一种提高背景清晰度的高精度图像重建方法技术

本发明专利技术公开了一种提高背景清晰度的高精度图像重建方法，包含下列步骤：(1)根据被测场域，获取重建所需的边界测量电压U和灵敏度矩阵A。(2)设置初始化参数。(3)设定循环条件为或者迭代次数达到200。(4)开始计算目标函数的求解模型(5)判断是否符合迭代终止条件，若是则迭代终止，进行下一步操作；若否，设置k＝k+1并跳回第(3)步，继续迭代求解。(6)根据最终求解灰度值，进行成像。本发明专利技术提出的一种提高背景清晰度的高精度图像重建方法在图像重建中具有更好的重建图像像质量，同时相比全变分算法在去除阶梯伪影上具有更大的优势，而且通过自适应参数的选择使得参数的选择具有很明显的客观性和简易性。数的选择具有很明显的客观性和简易性。数的选择具有很明显的客观性和简易性。

【技术实现步骤摘要】
一种提高背景清晰度的高精度图像重建方法


[0001]本专利技术涉及电阻层析成像图像重建技术，具体涉及一种提高背景清晰度的高精度图像重建方法，属于电阻层析成像


技术介绍

[0002]电阻层析成像(Electrical Resistance Tomography，ERT)是近年来发展起来的新型测量技术，由于该技术具有无辐射、非侵入、响应快、结构简单以及成本低廉等优点，在医学临床监护和工业测量等领域具有广阔的应用前景。在过去二十多年中，ERT技术得到了迅速的发展，但由于ERT反问题的求解具有非线性、欠定性和病态性等难点，使得重建图像质量并不理想。
[0003]电阻层析成像的图像重建是一个非线性的不适定逆问题，通过线性化处理，可以将此非线性问题转化为线性问题求解。由于获取的被测场域的边界电压数量远小于求解场域的像素值，这会导致求解逆问题时的不适定性，针对逆问题求解的不适定性，通常采用正则化方法来找到一个解去逼近真实解。为了提高重建图像精度，目前广泛应用的典型算法包括非迭代的线性反投影(linear back projection，LBP)算法以及迭代Tikhonov算法和全变分(Total Variation，TV)正则化算法。然而，线性反投影算法属于一步成像，重建图像过程中会产生大量的伪影，导致图像清晰度低；Tikhonov算法虽然成像质量有所改观，但Tikhonov正则化方法以L2范数为正则项，因此当被测介质连续分布时具有良好的性能，当被测介质不连续分布时，在边界上施加了过度的平滑性，从而降低了重建图像的分辨率；为了进一步改善图像质量问题，后来人们采用了全变分算法，使得图像质量得到了较好提高，它保留了边界的不连续性，同时允许重建锐利的边缘，以产生更清晰的图像，但是全变分算法存在一定不足之处，它在保边的同时产生了阶梯效应现象，使得重建图像质量有了新的问题。
[0004]针对上述算法在图像重建过程中产生的阶梯伪影的问题，本专利技术提出了一种提高背景清晰度的高精度图像重建方法，既能有效保留锋利的边缘，又能很好抑制图像重建过程的阶梯伪影，同时在重建图像的过程中具有很好的鲁棒性。

