一、小波分析在层析图像重构中的应用研究（论文文献综述）
林勇磊[1]（2021）在《多相介质分布电容/微波层析成像仿真与实验研究》文中研究指明多相介质分布广泛存在于工业生产过程,例如原油运输过程中的油/气/水多相流,制药行业中流化床内颗粒干燥过程中的含水气-固分布等。上述多相流动状态的监测对过程安全具有重要影响,如石油/天然气运输管道内水的存在会给多相流的运输带来巨大的风险;流化床颗粒干燥过程中,维持稳定的流动状态是保证过程高效安全的首要条件,当高含水率颗粒流化停滞时,往往会发生颗粒的凝聚,伴随着传热传质水平的下降,严重影响产品质量,甚至造成物料报废。上述过程很难通过直接观测获得流态信息,系统属于“黑匣子”状态。因此,对多相介质分布进行实时在线监测具有重要的理论意义和工程应用价值。目前,多相介质分布测量技术主要包括单点测量和过程层析成像测量。单点测量技术主要是通过压力探头、光纤探头等对特定位置的流动状况进行监控,属于接触式测量,对流场产生干扰,所提供的信息量有限。过程层析成像技术属于非接触式测量,能够实现多相介质分布过程的在线监测及流型识别,如电容层析成像技术（ECT）已被广泛用于实验规模和工业规模的成像监测。对于复杂多相体系,依靠单一成像手段往往难以满足测量需求,如在高含水率多相介质分布条件下,ECT技术难以发挥作用。因此,需采用可满足高含水率介质测量的层析成像技术,如微波层析成像（MWT）。综合运用ECT和MWT技术进行多相介质分布动态测试为相关工业过程提供指导,具有重要的研究价值。结合仿真模拟和数值计算,本文利用了非接触式电容/微波（ECT/MWT）层析成像技术,对典型的多相介质分布进行了静态和动态测试研究。对气-液/液-液分布和不同含水率的气-固分布的静态分布进行了仿真模拟和实验研究;利用了原始图像更新敏感场的方法进行了 ECT图像和MWT图像的优化研究;基于CFD数值计算和双模态电学层析成像技术,对流化床内颗粒流化和高含水率颗粒的气-固分布分别进行了数值计算和干燥过程监测。主要的研究内容包括:（1）基于本文设计的8电极圆形ECT电极传感器和16电极圆形MWT电极传感器,研究了油-水/油-气静态分布,得到了仿真模拟和实验结果。研究结果表明:ECT系统适合测试油-气两相分布,但不适合测试含水相液-液分布,即使在超量程的标定背景下同样无法完成正常测试,仿真模拟结果与ECT实验结果类似;MWT系统不适合测试油-气两相分布,但适合测试油-水两相分布,特别在超量程的标定背景下可获得更明显的成像结果。（2）基于本文设计的12电极圆形/方形ECT电极传感器和16圆形/方形电极圆形MWT电极传感器,对高含水率颗粒进行了 ECT/MWT成像研究。结果表明:ECT测试不同湿度的颗粒时,高标定介质的含水率和被测介质的含水率均存在上限值,且不同流型的上限值不完全一致。当高标定介质的含水率或被测介质的含水率过高时,ECT系统无法工作,图像完全变形。仿真模拟的结果与ECT实验结果类似。MWT测试不同含水率颗粒时,高标定介质的含水率和被测介质的含水率不受限制。固定标定背景下,含水率越高的介质MWT成像区域越明显。过高的含水率颗粒会导致流型无法正常识别,比如“环-核”分布。对于0-30%的含水率颗粒,越低含水率颗粒作为高标定介质时ECT图像质量越高,越高含水率颗粒作为高标介质时MWT流型识别能力越强。（3）利用敏感场更新的方法对ECT和MWT进行了图像优化研究,分析了不同电容归一化方式对成像结果的影响。研究结果表明:利用图像误差最小的初始ECT图像更新敏感场后,重建的ECT图像的最佳归一化方式改变;而且,利用图像误差最大的初始ECT图像更新敏感场后,重建的ECT图像的最佳归一化方式改变,但可获得更优的ECT图像;利用MWT图像更新敏感场进行ECT图像重构后,重构的ECT图像误差明显小于MWT图像误差,可实现MWT图像优化。（4）基于ECT和MWT对高含水率颗粒干燥过程进行了实验研究,分析了不同入口流化速度和流化温度对干燥过程的影响。实验结果表明,可互补地利用ECT系统和MWT系统监测复杂高含水率颗粒气-固动态过程。ECT系统在进行高含水率颗粒的实验测量时,测量初期特别是颗粒含水率高于20%以上时ECT系统无法完成高含水率的正常成像。但随着干燥颗粒的湿度降低,ECT图像趋于正常,可实现流型识别。ECT系统用于判断流型,MWT系统用于判断颗粒含水率变化。电学信息结合在线的压力、湿度、温度等单点测量的信息可全面地反应干燥过程中颗粒流化的状态。（5）采用CFD数值计算方法,对流化床内干燥颗粒开展了气-固流化模拟研究,考察了不同物料高度和不同流化风速对气-固多相流流态化的影响。利用颗粒的浓度分布和速度分布对流化床内不同高度上进行流态研究。