[发明专利]一种基于分布式采样结构的EMT图像重建方法

说明书

一种基于分布式采样结构的EMT图像重建方法，基于FRI信号模型在EMT系统中的应用，将成像所需的电导率分布情况建模为典型FRI信号，采用一种分布式FRI采样结构利用合适的FRI采样核进行均匀采样，以获得更多测量量及精确特征参数信息。然后在考虑多通道采样信号之间相关性的基础上，研究了信号联合重建算法以降低噪声的影响。理论分析及实验结果表明，本发明方法在EMT图像重建误差和相关系数等指标上比原有方法好，能准确快速地重建EMT图像。

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于分布式采样结构的EMT图像重建方法。

背景技术

Electromagnetic Tomography(EMT)即电磁层析成像是一种基于电磁感应定律的用于多相流参数检测的工业过程层析成像技术。如图1EMT系统结构所示，EMT系统通过激励线圈穿透导电物体产生正弦时变的一次磁场，一次磁场感应的涡流产生二次磁场，由于二次磁场与物体的电导率分布有直接关系，因此可以通过测量二次磁场推导出电导率分布信息用于成像。由于EMT具有非接触测量、无辐射危害、便携性好、响应速度快、成本低等优点，在工业过程控制、生物医学研究、缺陷检测等领域具有广阔的应用前景。

EMT的目的是重建被研究目标的复杂电导率分布，即EMT的整体目的可以概括为：

V＝Sg

其中，V为测量电压，S为灵敏度矩阵，g为电导率分布。所以EMT的重建思路就是通过得到的测量电压和被测物场的灵敏度矩阵分析进而重现被测目标的电导率分布情况。围绕这个主要问题，近年来已有多种EMT重建算法被提出，全变分(TV)正则化算法可以较稳定地提高重建图像的分辨能力，但不能满足实时性的要求。Landweber迭代算法由于其广泛适用性所以近年来应用较多，但该算法是基于梯度下降法的，所以在参数不合适的情况下结果会有所不同。线性反投影(Linear back-projection,LBP)算法是最早、应用最广泛的图像重建算法之一，具有简单、快速的优点，但对复杂流型的重建图像质量较低。Tikhonov正则化算法能有效应用于病态问题，其图像质量优于LBP算法，但在边缘效果方面较差。Newton-Raphson算法通过求解非线性方程得到最小二乘解，能够抑制迭代误差，但该算法收敛速度较慢，容易收敛到局部极值。神经网络算法需要使用大量样本进行训练，只适用于处理一些简单的流型。虽然代数重建技术(ART)可以得到近似稳定的图像，但重建结果对噪声比较敏感。Kalman滤波算法和粒子滤波算法利用先验信息，通过迭代估计图像，但是Kalman滤波算法在迭代过程中需要进行矩阵求逆操作，而粒子滤波算法需要大量的样本，导致运算时间较长。综上所述，由于EMT系统的软场特性、严重的非线性和病态性，图像重建仍然是EMT系统的主要难点之一，如何精准高效地重建EMT图像是研究的关键问题。

发明内容

为了克服已有技术的不足，本发明提出一种基于分布式采样结构的EMT图像重建方法，能有效抑制噪声的影响，精准高效地重建EMT图像。FRI模型在EMT中的应用是本发明方法的基础，通过将输入信号建模为典型的FRI信号模型以匹配适合的采样结构设计，利用FRI采样结构中多通道采样信号之间的相关性，以一种新的分布式FRI采样结构进行采样过程，精确提取EMT信号的特征参数信息，然后建立新的测量方程，利用信号联合重建算法重建EMT图像信号。

本发明解决其技术问题所采用的技术方案是：

一种基于分布式采样结构的EMT图像重建方法，包括以下步骤：

步骤一，由于原始信号无法被直接测量或采样，因此需要先对原始输入信号进行FRI信号建模：设EMT系统获得测量电压V和灵敏度矩阵S，V为N×1的一维向量，S是N×N的矩阵，N代表像素个数，是正整数，分别采用LBP算法、Landweber迭代算法和TV正则化算法生成输入信号g₁(t)、g₂(t)和g₃(t)：