代因子的 Landweber迭代算法,仿真及實驗結果表明,該算法重建圖像邊緣清晰、保真度高,并能較好地區(qū)分多個物體。
　　 4.電學層析成像是一個典型的非線性映射問題,小波神經(jīng)網(wǎng)絡結合了小波變換的局部化性質及神經(jīng)網(wǎng)絡的自學習能力,具有較強的函數(shù)逼近能力和容錯能力,收斂速度快。本文提出了基于小波神經(jīng)網(wǎng)絡的電容層析成像圖像重建算法,