基于lstm的电容层析成像系统的图像重建算法技术方案

本发明专利技术涉及一种基于LSTM的电容层析成像系统的图像重建方法，其方法如下：(1)构建电容层析成像系统模型，通过Comsol有限元仿真软件获得电容层形成像系统的灵敏度场，以及获得不同位置、不同形状的物场分布情况下的电容向量。(2)利用Landweber算法得到重建图像。(3)按“行”确定“时间序列”样本，并利用LSTM神经网络模型得到图像重建结果。(4)按“列”确定“时间序列”样本，并利用LSTM神经网络模型得到图像重建结果。(5)融合两图像结果，得到最后图像重建结果。本发明专利技术通过上述方法提高了重建图像质量，使重建的介质分布更接近真实分布。使重建的介质分布更接近真实分布。使重建的介质分布更接近真实分布。

【技术实现步骤摘要】
基于lstm的电容层析成像系统的图像重建算法


[0001]本专利技术涉及基于LSTM的电容层析成像系统的图像重建方法，属于过程层析成像


技术介绍

[0002]电容层析成像技术是电学层析成像的一种，它是20世纪80年代中后期形成和发展起来的一种用于多相流参数检测的过程成像技术。它是以医学CT技术为基础伴随着计算机技术和传感器技术发展起来的一种重要的过程层析成像技术。ECT技术的原理可以描述为：若管道或容器中两种具有不同介电常数的物质混合在一起，当各物质组分及其分布发生变化时，会引起混合物等价介电常数的变化，从而使其测量电容值随之发生变化。采用多电极阵列式电容传感器，其各电极之间的相互组合可提供反映混合物介电常数分布的多个电容测量值，以此为投影数据，采用一定的图像重建算法，即可重建反映管道或装置在某一被测区域内的介质分布状况的图像。ECT是一种智能化的过程参数实时检测系统，它以非侵入的方式获取复杂工业过程中管道或者容器截面或空间状况的二维、三维可视化信息。这对检测一些特性复杂多变且常规方法检测存在很大困难的参数检测提供了有效的途径。目前国本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于LSTM的电容层析成像系统的图像重建方法，其特征在于，包括以下步骤：(1)构建电容层析成像系统模型，通过Comsol有限元仿真软件获得电容层析成像系统的灵敏度场；获得不同位置、不同形状的物场分布情况下的电容向量；(2)根据步骤(1)所得到的灵敏度场和电容向量，利用Landweber算法得到重建图像；(3)按“行”确定“时间序列”样本，并利用LSTM神经网络模型得到图像重建结果；(4)按“列”确定“时间序列”样本，并利用LSTM神经网络模型得到图像重建结果；(5)融合两图像结果，得到最后图像重建结果。2.根据权利要求1所述的基于LSTM的电容层析成像系统的图像重建方法，其特征在于，所述的步骤(3)中，具体方法为：(3.1)把步骤(2)所得到的重建图像转化为具有时间步的输入“时间序列”：将步骤(2)所得到的重建图像按照“行”首尾连接变成一维向量；并把此一维向量重新整理变成N*M维矩阵，这N行看成具有时间步的输入“时间序列”，每行向量就是表示此输入序列单词的“词嵌入向量”；(3.2)把步骤(1)所得到的Comsol有限元仿真软件设定的流型图像转化为具有时间步的输出“时间序列”：将步骤(1)Comsol有限元仿真软件设定的流型图像按照“行”首尾连接变成一维向量；把此一维向量重新整理变成N*M维矩阵，这N行看成具有时间步的输出“时间序列”，每行向量就是表示此输出序列单词的“词嵌入向量”；(3.3)利用步骤(3.1)和(3.2)得到的输入样本集和输出样本集训练LSTM神经网络的神经网络，在训练结束后，保存神经网络模型；(3.4)在推理阶段，加载神经网络模型，把Landweber算法得到的重建图像按照行首尾连接变成一维向量；将此一维向量重新整理变成N*M维矩阵，然后将这N行向量依次送入LSTM神经网络，最后神经网络输出得到N*M维...

【专利技术属性】
技术研发人员：吴新杰，高明玉，
申请(专利权)人：辽宁大学，
类型：发明
国别省市：