基于深度學(xué)習(xí)的EIT圖像重建算法研究.pdf

1、電阻抗層析成像（Electrical Impedance Tomography，簡稱EIT）技術(shù)是近幾十年新出現(xiàn)的一種無損檢測技術(shù)。由于該技術(shù)具有無輻射、非侵入、響應(yīng)快、結(jié)構(gòu)簡單以及成本低廉等優(yōu)點，在醫(yī)學(xué)成像、工業(yè)成像和地質(zhì)勘探等領(lǐng)域具有廣闊的應(yīng)用前景。
　　EIT圖像重建問題是一個非線性的病態(tài)逆問題，且測量系統(tǒng)往往存在噪聲，使重建圖像中存在偽影，傳統(tǒng)的圖像重建方法對重建圖像偽影的抑制能力有限。本文首先提出了淺層網(wǎng)絡(luò)智能學(xué)習(xí)法，為

2、了克服淺層神經(jīng)網(wǎng)絡(luò)的缺點，進一步提出了深度學(xué)習(xí)法。主要研究的算法如下:
　　1.提出了基于Hopfield網(wǎng)絡(luò)的EIT圖像重建算法，詳細介紹了該網(wǎng)絡(luò)能量函數(shù)的建立、求解以及圖像重建過程，并通過仿真和系統(tǒng)實驗進行了有效性驗證。
　　2.提出了基于最速下降BP網(wǎng)絡(luò)的EIT圖像重建算法，詳細介紹了該網(wǎng)絡(luò)的正向傳播和誤差反向傳播的過程，以及利用最速下降法建立EIT邊界測量電壓和電導(dǎo)率之間非線性關(guān)系的過程，通過仿真和系統(tǒng)實驗驗證了算法

3、的有效性。
　　3.提出了基于深度模型的EIT圖像重建算法，詳細介紹了EIT深度學(xué)習(xí)網(wǎng)絡(luò)的建立、初始化以及模型訓(xùn)練過程，并通過仿真和系統(tǒng)實驗驗證了該算法的有效性，證明了該方法能有效克服了淺層網(wǎng)絡(luò)學(xué)習(xí)法中容易過擬合、對參數(shù)依賴性強以及對復(fù)雜函數(shù)表示能力有限的問題。
　　4.提出了基于深度字典的稀疏成像方法，詳細介紹了稀疏成像中稀疏系數(shù)的求解和用深度學(xué)習(xí)訓(xùn)練字典的過程，并通過仿真和系統(tǒng)實驗驗證了算法具有較好的保邊緣性。