基于级联密集残差网络的温度场高分辨率重建

作者：张立峰; 李晶

来源：图学学报, 2022, 1-9.

• 声学层析成像
• 高分辨率重建
• 虚拟观测
• 残差连接
• 密集连接
• 亚像素卷积层

温度分布的高质量测量对工业生产具有重要意义。作为一种非侵入性的测量方法，声学层析成像(AT)被认为是一种有前景的温度分布可视化技术。为改善重建质量，提出了一种虚拟观测(VO)结合级联密集残差网络(CDRNN)的两阶段温度场高分辨率重建算法。首先通过VO算法获取粗网格温度场，然后搭建CDRNN预测细网格温度信息。采用VO算法获取AT反问题的总体最小二乘解，缓解了声波路径弯曲引起的重建误差。引入双输入补偿策略增加了CDRNN对原始测量信息的利用率，提高了网络稳定性，通过设置子网络简化网络结构，并采用密集连接与残差连接改善网络信息流，同时引入亚像素卷积层降低网络计算维度，提高重建精度。对典型温度场模型进行数值模拟，并与Landweber迭代法、ART算法、ART-NN算法和VO算法进行比较。结果表明VO-CDRNN算法的平均相对误差和均方根误差分别为0.44%和0.68%，重建结果均优于其他算法。

• 单位
  华北电力大学