结果表明,CFD数值计算结果与ECT冷态实验结果一致,颗粒在底部为锥形的流化床内主要呈现“环-核”分布;选择合适的流化风速和物料高度,有利于提高ECT成像的准确性。ECT对流化床内中心区域的空间分辨率低,该区域颗粒流化不易被捕捉,CFD数值计算结果可为ECT“软场效应”提供补充信息。通过本文研究表明,电容层析成像技术和微波成像技术可互补性地应用于工业生产中进行多相流监测,例如油-水/油-气两相分布流型识别和高含水颗粒干燥过程监测。敏感场更新方法可优化多相介质分布的ECT图像和MWT图像。MWT技术在高含水率介质测量方面能弥补ECT系统的不足。数值计算结果可指导流化床内匹配合适的物料量和配风量,并可补充颗粒流化的浓度信息和速度信息。
郭鸿博[2]（2020）在《基于电容层析成像的计算成像方法研究》文中指出电容层析成像技术（Electrical Capacitance Tomography,ECT）是一种极具应用前景的可视化成像技术。成像质量低制约了 ECT技术的应用,本文主要通过研究计算成像方法提高图像质量,主要的工作总结如下:（1）定性分析了常规迭代和非迭代成像算法的数学原理与优缺点,定量评价了线性反投影算法、Tikhonov正则化算法、Landweber迭代算法、共轭梯度算法、代数重建算法、同步代数重建算法的数值性能。（2）设计了一种基于稀疏先验的图像重建目标函数,将病态图像重建问题转化为一个优化问题;采用两步迭代阈值方法（Two-step Iterative Shrinkage/Thresholding Algorithms）有效地求解该目标函数。实验结果表明,该方法能够确保解的稀疏性与稳定性,减少了伪像,较好地重建出图像的细节信息。（3）为了提高重建质量,提出了一种同时考虑模型偏差和测量噪声的成像模型;建立了一个采用L1范数设计数据保真项和正则项的目标函数,缓解解对干扰噪声的敏感性和增强重建目标的稀疏性;将软阈算法和快速迭代收缩阈值方法（Fast Iterative Shrinkage Thresholding Technique）集成到分裂布雷格曼方法（Split Bregman Method）中有效地求解该目标函数。数值实验结果表明,该成像方法不仅能够提高重建质量,而且具有更好的鲁棒性。（4）为了减小图像误差和伪像,设计了一种以L1-2范数作为正则化项的目标函数;为了改善算法的全局收敛性,提出了一种结合了蚁狮优化（Ant Lion Optimizer）算法和交替方向乘子（Alternating Direction Method of Multipliers）算法优势的模因算法（Memetic Algorithm,MA）有效地求解该目标函数。实验结果表明,该算法相比于传统的图像重建方法能够获得高精度的重建结果,改善ECT的重建质量,提高了算法的全局收敛性。（5）为减弱测量噪声对成像质量的影响,提出了一种基于变分模态分解（Variational Mode Decomposition）的降噪方法,减小了采集电容值的与真实电容值之间的差别。该方法采用变分模态分解方法提取电容信号中的模态分量,设计了更加具有针对性的滤波方法,并采用经蝠鲼觅食优化算法（Manta Ray Foraging Optimizati on Algorithm）优化后的阈值滤波方法对各模态分量进行降噪。数值结果表明,该方法可以有效地缓解电容测量噪声,提高了电容数据质量,为重建高质量图像奠定了基础。
邵子奇[3]（2020）在《大气光梯度先验特征建模与偏振层析去雾方法研究》文中进行了进一步梳理在雾霾等低能见度天气下,光电成像探测系统受大气散射影响,成像质量下降。研究雾霾天气下的目标偏振重构方法,提高探测图像的清晰度与对比度具有重要的研究意义与应用价值。大气光的准确估计是偏振去雾研究中的关键问题之一。为了提高偏振去雾研究中对大气光估计的准确度,首先,本文从雾天图像的统计特征出发,对大量雾天图像的梯度直方图进行统计分析,发现大气光图像的梯度分布近似服从窄高斯分布特征,进而提出了表征大气光梯度特征的大气光梯度通道先验模型。其次,结合大气散射成像模型与偏振成像理论,提出不依赖大气光偏振度的偏振层析去雾方法,将大气光梯度通道先验模型作为大气光估计的特征约束条件,构建图像分层函数,对原始雾天偏振图像分层,估计大气光偏振图像。最后从大气光偏振图像中解析大气光,并在大气光图像中估计无穷远处大气光,实现对雾天图像的去雾重构。实验结果表明,本文方法提高了大气光估计的准确度,进而使重构图像更清晰,目标还原度更高;且适用于不同浓度下的雾天图像重构。论文的主要工作及研究成果如下:1)通过分析大量不同浓度下的雾天图像梯度直方图的统计特征,挖掘大气光在梯度域的典型稳定特征,确定大气光梯度分布具有窄高斯分布形式,提出大气光梯度通道先验模型,并对模型进行验证与求解,实现对大气光梯度分布特征的分析与建模。