自适应加权的多特征融合ECT图像重建算法

摘要

为了解决电容层析成像（ECT）图像重建中电容值与介电常数这一非线性病态问题，提出一种自适应加权的多特征融合（AWMF） ECT图像重建算法，利用网络模型拟合电容张量和介电常数的非线性映射关系。首先，在网络模型中采用密集卷积网络（DenseNet）,不仅缓解梯度消失现象，还融合不同通道的特征信息；添加挤压激励网络（SENet）自适应调整特征通道的权重，用以提取不同通道的关键特征，提高重建图像的精度。其次，构建树形聚合结构（TASN）网络模块，扩大感受野并提取丰富的多尺度特征信息，消除普通卷积所带来的伪影现象。在COMSOL5.3软件上建模仿真后，通过MATLAB2014a对图像进行重建。实验结果表明，重建图像误差系数降低至0.025 6,相关系数提高至0.971 7,与传统算法和CNN算法相比，具有更高的图像重建质量。