论文部分内容阅读
过程层析成像技术的起源于上世纪80年代,经过多年的研究与发展,多种形式的过程层析成像技术相继问世。不同机理的层析成像系统的成功激励着科研工作者的持续研究。不同学科领域的科研人员将这些成果应用于两(多)相流系列问题的研究。电容层析成像技术(Electrical Capacitance Tomography,ECT)就是依靠电容极板感知管道内介质分布的一种过程层析成像技术。电容层析成像技术因具有结构简单、非侵入、测量方便等优点,逐渐成为管道检测的主流方法之一。目前电容层析成像图像重建算法所得图像存在成像效果不理想,图像边缘不清晰等问题,因此对于电容层析成像图像重建算法展开相关研究具有一定的现实意义。本文在阅读国内外大量相关文献的基础上,对ECT图像重建算法的国内外研究现状进行了归纳总结,在对电容层析成像系统、压缩感知和水平集的相关理论进行研究的基础上,结合压缩感知与水平集方法的特点,提出了一种基于压缩感知CV水平集的ECT图像重建算法。主要做了以下一些工作:1、针对现有ECT图像重建算法成像效果不理想的问题,提出一种改进稀疏度自适应压缩感知电容层析成像算法。首先对压缩感知和ECT图像重建基本理论进行表述,并推导出压缩感知形式的电容层析成像逆问题求解模型;其次验证了LBP算法图像稀疏度作为稀疏度初始迭代值的合理性,提出一种新型稀疏度自适应压缩感知算法,完成对ECT图像稀疏度的选定并成功重建图像;最后进行了实验仿真,相关系数与图像误差两项指标都有明显提高,表明了该算法的可行性。该方法相比现有压缩感知方法可精准自适应确定信号稀疏度,具有较佳的信号恢复效果。2、针对目前ECT图像重建算法图像边缘不清晰的问题,提出一种基于改进CV水平集方法的ECT图像边缘优化方法。该方法基于能力泛函提取出ECT图像感应效应最强的部分,达到边界优化的效果。首先简述了水平集方法的基本思想和传统CV水平集模型;其次针对ECT图像特点对传统CV水平集模型进行ECT成像适应性改进;最后进行仿真实验,相关系数与图像误差两项指标均有所提高,验证了方法的可行性。3、为了进一步提高电容层析成像算法重建结果,使图像边缘更加清晰,将稀疏度自适应压缩感知算法和CV水平集边缘优化方法组合起来进行图像重建。首先应用稀疏度自适应压缩感知算法得到初步成像结果;然后应用改进CV水平集方法获取能量最优的重建图像边缘并对图像进行灰度还原处理,得到最终重建图像结果;最后进行实验仿真,结果表明,该组合优化算法重建图像相比现有算法成像更接近流型真实分布,相关系数与图像误差两项指标均有一定提高。