基于极限学习机求解正问题的ECT图像重建

作者：张立峰^*; 戴力

来源：仪器仪表学报, 2021, 42(10): 64-71.

DOI：10.19650/j.cnki.cjsi.J2107410

• 电容层析成像
• 图像重建
• 正问题
• 极限学习机
• Landweber迭代算法

在电容层析成像(ECT)图像重建迭代类算法中,通常采用线性正问题求解,以加快重建速度,由此产生重建误差。针对这一问题,提出了基于极限学习机(ELM)的非线性ECT正问题求解方法,ELM网络输入为介电常数分布,其输出为预测的电容测量值。将该方法与传统的Landweber迭代算法相结合构成ELM-Landweber迭代算法进行图像重建。为使样本具有较好的代表性,物体分布位置及大小均随机生成,并计算相应的归一化电容值作为ELM网络训练及测试样本,对ELM-Landweber迭代算法进行了仿真与静态实验,并与传统Landweber迭代算法进行比较。实验结果表明,相较于传统Landweber迭代算法,采用ELM-Landweber迭代算法,其算法收敛速度显著提高,重建图像质量得到明显改善。训练样本的平均图像相对误差由0.728减小至0.504,测试样本的平均图像相对误差由0.596减小至0.475。

• 单位
  华北电力大学