[发明专利]基于流型识别和变化灵敏度矩阵的EMT图像重构方法

说明书

一种基于流型识别和变化灵敏度矩阵的EMT图像重构方法，首先，通过对k种不同流型的测量电压数据样本添加随机噪声得到每个流型各100个样本总计共100k个流型样本库V和k个原始流型所对应的灵敏度矩阵S；其次借助压缩感知理论中的正交匹配追踪算法(OMP)分别求出测试样本和标准样本在过完备训练样本集V投影下的稀疏解，并计算测试样本与所有标准样本对应的稀疏解之间的线性相关系数，将线性相关系数最大值所对应的流型确定为测试样本的归属流型；最后根据辨识出来的归属流型选择对应的流型灵敏度矩阵进行图像重建。本发明有效提高EMT系统的图像重构精度。

技术领域

本发明属于图像处理技术领域，具体涉及一种基于流型识别和变化灵敏度矩阵的EMT图像重构方法。

背景技术

电磁层析成像技术(Electromagnetic Tomography，EMT)是一种应用于多相流检测的新型电学层析成像技术，其基于电磁感应原理通过对具有电导性和磁导性的材料在管道周围的电学特性检测来重建管道内目标物的分布情况。由于电磁层析成像技术具有非侵入性、非接触性、安全性能佳和响应速度快等特点，近年来在工业过程控制、异物监测及生物医学领域得到广泛应用及发展。

EMT系统整体框架如图1所示，EMT系统由传感器阵列，数据包处理单元和计算机成像单元三部分组成。其中传感器阵列包括激励线圈和检测线圈，激励线圈作为激励源产生励磁信号，励磁信号穿透被测物体产生时变磁场，时变磁场产生的涡流场再产生二次磁场，使检测线圈中的电流与电压产生变化，这些变化反映了目标物体内部电导率的分布情况，通过检测线圈将反映物场变化的检测信号发送至数据处理单元进行分析。数据处理单元也称电子控制单元，其主要功能是接收检测线圈上的电压信号并通过解调滤波等手段将原始信号转化为计算机可读取的有效数据。计算机成像单元得到包含物场分布信息的数据信号后通过计算机进行图像重建，复现被测物场的内部分布情况。作为电磁层析成像中最为复杂及关键的部分，如何快速准确重建被研究目标的复杂电导率分布是研究的主要问题。

近年来，针对EMT重建图像精度的优化算法不断被提出，诸如线性反投影(Linearback-projection,LBP)算法、Tikhonov正则化算法、全变分(Total variation，TV)正则化算法等。其中LBP算法是提出时间最早的快速在线重建算法，由于其简单快速的优点应用也最广泛，但其局限性在于对复杂流型重建的图像精度较低，所以基本应用于定性分析管道内流体的分布状况。Tikhonov正则化算法是应用最普遍的解决病态逆问题的正则化算法之一，但其图像重建效果对正则化参数的依赖性很强，较小的正则化参数可以对原始问题给出好的近似解，但误差的影响可能使得解在物理上无法接受；而另一方面较大的正则化参数减小了解对误差的敏感性，但所得到的近似解与真实值的偏离程度又较大，实际应用中应权衡二者加以选择。因而如果参数合适，它将得到比LBP算法更好的结果，但是目前正则化参数的选择基本依靠经验值，准确并高效地确定其取值较难。全变分(TV)正则化算法与Tikhonov正则化算法相似，同样是通过正则化来求解EMT系统的不适定逆问题，因此也同样存在对正则化参数的依赖问题。此外，TV是不可微的，通常使用近似来避免，但算法的平滑近似会影响重建图像的质量，模糊尖锐的边界。这种影响在一定程度上可以通过调节近似参数来降低，但同时又会导致算法收敛速度变慢，因而如何选择正则化参数和控制TV近似参数以达到整体系统的平衡还需要进一步的研究探索。以上算法皆是通过调整EMT逆问题的解法来达到优化重建图像质量的目的，但由于EMT系统的严重非线性、病态性和软场特性，现有的这些算法优化程度非常有限，重建的图像精度较低且对不同流型的重构效果不稳定，因而如何拓展优化思路和方向以更好解决图像重建问题仍是目前EMT系统研究的主要重难点之一。

EMT的成像问题是通过测量传感器阵列的检测电压和敏感场分布函数从而反向求解出电导率分布向量来解决的。一般成像问题的优化方向是提高反演问题的求解准确率，敏感场分布函数基本采用空场状态下的灵敏度矩阵作为图像重构的先验条件。由于EMT系统的敏感场具有欠定性、病态性和软场特性，其分布情况易受被测物场内介质的变化影响，因此固定的灵敏度矩阵无法很好地反映不同流型情况下的敏感场分布情况。

发明内容