2)结合大气散射成像模型与偏振成像理论,构建了偏振层析去雾模型。将大气光梯度通道先验作为特征约束条件,提出一种基于大气光梯度先验信息的图像分层方法,从原始雾天偏振图像中估计大气光偏振图像,从大气光偏振图像中解算大气光,并根据大气光的梯度特征估计无穷远处大气光,实现对模型中关键参数的求解。3)通过开展不同浓度,不同场景下的实测实验与对比实验,验证本文提出的偏振层析去雾方法的有效性,并对大气光偏振度进行了详细讨论,讨论结果表明将大气光偏振度作为一个全局常量能够提高大气光估计的准确度。
张帅[4]（2019）在《时空信息综合的静电层析成像系统研究》文中提出气固两相流广泛存在与工业生产过程中,如颗粒的气力输送及烟气的排放过程等。气固两相流流动的复杂性及流动分布参数不均匀特性,使得其分布参数的测量问题一直是国际公认的难题。静电层析成像技术面向带电颗粒的电荷分布或速度分布测量,具有非侵入性、可视性、低成本等优点,为气固两相流分布参数测量提供了一种有效方法。由于静电法为被动式测量方法,同激励式电学层析成像方法相比,其独立测量信息数较少,对被测物场纵深区域的表征能力不足。针对此问题,本文在推导互相关时空模型的基础上提出了一种直接速度分布重构方法,搭建了时空信息综合的静电层析成像系统,主要工作如下:1.静电传感器阵列的结构参数直接影响测量信号的时频域特征及独立测量信息数。本文选取了空间灵敏场强度及均匀性、奇异值谱线分析及重构图像相关系数三个优化指标,基于COMSOL有限元仿真平台对内嵌式静电传感器阵列的电极轴向长度及电极数目进行了优化设计。2.灰度相关法作为电学层析成像技术中常用的速度分布重构方法,在静电层析成像系统中应用具有局限性。针对此问题,本文提出了互相关时空信息模型,将互相关灵敏度引入静电层析成像系统中,在此基础上提出了一种直接速度分布重构方法,有效地降低了系统的欠定性和病态性,并依托带式静电感应实验装置对其正问题进行了验证。3.设计搭建了时空信息综合的静电层析成像系统,并针对互相关灵敏度矩阵的特性对图像重构算法进行分析选取。依托带式静电感应实验装置和垂直管道颗粒落体实验装置,对不同固相体积含率不同颗粒速度分布条件下直接速度分布重构法与灰度相关速度分布重构法的测量结果进行了对比分析。4.由于内嵌式静电传感器阵列测量信号既包含感应电荷信号又包含转移电荷信号,且两者对流场信息的表征角度不同。针对此问题,本文对感应电荷信号与转移电荷信号的产生机理和信号特征进行了分析,提出一种基于离散小波变换（DWT）滤波的直接速度分布重构方法,并依托气力输送实验平台同环形电极相关测速法和弧形同侧电极相关测速法进行了对比分析。
邓为权[5]（2019）在《铝合金构件缺陷电涡流检测与定量化评估方法研究》文中认为铝合金是工业中应用最多的一类有色金属结构材料,因其具备密度低、强度高以及抗腐蚀性能好等优点,被广泛应用于航空航天、海洋工程、石油化工以及汽车制造等领域中。在铝合金的冶炼和深加工过程中,因生产环境、工艺因素以及原始坯料质量好坏等问题使得构件中不可避免地产生各种缺陷,进而对服役结构带来重大的安全隐患。然而,目前对铝合金构件缺陷检测的方法中,缺陷检测的准确性、检测效率以及缺陷量化的精度均有待进一步提高。基于电磁感应原理的电涡流检测技术因具备准确、高效和便捷等优点而被广泛应用于金属构件的无损检测中。在分析了国内外电涡流无损检测研究现状的基础上,本文开展了铝合金构件缺陷电涡流检测和定量化评估的方法研究,主要的研究工作如下:（1）针对铝合金构件缺陷电涡流检测的复杂性,构建了电涡流检测的仿真分析模型,并在仿真模型的基础上分析了电涡流检测中扫描探头选型、线圈的外径参数、激励频率和绕制线圈线径的大小等参数对铝合金构件缺陷检测的影响。通过仿真分析,可为实际电涡流检测系统的参数设置提供指导,从而提高对铝合金构件缺陷检测的准确性以及缺陷边缘识别的精度。（2）针对铝合金构件缺陷电涡流检测过程中的噪声干扰问题,提出了一种基于字典学习的电涡流检测信号稀疏降噪方法,从而提高信号的信噪比。该方法根据缺陷电涡流检测信号本身的统计特性,采用基于K奇异值分解（K-means Singular Value Decomposition,K-SVD）字典学习的方法通过统计和学习构建电涡流信号的稀疏表示字典,通过学习构建的稀释表示字典能够对电涡流信号进行更加准确和充分的稀疏化。实验结果表明,相比于小波降噪方法,K-SVD字典学习降噪方法在多个噪声强度干扰下信噪比均提高了5d B10d B,证实了该方法对铝合金构件缺陷电涡流检测信号降噪预处理的有效性。