基于lstm的电容层析成像系统的图像重建算法

本发明涉及基于lstm的电容层析成像系统的图像重建方法，属于过程层析成像。

背景技术：

1、电容层析成像技术是电学层析成像的一种，它是20世纪80年代中后期形成和发展起来的一种用于多相流参数检测的过程成像技术。它是以医学ct技术为基础伴随着计算机技术和传感器技术发展起来的一种重要的过程层析成像技术。ect技术的原理可以描述为：若管道或容器中两种具有不同介电常数的物质混合在一起，当各物质组分及其分布发生变化时，会引起混合物等价介电常数的变化，从而使其测量电容值随之发生变化。采用多电极阵列式电容传感器，其各电极之间的相互组合可提供反映混合物介电常数分布的多个电容测量值，以此为投影数据，采用一定的图像重建算法，即可重建反映管道或装置在某一被测区域内的介质分布状况的图像。ect是一种智能化的过程参数实时检测系统，它以非侵入的方式获取复杂工业过程中管道或者容器截面或空间状况的二维、三维可视化信息。这对检测一些特性复杂多变且常规方法检测存在很大困难的参数检测提供了有效的途径。目前国内外就ect技术做了大量的工作，研究内容涉及到化工、石油、冶金、能源、动力、轻工和核能等领域，并且在这些领域取得了丰富的科研成果。

2、由于ect目前尚未成熟，它还存在着欠定性、病态性、非线性和“软场”性等问题，所以造成目前的图像重建算法还存在着重建的图像精度较低，且对介质边缘重建效果并不理想等缺点。因此对ect图像重建算法进行研究具有重要意义。

技术实现思路

1、本发明要解决的技术问题是基于lstm神经网络的电容层析成像系统的图像重建方法，该发明在电容投影数据不变的情况下，在传统方法重建图像的基础上，构建了具有“时间序列”语句，利用lstm具有的长时间和短时间的序列记忆能力来完成电容层析成像的图像重建任务，这可在一定程度上克服了电容层析成像系统的非线性。从而提高了重建图像质量，使重建的介质分布更接近真实分布。

2、为解决以上问题，本发明的具体技术方案如下：

3、基于lstm的电容层析成像系统的图像重建方法，包括以下步骤：

4、(1)构建电容层析成像系统模型，通过comsol有限元仿真软件获得电容层形成像系统的灵敏度场；获得不同位置、不同形状的物场分布情况下的电容向量。

5、(2)根据步骤(1)所得到的灵敏度场和电容向量，利用landweber算法得到重建图像。

6、(3)按“行”确定“时间序列”样本，并利用lstm神经网络模型得到图像重建结果。

7、(3.1)把步骤(2)所得到的重建图像转化为具有时间步的输入“时间序列”：将步骤(2)所得到的重建图像按照“行”首尾连接变成一维向量；并把此一维向量重新整理变成 n*m维矩阵，这n行就可以看成具有时间步的输入“时间序列”，每行向量就是表示此输入序列单词的“词嵌入向量”。

8、(3.2)把步骤(1)所得到的comsol有限元仿真软件设定的流型图像转化为具有时间步的输出“时间序列”：将步骤(1)comsol有限元仿真软件设定的流型图像按照“行”首尾连接变成一维向量；把此一维向量重新整理变成n*m维矩阵，这n行就可以看成具有时间步的输出“时间序列”，每行向量就是表示此输出序列单词的“词嵌入向量”。

9、(3.3)利用步骤(3.1)和(3.2)得到的输入样本集和输出样本集训练lstm神经网络的神经网络，在训练结束后，保存神经网络模型。

10、(3.4)在推理阶段，加载神经网络模型，把landweber算法得到重建图像的按照行首尾连接变成一维向量；将此一维向量重新整理变成n*m维矩阵，然后将这n行向量依次送入 lstm神经网络，最后神经网络输出得到n*m维矩阵；再将此n*m维矩阵按行首尾相连重新整理成一维向量，此向量可重新整理成二维正方形矩阵n*n，这便是相应的重建图像。

