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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、電阻抗層析成像技術(shù)(Electrical Impedance Tomography,EIT)是一種新型的無損功能成像技術(shù),因其具有可視化、無輻射、非入侵性、響應(yīng)快、結(jié)構(gòu)簡(jiǎn)單、低成本等優(yōu)點(diǎn),成為國(guó)內(nèi)外研究的熱點(diǎn)。
EIT圖像重建屬于逆問題求解,由于EIT逆問題存在嚴(yán)重的病態(tài)性和非線性,傳統(tǒng)的重建方法將EIT逆問題映射到特定的空間進(jìn)行求解,導(dǎo)致圖像重建精度降低?,F(xiàn)有的機(jī)器學(xué)習(xí)方法中,神經(jīng)網(wǎng)絡(luò)容易陷入局部極值點(diǎn),且實(shí)際應(yīng)用中難以獲得
2、足夠多的標(biāo)記樣本用于訓(xùn)練,導(dǎo)致模型的泛化能力較差。無監(jiān)督學(xué)習(xí)算法不需要單獨(dú)的離線訓(xùn)練過程和帶標(biāo)記的訓(xùn)練數(shù)據(jù)集,可以通過自主學(xué)習(xí)數(shù)據(jù)集,抽取相應(yīng)的內(nèi)在規(guī)律和規(guī)則,做出合理的決策。本文基于無監(jiān)督學(xué)習(xí)對(duì)EIT圖像重建方法展開研究,主要工作如下:
一、建立了EIT測(cè)量值到重建圖像的映射模型,將映射關(guān)系確定轉(zhuǎn)化為分類問題,根據(jù)像素分類結(jié)果重構(gòu)出圖像像素值。
二、為了更好地實(shí)現(xiàn)像素分類,提高EIT重建圖像的準(zhǔn)確性,提出基于等位區(qū)
3、理論的EIT邊界測(cè)量電壓預(yù)處理方法,建立物場(chǎng)區(qū)域到重建圖像像素的點(diǎn)對(duì)點(diǎn)映射模型,將測(cè)量電壓預(yù)處理得到的物場(chǎng)剖分子塊對(duì)應(yīng)的電壓向量作為特征向量,對(duì)物場(chǎng)剖分子塊進(jìn)行分類,從而得到像素分類結(jié)果。
三、依據(jù)不同的物質(zhì)具有不同的電阻抗,物場(chǎng)不同物質(zhì)區(qū)域具有區(qū)別性的特征向量,提出了基于模糊C均值(Fuzzy C-Means Algorithm,F(xiàn)CM)聚類的無監(jiān)督學(xué)習(xí)方法,對(duì)EIT系統(tǒng)中物場(chǎng)剖分子塊對(duì)應(yīng)的特征向量進(jìn)行分類,重構(gòu)出物場(chǎng)中電導(dǎo)
4、率分布,實(shí)現(xiàn)EIT圖像重建。
四、為了驗(yàn)證本文算法的有效性,對(duì)EIT重建圖像質(zhì)量進(jìn)行了客觀、定量的評(píng)價(jià),提出了具有物理意義的EIT圖像質(zhì)量評(píng)價(jià)指標(biāo),以占空比、形心、質(zhì)心、形狀誤差為評(píng)價(jià)指標(biāo)分別對(duì)本文算法、共軛梯度法(Conjugate Gradient,CG)和BP神經(jīng)網(wǎng)絡(luò)算法實(shí)驗(yàn)結(jié)果進(jìn)行了評(píng)價(jià)。
通過仿真實(shí)驗(yàn)和系統(tǒng)實(shí)驗(yàn)驗(yàn)證了本文算法的有效性,實(shí)驗(yàn)結(jié)果表明,相對(duì)于傳統(tǒng)的CG重建算法和基于監(jiān)督學(xué)習(xí)BP神經(jīng)網(wǎng)絡(luò)算法,本文
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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于深度學(xué)習(xí)的EIT圖像重建算法研究.pdf
- 基于半監(jiān)督學(xué)習(xí)的高光譜圖像分類方法研究.pdf
- 基于半監(jiān)督學(xué)習(xí)的JPEG圖像隱密分析方法.pdf
- 基于半監(jiān)督學(xué)習(xí)的遙感圖像地物識(shí)別方法研究.pdf
- 基于半監(jiān)督學(xué)習(xí)的醫(yī)學(xué)圖像檢索研究.pdf
- 基于半監(jiān)督和無監(jiān)督學(xué)習(xí)的特征選擇算法研究.pdf
- 基于半監(jiān)督學(xué)習(xí)的圖像檢索技術(shù)研究.pdf
- 基于最優(yōu)給分的稀疏無監(jiān)督學(xué)習(xí)算法研究.pdf
- 基于半監(jiān)督學(xué)習(xí)的靜態(tài)極光圖像分類.pdf
- 基于監(jiān)督學(xué)習(xí)的問答對(duì)提取方法研究.pdf
- 基于半監(jiān)督學(xué)習(xí)的目標(biāo)跟蹤方法研究.pdf
- 基于多模態(tài)監(jiān)督學(xué)習(xí)的圖像重排序算法研究.pdf
- 基于STDP的脈沖神經(jīng)網(wǎng)絡(luò)無監(jiān)督學(xué)習(xí)研究.pdf
- 基于Voronoi圖的半監(jiān)督學(xué)習(xí)自動(dòng)圖像標(biāo)注.pdf
- 基于非監(jiān)督學(xué)習(xí)的拼接圖像盲取證算法研究.pdf
- 基于無監(jiān)督學(xué)習(xí)的銘牌文字定位和識(shí)別.pdf
- 基于半監(jiān)督學(xué)習(xí)的特征降維方法研究.pdf
- 基于核策略的半監(jiān)督學(xué)習(xí)方法研究.pdf
- 基于監(jiān)督學(xué)習(xí)的腫瘤特征基因選擇方法研究.pdf
- 基于弱監(jiān)督學(xué)習(xí)的實(shí)體關(guān)系抽取方法研究.pdf
評(píng)論
0/150
提交評(píng)論