（3）针对铝合金构件缺陷电涡流检测信号非线性和非平稳特性导致特征提取困难,以及对构件缺陷识别分类的准确性和快速性问题,提出了一种基于核主成分分析（Kernel Principal Component Analysis,KPCA）和极限学习机（Extreme Learning Machine,ELM）的铝合金构件缺陷电涡流检测分类和定量化分析方法。该方法首先采用基于核的主成分分析方法对电涡流信号进行特征提取,其次在构建的缺陷特征信息基础上采用基于ELM的缺陷分类方法,实现了缺陷的准确和快速分类。最后分别研究了电阻、电抗和阻抗信号对缺陷量化分析的影响,分别提取了电阻和电抗信号并基于最小二乘线性拟合方法对缺陷进行量化分析。实验结果表明,该方法对构件的各个缺陷均能够准确识别分类,并且在对缺陷进行定量化分析中缺陷长度和深度相对误差分别在±10%和±8%以内,具有良好的实用性。（4）针对缺陷C扫描成像检测中无法同时满足检测效率和缺陷成像质量的问题,提出了一种基于压缩感知（Compressed Sensing,CS）的铝合金构件缺陷稀疏电涡流快速成像检测方法。该方法在压缩感知的理论框架下,从电涡流信号的稀疏表示、压缩观测和稀疏信号重构三个方面进行理论分析,通过实验实现了铝合金构件缺陷稀疏电涡流快速成像检测。实验结果表明,当压缩观测数量为信号稀疏度的4倍时,重构后的缺陷图像与原始C扫描图像的均方根误差低于0.005,且通过重构图像进行缺陷长度定量化分析的相对误差在±5%以内,具有良好的鲁棒性和适用性。本文以铝合金构件缺陷为研究对象,以电涡流无损检测技术为基础,完成了检测参数仿真分析、电涡流信号降噪预处理研究、缺陷信号的识别分类和量化分析、缺陷稀疏快速成像检测,丰富了铝合金构件缺陷检测的理论研究,推动了铝合金材料缺陷电涡流检测和量化评估的应用及发展。
窦佳音[6]（2019）在《基于分数阶卷积变换的图像重构技术研究》文中指出图像重构技术是测量和成像系统中的一项重要的数据综合及信息处理技术。为了得到高质量的图像,需要针对实验系统建立对应的目标数据传输模型,在此基础上建立数据处理算法。得到与实际系统更接近的数据传输模型需要进行适当的修正,如近年来出现的深度学习技术可以通过大量先验信息进行训练以达到理论模型与实际系统的统一。图像重构技术难于获得精度更高的结果,一个重要原因就是测量数据的不充分。而线性时不变信息处理系统可以视为一个卷积过程,即输入信号与系统函数卷积。为了表述该卷积模型的离散形式,本文针对成像系统提出分数阶卷积变换概念,并在该变换域下研究匹配追踪算法和多强度图像迭代算法在图像重构计算中的应用。本文主要研究内容归纳如下:从分数阶傅里叶变换和Gyrator变换的积分定义形式出发,通过分析变换积分定义形式以建立一种更为灵活多变形式的分数阶变换,将该变换称为分数阶卷积变换。除了具有可变的分数阶次,分数阶卷积变换还具有灵活多变的两个不同的相位函数。在此基础上建立卷积算法以便于该变换用于离散信号和图像处理。为了实现快速计算任务,利用快速傅里叶变换（FFT）算法设计分数阶卷积变换的离散算法,借助于FFT的特性使新变换适用于大规模数据处理中的实时计算任务。应用离散算法研究了分数阶卷积变换在信号和图像处理中的初步应用,如信号倍频和信号重构等。并将该变换与分数阶傅里叶变换和Gyrator变换在性质和应用特点上进行了对比。在分数阶卷积变换基础上,将压缩感知技术引入到稀疏图像重构算法中加强重构图像质量。研究该变换在欠采样情况下稀疏信号和图像重构算法性能,分析了不同采样率对恢复图像质量的影响。首先应用4种变换域（离散余弦变换、哈特莱变换、分数阶傅里叶变换和分数阶卷积变换）的匹配追踪算法研究其在一维信号重构中的性能,通过应用哈特莱变换实现傅里叶变换实部和虚部的结合,并通过二者不同权重稀疏组合研究了最佳权重组合的匹配追踪算法。同时应用傅里叶变换、哈特莱变换以及分数阶卷积变换域的配匹配追踪算法研究其在稀疏图像重构中的性能。通过选择合适的相位函数和分数阶次,分数阶卷积变换可以得到更好的输出结果。建立分数阶卷积变换域迭代式图像重构方法,通过不同分数阶卷积变换参数得到变换输出多个强度图像。将不同参数获得的多幅强度图像作为迭代图像重构算法的输入参考信息,通过设计并行迭代计算过程实现对目标图像的重建。结合不同情况的重构计算任务对比两种迭代方式的特点。为了改善并行迭代中的直接求均值的迭代收敛缓慢的现象,我们通过建立自适应权重系数的图像综合算法实现迭代算法的加速,并使得算法最终收敛到误差更小的结果。结合数值实验中分析测试迭代图像重构算法的主要性能。同时研究了在噪声污染和数据损坏环境下的目标图像的重构情况,通过对不同影响参数的图像进行恢复以评估迭代图像重构方法的鲁邦性。
