一种基于深度神经网络的ECT图像重建方法技术

本发明专利技术涉及一种基于深度神经网络的ECT图像重建方法，属于电容层析成像(ECT)技术领域。包括以下步骤：S1、利用数值分析法计算得到ECT图像重建的数学模型；S2、通过改进AdaBoost集合算法对数据进行流型分类；S3、建立深度神经网络模型；S4、对搭建好的深度神经网络模型进行训练；S5、使用深度神经网络完成ECT图像重建。使用深度神经网络提高网络的泛化能力，神经网络收敛速度快，降低了运算量的难度。本发明专利技术可以有效的解决重建速度慢和图像重建精度不高的问题，为今后的研究提出了新方向。

【技术实现步骤摘要】
一种基于深度神经网络的ECT图像重建方法
：本专利技术涉及一种基于深度神经网络的ECT图像重建方法，属于电容层析成像(ECT)

技术介绍
：电容层析成像(ElectricalCapacitanceTomography，ECT)技术是目前被研究最广泛的过程层析成像技术，其利用多电极阵列式电容传感器，测量激励电极与检测电极的电容值，并采用算法重建出被测区域内流动介质的分布图像。ECT技术具有成本低廉、非侵入式和安全性高等优点，工业前景广阔。图像重建是ECT检测技术中最关键的一部，作为ECT系统中不可缺少的关键模块，它需要选择不同的算法来实现。目前来说主要有LBP法、Landweber法、正则化法以及神经网络法。而且随着现代工业的不断发展，现在的工业生产生活对重建图像的质量以及重建速度有了更高要求，因此探索行之有效的重建算法是许多学者以及研究人员努力的目标。目前神经网络法进行图像重建拥有更强的学习能力以及识别能力，具有成像速度快、质量高以及实时性强等特点，神经网络法作为一种新的图像处理技术在ECT系统图像重建中优势明显，因此本文档来自技高网...

【技术保护点】
1.一种基于深度神经网络的ECT图像重建方法，其特征在于，包括以下步骤：/nS1、利用数值分析法计算得到ECT图像重建的数学模型；/nS2、通过改进的AdaBoost集合算法对数据进行流型分类；/nS3、建立深度神经网络模型；/nS4、对搭建好的深度神经网络模型进行训练；/nS5、使用深度神经网络完成ECT图像重建。/n

【技术特征摘要】
1.一种基于深度神经网络的ECT图像重建方法，其特征在于，包括以下步骤：
S1、利用数值分析法计算得到ECT图像重建的数学模型；
S2、通过改进的AdaBoost集合算法对数据进行流型分类；
S3、建立深度神经网络模型；
S4、对搭建好的深度神经网络模型进行训练；
S5、使用深度神经网络完成ECT图像重建。


2.根据权利要求1所述的基于深度神经网络的ECT图像重建方法，其特征在于，所述S1中，数值分析的计算过程，具体步骤如下：
流型的分布是随机的影响着介电常数，导致介电常数分布无固定的表达式，使用有限元法进行数值计算；再经过处理后的被测区域内的介电常数分布后，采用数值分析法计算出相应的电容值和灵敏度值；最后根据各值的联系建立出ECT图像重建的数学模型。


3.根据权利要求1所述的基于深度神经网络的ECT图像重建方法，其特征在于，所述S2中，通过改进的AdaBoost集合算法对数据进行流型分类，具体步骤如下：
将获取到的电容样本进行电容值的计算并对计算结果进行归一化处理；利用电容值计算得出被测管道内的空隙率分布；根据流型和空隙率之间的关系采用改进的AdaBoost算法对流型进行分类。


4.根据权利要求1所述的基于深度神经网...

【专利技术属性】
技术研发人员：许静茹，李岩，李沛，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：黑龙江;23