基于卷积神经网络的ECT图像重建算法研究

《基于卷积神经网络的ECT图像重建算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、ｆ／分类号：单位代码：１０１４０密级：公开学号：４０３１５３１７３８．◎ＬＩＡＯＮＩＮＧＵＮＩＶＥＲＳＩＴＹ硕士学位论文ＴＨＥＳＩＳＦＯＲＭＡＳＴＥＲＤＥＧＲＥＥ中文题目：基于卷积神经网络的ＥＣＴ图像重建算法研究ＲｅｓｅａｒｃｈｏｎＥＣＴＩｍａｅＲｅｃｏｎｓｔｒｕｃｔｉｏｎＡｌｏｒｉｔｈｍＢａｓｅｄｏｎｇｇＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋ英文题目：论文作者：李红玉指导教师：吴新杰教授专业：测试计量技术及仪器完成时间二○一八年五月

2、：辽宁大学学位论文原创性声明本人郑重声明：所呈交的学位论文是本人在导师的指导下独立完成的。论文中取得的研究成果除加以标注的内容外，不包含其他个人或集体已经发表或撰写过的研究成果，不包含本人为获得其他学位而使用过的成果。对本文的研究做出重要贡献的个人和集体均已在文中进行了标，注＜，并表示谢意。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：年ｉｒ月＃日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交学位论文

3、的原件、复印件和电子版。本人授权辽宁大学可以将本学位论，允许学位论文被查阅和借阅文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编学位论文。同时授权中国学术期刊（光盘版）电子杂志社将本学位论文收录到《中国博士学位论文全文数据库》和《中国优秀硕士学位论文全文数据库》并通过网络向社会公众提供信息服务。学校须按照授权对学位论文进行管理，不得超越授权对学位论文进行任意处理。保密（）。（保密：请在括号，在年后解密适用本授权书“”内划ｖ）授权人签名：江Ａ指导教

4、师签名：２紡态冬■曰期：月Ｗ曰曰期：〇（３年ｓ年月货曰２Ｓ申请辽宁大学硕士学位论文基于卷积神经网络的ECT图像重建算法研究ResearchonECTImageReconstructionAlgorithmBasedonConvolutionalNeuralNetwork作者：李红玉指导教师：吴新杰教授专业：测试计量技术及仪器答辩日期：2018年5月15日二○一八年五月·中国辽宁摘要摘要在80年代被提出来的电容层析成像技术（ElectricalCapacitanceTomographyTechnology，ECT），是

5、用来探究被测管道或者区域中具有不同介电常数的物体的分布情况。ECT技术凭借其简单的构造，无需直接接触，廉价的成本以及可检测范围广等优势，在将来的石油、化工等各个工业领域内具有很好的发展前景。经过这么多年众多相关科研人员的研究与发展，ECT技术已经取得很大的进展，但是由于软场特性问题的存在，且无法避免和彻底解决，导致ECT系统图像重建的效果不理想，所以对ECT技术重建算法进行深入研究具有重要意义，未来仍需要相关学者对该技术深入学习和研究。本文在查阅了大量国内外参考文献基础上，对ECT技术背景意义、国内外研究近况及其应用领域进行了

6、简单介绍，并对ECT系统基本构成与数学理论基础等进行了具体地阐述。然后详细论述了卷积神经网络（ConvolutionalNeuralNetwork，CNN）的基本结构和工作理论原理及其过程，并针对目前ECT重建图像精度不高的问题，提出一种基于CNN网络的ECT图像重建方法，主要完成了如下工作：首先，针对目前ECT图像重建中固定灵敏度场所提供物场信息不全面的问题，提出一种利用CNN网络对ECT系统的灵敏度矩阵进行更新的方法，使得灵敏度矩阵随着流型的不同而发生变化，从而能够提供关于物场的更多信息。该方法主要在利用COMSOL软件提

7、取了大量灵敏度场样本的基础上，经训练后，建立网络模型，然后以Landweber算法图像作为网络的初始值，使用该模型更新灵敏度矩阵，并用于ECT图像重建。最后进行仿真分析，并与使用固定灵敏度矩阵所重建的图像相对比，结果表明对灵敏度矩阵的更新确实可以一定程度提高图像质量，从而证明了该方法的有效性。其次，针对现如今ECT系统重构图像质量不高的问题，本论文提出一种利用CNN网络解决ECT图像重建问题的方法。该方法同样在提取了大量流型样本的基础上，经训练后建立模型；然后以Landweber法图像重建结果作为初始值，利用该网络模型重建出几

8、种典型流型的介电常数分布；最后进行成像结果分析，对几种不同算法所重建图像进行仿真比较，验证了该方法的有效性。I摘要最后，为了进一步提高ECT系统重建图像精度，将基于CNN网络的灵敏度场更新方法与利用CNN网络解决图像重建问题的方法相结合，提出一种基于CNN网络的ECT图像重建