刘亚楠[7]（2019）在《基于非凸压缩感知的ECT图像重建算法研究》文中进行了进一步梳理电容层析成像技术通过板间的电容值,以及灵敏度场来反演场域中介质的分布情况。但是逆问题的求解具有病态性和欠定性,传统算法无法兼顾成像精度和成像速度,从而限制了ECT在实际中的应用。压缩感知理论仅需少量采样数据即可准确恢复原始信号,是缓解欠定性的一种有效手段。因此本文将非凸压缩感知（目标函数是L0范数约束的非凸优化问题）引入ECT成像过程中改善其病态性。首先,针对ECT系统中灵敏度矩阵与稀疏基不相关性较弱的问题,提出一种新的观测矩阵优化方法,基于高斯随机阵对灵敏度矩阵的各行重新排列,随后进行SVD分解,并加入修正因子得到了列独立性更高的观测矩阵,同时对应的电容矩阵也作相同行变换。其次,针对FOCUSS算法求解过程中存在伪逆、无法获得精确稀疏解的问题,提出一种改进FOCUSS算法,该算法以基于LP范数的正则化FOCUSS为基础,引入拟牛顿法逼近求解中间稀疏变量,从而获得更加准确的稀疏解。最后,针对基于L1/2范数的半阈值迭代算法求解过程中惩罚项在原点处不光滑的问题,提出一种改进半阈值的迭代算法,在罚函数中引入L2约束项,以改善原有算法在原点处的光滑性。实验证明,优化后的观测矩阵较强的列独立性,本文所提的两种非凸优化算法均能同时兼顾成像速度和成像精度,稀疏寻优能力更强,成像效果优于经典算法和基于压缩感知理论的部分重构算法。本文工作为ECT图像重建算法提供一种新的研究思路。
郭格[8]（2019）在《利用CDC的新型层析成像方法研究》文中进行了进一步梳理电容层析成像（ECT）是具有很大发展前景的层析成像技术,测量部署在管道外壁极板间的电容数据,对管道内部介质物体的介电常数分布利用图像重构算法进行可视化。因此,获得高精度的电容数据和高效率的图像重构算法对ECT技术至关重要。本文利用电容数字转换器（CDC）的精度高、集成度高、抗干扰能力强、性能稳定、成本低等特点,设计一种新型的电容测量电路。首先利用Arduino与EVAL-AD7746编程实现单通道测量,发现该电路可以得到精度很高的测量结果。为了解决CDC芯片的量程限制,本文利用CDC量程扩展电路,加入模拟开关,实现多通道电容的有序、高精度测量。ECT系统的电极板分别部署在管道外壁,通过模拟开关选择被测量的两个极板,然后CDC电路测量电路完成被测极板之间电容值的测量。STM32系列集成电路通过ⅡC总线实现和CDC电容测量电路的通信,CDC电路完成电容数据的测量和换算。利用STM32系列的串口模块,将CDC电路输出的电容信号传送给电脑端,完成电容数据的获取和存储。由于电容层析成像的“软场”性质,为了获得高质量的重构图像,本文提出了一种新型图像重构算法,使用标准Tikhonov（STR）的模型,利用一阶全变差（TV）正规化和二阶TV正规化来建模ECT图像重建问题。Bregman算法可以将复杂的问题拆分为简单的问题进行求解,本文利用Bregman算法来更有效地求解提出的目标函数。将本文提出的目标算法与传统算法的STR算法以及Landweber算法进行比较,仿真结果说明该图像重构算法的有效性。
车汉桥[9]（2018）在《流化床颗粒制备过程层析成像测量与优化研究》文中研究指明流化床是重要的制药工业颗粒制备装置之一,其优势在于可在同一反应器内连续实现多个生产工序,如颗粒混合、制粒、包衣等。流化床颗粒制备过程存在复杂的气固流动,过程可调控操作变量众多,这些变量的选取直接影响着过程稳定性和和终态产品质量。目前流化床药物颗粒制备过程仍缺乏有效的在线检测工具,过程调控大都基于现场操作人员的经验进行,且对过程颗粒状态的了解依赖于不断地取样测试。因此,寻求一种可靠的过程流态和关键参数的在线监测工具（PAT）是制药工业迫切需要解决的一个难点。过程层析成像技术具有非接触、非侵入的特点,通过特定结构的传感器,可以实现测量区域内物质分布重构,相比于常规单点测量技术具有明显的优势。本论文的主要创新点是将电容层析成像（ECT）和微波层析成像（MWT）技术应用于流化床颗粒制备过程监测,基于层析成像测量数据研究流化床内颗粒流态特征和关键参数,为流化床过程优化控制提供支持。首先,针对Wurster流化床的特殊结构开发了 12-4-8组合电极ECT传感器,实现了 Wurster导流管内部包衣区域和外部环形区域的同步成像测量。同时,利用8-8组合电极ECT传感器对Wurster导流管内部不同高度位置处的颗粒浓度实现同步成像测量。通过对Wurster流化床内包衣过程成像测量,总结了包衣过程存在的7种典型的颗粒流态,并分析了不同操作参数对于流态的影响。通过对不同工况终态下包衣颗粒分析对比发现,颗粒的粘结率与流化床内环形区域颗粒的流态有密切联系,通常间歇流和塞状流下包衣的颗粒粘结率高于泡状流。