技术实现思路

[0005]本专利技术的目的在于提供了一种提高背景清晰度的高精度图像重建方法，该图像重建方法可以有效地降低阶梯伪影、提升背景清晰度和提高抗噪性能。相比于LBP算法、Tikhonov算法和全变分算法，本专利技术提出的方法在提高电阻层析成像重建图像的成像质量方面具有明显的效果。
[0006]本专利技术为实现上述目的采用如下技术方案：一种提高背景清晰度的高精度图像重建方法，该方法将电阻层析成像看作一个线性不适定问题Ag＝U。其中，A为灵敏度矩阵，U为相对边界测量电压值，g为成像灰度值。通过灵敏度矩阵A和相对边界测量电压U可建立最小化的目标函数I为然后对目标函数I的最小化处理可得到对应的
求解模型为在目标函数I每次求解结果的基础上，进一步进行如下优化过程：首先定义目标函数II为进行如下优化过程：首先定义目标函数II为为待求的成像灰度值，α是优化参数I；其最小化目标函数形式为为了解决目标函数II中的最小化问题，引入如下阈值函数来对其进行限定求解：U是相对边界测量电压值，表示阈值范围内的最小值，其中根据目标函数I的每次迭代更新变量可列出目标函数II的求解迭代形式为：然后通过判断迭代是否符合迭代终止条件或者是否达到最大的迭代次数150次，从而可以得到最优解，即为可用于成像的最优成像灰度值。
[0007]本专利技术的有益效果是：相比于Tikhonov算法和全变分算法，本专利技术提出的一种提高背景清晰度的高精度图像重建方法在图像重建中具有更好的重建图像质量，同时相比全变分算法在去除阶梯伪影上具有更大的优势，而且通过自适应参数的选择使得参数的选择具有很明显的客观性和简易性。
附图说明
[0008]图1为本专利技术的一种提高背景清晰度的高精度图像重建方法的流程框图。
[0009]图2为本专利技术的电阻层析成像系统环形单截面被测场域，激励电流和测量电压的模式以及电极分布。
[0010]图3为本专利技术的实例，在选取两种真实的模型分布时，由Tikhonov算法、全变分算法以及本文中的一种提高背景清晰度的高精度图像重建方法的图像重建示意图。
[0011]图4为三种方法在相同条件下重建的两种真实模型的图像相对误差和相关系数。
[0012]图中：1
‑
电极，2
‑
被测场域，3
‑
测量电压，4
‑
激励电流。
具体实施方式
[0013]结合附图和实施例对本专利技术的一种提高背景清晰度的高精度图像重建方法加以说明。
[0014]本专利技术提出的一种提高背景清晰度的高精度图像重建方法，针对传统正则化算法产生的阶梯伪影问题和背景不清晰问题，以目标函数I求解结果为基础，结合提出的图像重建优化方法，采用L2范数作为保真度项，L1范数作为惩罚项，通过自适应选择正则化参数和权重因子来选取最优值，以一种有着精准阈值范围的限定函数来求解本专利技术提出的目标函数，因此完成最优成像灰度值求解。
[0015]如图1所示，为本专利技术的一种提高背景清晰度的高精度图像重建方法流程图。根据流程图可以求解最优成像灰度值，具体实施步骤如下所示：
[0016]步骤一：首先求解相对边界测量电压值和灵敏度矩阵，采用相邻激励的方式，在电极中注入激励电流得到边界测量的空场电压U1，当场域中有目标物时，测量得到的边界电压即为满场电压U2，放入目标物的满场电压U2和不包含目标物的空场电压U1做差值可得到相对边界测量电压值U，即：U＝U2‑
U1，然后结合灵敏度理论，通过计算得到灵敏度矩阵，计算公式为：式中，A
ij
是第j个电极对对第i个电极对的灵敏度系数，φ
i
，φ
j
分别为第i个电极对及第j个电极对在激励电流为I
i
，I
j
时的场域电势分布，计算得到的所有的灵敏度系数A
ij
共同组成灵敏度矩阵A；
[0017]步骤二：相对边界测量电压值与电导率分布的关系是非线性的，可表示为f(σ)＝U，式中，σ表示电导率，将相对边界测量电压值与电导率分布的非线性形式转化为线性形式AgΔσ＝ΔU，式中，Δσ为电导率的扰动值，ΔU是电导率变化引起的电压差值的变化，可用成像灰度值表示，即线性形式AgΔσ＝ΔU进一步表示为Ag＝U，式中g表示成像灰度值；
[0018]步骤三：根据步骤二得到的相对边界测量电压值与电导率分布的线性形式，可建立电阻层析成像的目标函数I为：通过对目标函数I极小化，可得到其求解模型为然后在目标函数I的基础上建立目标函数II：函数II：为待求的成像灰度值，通过对目标函数II极小化，可得到其求解模型为到其求解模型为是最终用于成像的最优成像灰度值，p表示指数参数，α是优化参数I，可以校正全局最优解的结果。根据得到的求解模型，再结合相对边界测量电压值U和灵敏度矩阵本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种提高背景清晰度的高精度图像重建方法，其特征在于具体步骤为：步骤一：首先求解相对边界测量电压值和灵敏度矩阵，采用相邻激励的方式，在电极中注入激励电流得到边界测量的空场电压U1，当场域中有目标物时，测量得到的边界电压即为满场电压U2，放入目标物的满场电压U2和不包含目标物的空场电压U1做差值得到相对边界测量电压值U，即：U＝U2‑
U1，然后结合灵敏度理论，通过计算得到灵敏度矩阵，计算公式为：式中，A
ij
是第j个电极对对第i个电极对的灵敏度系数，φ
i
，φ
j
分别为第i个电极对及第j个电极对在激励电流为I
i
，I
j
时的场域电势分布，上述计算得到的所有的灵敏度系数A
ij
共同组成灵敏度矩阵A；步骤二：相对边界测量电压值与电导率分布的关系是非线性的，可表示为f(σ)＝U，式中，σ表示电导率，将相对边界测量电压值与电导率分布的非线性形式转化为线性形式AgΔσ＝ΔU，式中，Δσ为电导率的扰动值，ΔU是电导率变化引起的电压差值的变化，可用成像灰度值表示，即线性形式...

【专利技术属性】
技术研发人员：施成成，张波，魏国栋，王蕾，亓震，
申请(专利权)人：施成成，
类型：发明
国别省市：