[发明专利]基于图卷积网络的电容层析成像重建方法与装置

说明书

本申请涉及一种基于图卷积网络的电容层析成像重建方法、装置、计算机设备和存储介质。所述方法包括：根据有限元法对目标图像待测区域网格化，得到拓扑图；根据拓扑图中每个节点以及对应的两个领域节点构建像素单元，计算每个像素单元的介电常数分布，根据介电常数分布计算对应的电容值，得到拓扑图中每个节点的特征；根据拓扑图中每个节点的特征计算特征图的拉普拉斯矩阵，将拉普拉斯矩阵输入图卷积网络模型，得到输出特征图；将输出特征图在预设图卷积网络模型的全连接层进行降维，得到介质分布灰度图像。本方法通过预设图卷积网络模型挖掘复杂流形的待测区域中非欧式数据之间的特征，相比传统卷积神经网络的重建方法，提高了成像精度。

技术领域

本申请涉及层析成像技术领域，特别是涉及一种基于图卷积网络的电容层析成像重建方法、装置、计算机设备和存储介质。

背景技术

电容层析成像技术是通过测量管道周围排列的电极对间的电容值来重建管道内的两相或多相流介质分布情况或流动状态，实现两相或多相流动可视化。因此电容层析成像技术可应用于两相以及多相流检测中，比如石油开采与输运、煤化工产品以及冷凝管的蒸馏过程等，像在工业领域中，重力热管作为系统能源开发、化工产业中高效换热元件，其重要构成冷凝管中的水气分布及其含量对其蒸馏过程极其重要。而电容层析成像技术以非接触非侵入的方式对封闭管道内的介质进行可视化检测，与传统测量技术相比具有无辐射、响应速度快、结构简单、安全性高以及成本低等优点。

图像重建是层析成像系统中的重要环节，目前应用比较广泛的ECT图像重建算法，存在成像精度低的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高电容层析成像图像精度的基于图卷积网络的电容层析成像重建方法、装置、计算机设备和存储介质。

第一方面，提供了一种基于图卷积网络的电容层析成像重建方法，该方法包括：

根据有限元法剖分目标图像待测区域中的每个节点，确定与每个节点距离最近的两个领域节点，根据每个节点和两个领域节点之间的连接边构建拓扑图；

根据拓扑图中每个节点以及对应的两个领域节点构建像素单元，通过数值分析法计算每个像素单元的介电常数分布，根据介电常数分布计算对应的电容值，得到拓扑图中每个节点的特征；

根据拓扑图中每个节点的特征计算特征图的拉普拉斯矩阵，将拉普拉斯矩阵输入图卷积网络模型，通过预设图卷积网络模型的卷积层进行特征提取，得到特征信息；

将特征信息输入激活函数进行处理，得到输出特征图；

将输出特征图在预设图卷积网络模型的全连接层进行降维，得到介质分布灰度图像；其中，预设图卷积网络模型基于电容层析成像数据集训练得到。

在其中一个实施例中，预设图卷积网络模型的训练过程包括：构建电容层析成像数据集；将电容层析成像数据集输入初始图卷积网络模型进行重建，得到预测图像灰度值；根据预测灰度图像值与样本灰度图像值之间的误差进行计算，得到损失值；获取损失值小于预设损失阈值时对应的模型，得到预设图卷积网络模型。

在其中一个实施例中，构建电容层析成像数据集包括：根据流型类型以及对应的描述参数随机生成样本待测区域；根据电容层析成像正问题模型对样本待测区域进行计算，得到电容层析成像数据集。

在其中一个实施例中，电容层析成像正问题模型的构建过程包括：根据有限元法计算样本待测区域每个像素单元的介电常数分布，得到样本介电常数分布；通过数值分析法计算样本介电常数分布对应的样本电容值和样本灵敏度；根据计算得到的样本介电常数分布、样本电容值以及待测区域的样本图像灰度值之间的关系得到电容层析成像正问题模型。

在其中一个实施例中，根据电容层析成像正问题模型对样本待测区域进行计算，得到电容层析成像数据集，包括：根据电容层析成像正问题模型计算样本待测区域的样本电容值以及样本图像灰度值，构建得到电容层析成像数据集。