其次,为弥补电容层析成像技术在测量高湿度颗粒流的局限性,首次将微波层析成像技术引入到底喷和顶喷流化床动态过程监测中。微波层析成像传感器具有较宽的操作频率,适用于测量高介电常数和高电导率物质。基于微波层析成像测量揭示了流化床颗粒在高湿度条件下的流动特征,并提出了流化床失流的诊断方案。最后,论文提出了基于Wurster流化床流态识别的反馈控制系统,其过程控制方案是通过PID控制风机频率将环形区域内的颗粒空隙率维持在接近于最小流化状态的指定值,同时结合对蠕动泵包衣液流率的继电控制来避免环形区域内出现间歇流、塞状流和失流。验证实验表明在实施本控制方案后,过程流态的稳定性明显提高,产品粘结率出现了大幅度地下降。本论文主要涉及到过程层析技术在流化床流态监测、关键参数测量、故障诊断、优化控制各个方面的应用研究,上述研究成果可为实际工业生产提供重要参考。
彭杨[10]（2017）在《单像素成像系统快速成像方法研究》文中进行了进一步梳理作为图像处理领域的一个新兴方向,压缩感知理论在过去几年受到众多学者的广泛关注,其中单像素成像作为压缩感知理论的重要应用,因其采用计算摄影的模式,突破了传统成像方式,成为成像领域的热点问题。单像素成像系统需要解决的关键问题是如何有效提高成像系统的成像质量和速度。本文围绕这两个问题,对单像素成像系统中的测量矩阵设计以及信号重构算法进行了深入分析和研究,针对现有方法存在的缺陷进行了改进。具体而言,本文的主要工作包括:（1）基于层次模型与导向先验的测量矩阵生成方法。从测量矩阵与图像信号之间的关系出发,本文提出了以层次模型为基础、以导向先验为约束的单像素成像系统测量矩阵生成方法,提高了单像素成像系统的成像质量和成像速度。首先,通过对不同分辨率图像之间关系的分析,提出层次模型来建立不同分辨率图像信号之间的关系。其次,本文提出基于结构信息与位置信息的导向先验,实现了层次模型层间信息的相互利用。最后,基于上述层次模型与导向先验的方法,对单像素成像系统中的测量矩阵设计方法进行了改进。实验结果表明,改进的基于层次模型与导向先验的单像素成像方法取得了更好的重构结果。（2）基于反馈模型的单像素成像系统测量矩阵生成方法。针对绝大部分稀疏信号的非零项分布存在一定结构特性而非随机分布这一特点,本文提出了一种基于反馈模型的单像素成像系统测量矩阵生成方法,通过发掘已生成测量矩阵序列中的共性来约束新的测量矩阵产生。首先,从概率论角度出发,对压缩感知过程进行了基于贝叶斯方法的分析,得到测量矩阵加速信号重构算法收敛速度的准则。然后,使用稀疏度估计方法提取反馈信息,建立反馈模型来产生新的测量矩阵。实验结果表明,提出的反馈模型缩小了重构信号过程中可行解的搜索范围,加速了求解过程的收敛速度,同时该方法具有良好的鲁棒性。（3）基于空间聚集约束的单像素成像系统视频生成方法。针对帧差信号空间分布特点,本文提出了一种基于空间聚集约束的单像素成像系统视频生成方法。首先,本文建立了通过重构帧差信号来获取新图像帧信号的单像素成像系统视频生成框架,框架的优势在于将图像信号处理转换为图像帧差处理,减少了数据量。然后,通过分析视频连续帧帧差信号,发现帧差具有稀疏特性以及空域聚集特性。最后,本文提出了基于稀疏聚集双重约束的快速帧差信号重构算法。实验结果显示,与目前方法相比,本文提出方法在保证信号重构质量的基础上,加速了信号重构过程。（4）基于深度卷积神经网络的单像素成像系统信号重构方法研究。为了进一步加速重构算法,跳出重构算法需要迭代的模式,本文提出一种基于深度卷积神经网络的信号快速重构方法。同传统迭代方法相比,本文提出方法在保证信号重构质量的基础上,将信号重构时间降低了3到4个数量级,极大提高了信号重构速度。该方法通过构建一个两阶段深度卷积神经网络来进行快速信号重构,同时提出包含特征误差的损失函数来提高图像重构的精确度。实验证明,利用理想数据集训练出来的网络模型不仅能快速重构出高质量信号,还显示了对噪声良好的鲁棒性,同时可以利用该网络模型对彩色图像信号进行重构。
二、小波分析在层析图像重构中的应用研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、小波分析在层析图像重构中的应用研究（论文提纲范文）
（1）多相介质分布电容/微波层析成像仿真与实验研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 研究背景及意义 |
| 1.2 多相介质分布测量技术简介 |
| 1.2.1 单点测量 |
| 1.2.2 光学成像技术 |
| 1.2.3 电学层析成像技术 |
| 1.2.4 多相介质分布测量技术小结 |
| 1.3 多相介质分布电容层析成像测量研究现状 |
