欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2019113020222
申请人: 河南师范大学
专利类型:发明专利
专利状态:未下证
专利领域: 医学或兽医学;卫生学
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种灰度值矩阵快速分解重建的正则化方法,其特征在于具体过程为:步骤一:针对三种典型模型,分别获取各自重建所需的灵敏度矩阵A和测量电压b:将被测对象置于电学层析成像测量系统中,采用绝对成像的方式,被测场域外边界处均匀分布

16个铜电极,采用经典的电流激励电压测量方式,持续采集循环激励循环测量下的边界电压,共获得208个测量值,104个独立测量值;b为不含夹杂物的空场边界电压bmeas1和含有夹杂物的有物场的边界测量电压bmeas2之差即相对边界测量值b=bmeas2-bmeas1;

灵敏度矩阵是根据空场状态下的边界测量电压数据得到的,结合灵敏度理论通过公式计算得到灵敏度矩阵,计算公式为: 其中,Aij是第j个电极对对第i个电极对的灵敏度系数, 分别为第i个电极对及第j个电极对在激励电流为Ii,Ij时场域电势分布;

步骤二:电阻抗层析成像的逆问题是一个高度的非线性问题,需要转化为线性问题进行求解:边界测量电压与电导率分布的关系是非线性的f(σ)=b,式中σ是电导率,对于变化不大的电导分布,f(σ)=b可将边界测量电压的变化简化为线性形式 式中Δσ是电导率分布的扰动,Δb是电导率的变化引起的边界测量电压的变化,最后导出电阻层析成像逆问题的线性化形式Ag=b,式中g为所求成像的灰度值;

步骤三:设计目标函数为: 式中, 是

保真项,λTGV是正则化参数,A代表着雅可比矩阵,g代表着灰度值,b是测量电压,是惩罚项,α1,α0是自适应权重因子,▽为梯度算子,ε(v)=(▽v+▽vT)/2表示对称梯度算子,v是对称场量,在电阻抗层析成像图像重建中,通过将目标函数极小化来求解最优灰度值,其模型式表示为:步骤四:推导出模型 的对偶形式为:

式中, Ω是图像域, 是实数域;

步骤五:根据步骤四推导的对偶形式的迭代算法如下:

(1)初始化:w=0,v=0, p=0, q=0,g0=0,τ=1/L,σ=1/L;

(2)更新辅助变量pk+1:

(3)更新辅助变量qk+1:

(4)更新变量wk+1:

(5)更新变量vk+1:vk+1=vk+τ(pk+1+divεqk+1);

(6)更新灰度值gk+1:gk+1=gk+τ(div▽pk+1-ATwk+1);

步骤六:为了进一步提高图像空间分辨率,抑制阶梯伪影,针对步骤五迭代的灰度值,设计了灰度值优化迭代过程:对于优化后灰度值u来说,因为YTY=I,所以得到u=YTYu,Y表示灰度值快速分解系数矩阵,YT是Y的逆变换,YT表示灰度值快速重建系数矩阵;利用惩罚项具有沉余性和多分辨率结构的特点,结合L0范数,对灰度值进行快速分解重建,这样能够稀疏的逼近图像的分段光滑函数,降低阶梯伪影,提高图像空间分辨率,其目标函数定义为:式中, 是保真项,C是可以自适应选择图像不同区域的微分算子,g是灰度值,||λ·κ||0是惩罚项,λ是正则化参数,κ是优化系数;

步骤七:推导出目标函数的拉格朗日形式:

式中,m是辅助变量,μ,γ是设置的参数;

步骤八:根据步骤七拉格朗日形式的迭代算法如下:

(1)初始化:κ=0, k=0,λ=1e-6,γ=0.001,μ=0.001;

(2)更新优化后灰度值uk+1:uk+1=(CTC+(μ+γ)I)-1(CTg+γuk+μT(κYk-mk));

(3)更新变量κk+11:κk+1=Hλ,μ,γ(Yuk+1+mk,κk);

(4)更新变量mk+1:mk+1=mk+Yuk+1-κk+1;

k+1

(5)判断迭代是否符合迭代终止条件u 是否收敛,若是则迭代终止,进行下一步操作;

若否,设置k=k+1并跳回步骤八的第(2)步,继续迭代求解;

步骤九:根据最终求解优化后灰度值u进行成像。