11、(4)按“列”确定“时间序列”样本，并利用lstm神经网络模型得到图像重建结果。

12、(4.1)把步骤(2)所得到的重建图像转化为具有时间步的输入“时间序列”：将步骤(2)所得到的重建图像按照“列”首尾连接变成一维向量；并把此一维向量重新整理变成 n*m维矩阵，这n行就可以看成具有时间步的输入“时间序列”，每行向量就是表示此输入序列单词的“词嵌入向量”。

13、(4.2)把步骤(1)所得到的comsol有限元仿真软件设定的流型图像转化为具有时间步的输出“时间序列”：将步骤(1)comsol有限元仿真软件设定的流型图像按照“列”首尾连接变成一维向量；把此一维向量重新整理变成n*m维矩阵，这n行就可以看成具有时间步的输出“时间序列”，每行向量就是表示此输出序列单词的“词嵌入向量”。

14、(4.3)利用步骤(4.1)和(4.2)得到的输入样本集和输出样本集训练lstm神经网络的神经网络，在训练结束后，保存神经网络模型。

15、(4.4)在推理阶段，加载神经网络模型，把landweber算法得到重建图像的按照列首尾连接变成一维向量；将此一维向量重新整理变成n*m维矩阵，然后将这n行向量依次送入 lstm神经网络，最后神经网络输出得到n*m维矩阵；再将此n*m维矩阵按列首尾相连重新整理成一维向量，此向量可重新整理成二维正方形矩阵n*n，这便是相应的重建图像。

16、(5)融合两图像结果，得到最后图像重建结果：将步骤(3)和步骤(4)得到的图像重建结果对应像素相加，并取平均值作为融合图像的像素值，这样即可获得最后图像重建结果。

17、本发明有益效果：

18、本发明采用lstm神经网络结构，该发明能够充分利用神经网络的非线性映射的特点；还利用lstm神经网络处理自然语言的先后顺序的特点，把重建图像变成具有时间步的“时间序列”语句，在某种程度上很好地利用了图像像素之间的关联性，不需要建立编码库。同时本发明提供两种不同“时间序列”的编码方案，并把两种编码方案得到的重建图像进行融合，这样使本发明能够显著提高重建图像质量，使重建的介质分布更接近真实分布。该发明也为电容层析成像的研究和应用提供了新的途径和手段，具有很好的实际应用价值。

技术特征：

1.基于lstm的电容层析成像系统的图像重建方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于lstm的电容层析成像系统的图像重建方法，其特征在于，所述的步骤(3)中，具体方法为：

3.根据权利要求1所述的基于lstm的电容层析成像系统的图像重建方法，其特征在于，所述的步骤(4)中，具体方法为：

4.根据权利要求1所述的基于lstm的电容层析成像系统的图像重建方法，其特征在于，所述的步骤(5)中，具体方式为：将步骤(3)和步骤(4)得到的图像重建结果对应像素相加，并取平均值作为融合图像的像素值，这样即可获得最后图像重建结果。

技术总结
本发明涉及一种基于LSTM的电容层析成像系统的图像重建方法，其方法如下：(1)构建电容层析成像系统模型，通过Comsol有限元仿真软件获得电容层形成像系统的灵敏度场，以及获得不同位置、不同形状的物场分布情况下的电容向量。(2)利用Landweber算法得到重建图像。(3)按“行”确定“时间序列”样本，并利用LSTM神经网络模型得到图像重建结果。(4)按“列”确定“时间序列”样本，并利用LSTM神经网络模型得到图像重建结果。(5)融合两图像结果，得到最后图像重建结果。本发明通过上述方法提高了重建图像质量，使重建的介质分布更接近真实分布。

技术研发人员：吴新杰,高明玉
受保护的技术使用者：辽宁大学
技术研发日：
技术公布日：2024/1/13