| 1.3.1 气-液分布电容层析成像 |
| 1.3.2 气-固分布电容层析成像 |
| 1.3.3 双模态电容层析成像研究现状 |
| 1.3.4 电容层析成像图像重建中的挑战 |
| 1.3.5 多相介质分布电容层析成像测量小结 |
| 1.4 气-固分布数值计算研究现状 |
| 1.4.1 欧拉-欧拉法 |
| 1.4.2 欧拉-拉格朗日法 |
| 1.4.3 曳力模型 |
| 1.4.4 气-固分布值计算小结 |
| 1.5 本文研究目的和研究内容 |
| 1.5.1 本文研究目的 |
| 1.5.2 本文各章节研究内容 |
| 第2章 多相介质分布仿真模拟及ECT/MWT静态测试 |
| 2.1 ECT及MWT图像重构 |
| 2.1.1 ECT图像重构 |
| 2.1.2 MWT图像重构 |
| 2.1.3 定量评价指标 |
| 2.2 液-气/液-液两相分布静态仿真 |
| 2.2.1 ECT敏感场计算 |
| 2.2.2 液-液两相分布仿真模拟 |
| 2.2.3 气-液两相分布仿真模拟 |
| 2.2.4 迭代步数和迭代步长对ECT图像的影响 |
| 2.3 液-液/液-气两相分布ECT和MWT静态实验 |
| 2.3.1 ECT测试 |
| 2.3.2 MWT测试 |
| 2.3.3 液-液/液-气静态分布测试小结 |
| 2.4 不同含水率气-固两相分布仿真模拟 |
| 2.4.1 测试工况 |
| 2.4.2 电容归一化方式 |
| 2.4.3 圆形12电极仿真模拟 |
| 2.4.4 方形12电极仿真模拟 |
| 2.4.5 仿真模拟小结 |
| 2.5 不同含水率气-固两相分布静态测试 |
| 2.5.1 静态测试实验台 |
| 2.5.2 实验方法和工况 |
| 2.5.3 气-固颗粒ECT静态测试 |
| 2.5.4 气-固颗粒MWT静态测试 |
| 2.5.5 ECT图像和MWT图像的误差 |
| 2.5.6 不同含水率气-固两相分布测试小结 |
| 2.6 本章小结 |
| 第3章 基于更新敏感场的ECT/MWT图像优化研究 |
| 3.1 LANDWEBER成像算法 |
| 3.2 基于ECT图像更新的敏感场进行图像优化 |
| 3.2.1 仿真模拟流型及更新前后的敏感场 |
| 3.2.2 圆形ECT电极敏感场更新 |
| 3.2.3 方形ECT电极敏感场更新 |
| 3.2.4 ECT图像优化小结 |
| 3.3 基于更新的敏感场进行MWT图像优化 |
| 3.3.1 MWT图像更新的敏感场 |
| 3.3.2 基于MWT图像更新敏感场后的ECT图像 |
| 3.3.3 圆形MWT图像优化 |
| 3.3.4 方形MWT图像优化 |
| 3.3.5 MWT图像优化小结 |
| 3.4 不同电容归一化方式下ECT图像更新的敏感场 |
| 3.5 本章小结 |
| 第4章 ECT/MWT多相介质分布动态测试 |
| 4.1 高含水率气固多相介质分布的ECT测量 |
| 4.1.1 实验系统及物料 |
| 4.1.2 不同流化风速下低含水率的气-固颗粒流化 |
| 4.1.3 不同流化风速下高含水率的气-固颗粒干燥 |
| 4.1.4 不同干燥温度下高含水率的气-固颗粒干燥 |
| 4.1.5 ECT系统测试气固多相流小结 |
| 4.2 ECT/MWT双模态高湿度气-固多相流测量 |
| 4.2.1 实验台及工况 |
| 4.2.2 未干燥玉米粒在不同流化风速下的ECT测量 |
| 4.2.3 流化风速和流化温度对颗粒干燥过程影响 |
| 4.2.4 物料质量对干燥过程的影响 |
| 4.2.5 干燥过程ECT及MWT互补测量 |
| 4.2.6 本节小结 |
| 4.3 本章小结 |
| 第5章 实验结果CFD校核与对比 |
| 5.1 欧拉-欧拉双流体计算模型 |
| 5.1.1 控制方程 |
| 5.1.2 本构方程 |
| 5.1.3 曳力模型 |
| 5.2 参数及工况设计 |
| 5.3 流化床颗粒流化可视化分析 |
| 5.3.1 不同初始物料高度下颗粒流化 |
| 5.3.2 不同流化风速下颗粒流化 |
| 5.4 气/固相数值计算量化分析 |
| 5.4.1 固相体积分数分布 |
| 5.4.2 固相轴向/径向速度分布 |
| 5.4.3 气相轴向/径向速度分布 |
| 5.5 数值计算与实验测试结果对比 |
| 5.6 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 本文创新点 |
| 6.3 课题展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（2）基于电容层析成像的计算成像方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 多相流参数检测技术 |
| 1.2 过程层析成像技术 |
| 1.3 电容层析成像技术 |
| 1.4 发展现状与存在的问题 |
| 1.5 主要研究内容 |
| 第2章 ECT系统测量原理 |
| 2.1 系统组成 |
| 2.1.1 电容传感器 |
| 2.1.2 数据采集系统 |
| 2.1.3 成像系统 |
| 2.2 正问题 |
| 2.3 逆问题 |
| 2.4 敏感场 |
| 2.5 常用成像算法 |
| 2.5.1 成像模型及算法 |
| 2.5.2 数值实验 |
| 2.6 本章小结 |
| 第3章 两步迭代阈值重建算法 |
| 3.1 目标函数 |
| 3.2 目标函数的求解 |
| 3.3 数值实验 |
| 3.3.1 算例1 |
| 3.3.2 算例2 |
| 3.3.3 算例3 |
| 3.4 本章小结 |
| 第4章 混合图像重建算法 |
| 4.1 目标函数 |
| 4.2 目标函数的求解 |
| 4.2.1 迭代分裂布雷格曼方法 |
| 4.2.2 数值方法 |
| 4.3 数值试验 |
| 4.3.1 算例1 |
| 4.3.2 算例2 |
| 4.3.3 算例3 |
| 4.3.4 正则参数讨论 |
| 4.4 本章小结 |
| 第5章 Memetic重建算法 |
| 5.1 目标函数 |
| 5.2 目标函数的求解 |
| 5.2.1 模因算法 |
| 5.2.2 蚁狮算法 |
| 5.2.3 局部搜索算法 |
| 5.2.4 数值方法 |
| 5.3 数值试验 |
| 5.3.1 算例1 |
| 5.3.2 算例2 |
| 5.3.3 算例3 |
| 5.3.4 正则参数讨论 |
| 5.4 本章小结 |
| 第6章 电容信号降噪 |
| 6.1 变分模态分解 |
| 6.2 信号降噪 |
| 6.3 数值试验 |
| 6.4 本章小结 |
| 第7章 总结与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（3）大气光梯度先验特征建模与偏振层析去雾方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 主要内容与章节安排 |
| 1.4 本章小结 |
| 第二章 大气散射传输理论与偏振去雾方法概述 |
| 2.1 大气散射传输理论 |
| 2.1.1 大气散射 |
| 2.1.2 目标衰减光 |
| 2.1.3 大气光 |
| 2.1.4 大气散射成像模型 |
| 2.2 偏振去雾方法概述 |
| 2.2.1 偏振成像技术 |
| 2.2.2 雾天图像偏振重构方法 |
| 2.3 本章小结 |
| 第三章 大气光梯度特征分析与建模 |
| 3.1 大气光梯度特征分析 |
| 3.1.1 自然图像的梯度特征 |
| 3.1.2 大气光的梯度特征 |
| 3.2 大气光梯度通道先验模型 |
| 3.3 本章小结 |
| 第四章 偏振层析去雾模型与参数估计方法 |
| 4.1 偏振层析去雾模型 |
| 4.2 大气光层析分离 |
| 4.2.1 图像分层 |
| 4.2.2 大气光偏振层析 |
| 4.3 无穷远处大气光估计 |
| 4.4 本章小结 |
| 第五章 实验验证与讨论 |
| 5.1 实验结果分析 |
| 5.2 大气光偏振度讨论 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间的学术活动及成果情况 |
（4）时空信息综合的静电层析成像系统研究（论文提纲范文）
| 摘要 |
| 英文摘要 |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 静电层析成像系统综述 |
| 1.2.2 气固两相流颗粒速度分布测量综述 |
| 1.3 问题提出 |
| 1.4 本文工作内容及创新点 |
| 第2章 静电层析成像理论基础 |
| 2.1 静电传感器阵列 |
| 2.2 静电感应测量原理 |
| 2.3 静电电荷分布重构正问题模型 |
| 第3章 静电传感器阵列结构参数优化 |
| 3.1 优化指标选取 |
| 3.1.1 空间灵敏场强度及均匀性 |
| 3.1.2 奇异值谱线分析 |
| 3.1.3 重构图像相关系数 |
| 3.2 有限元仿真模型搭建 |
| 3.2.1 有限元仿真原理 |
| 3.2.2 模型参数设置 |
| 3.3 电极轴向长度优化 |
| 3.4 电极数目优化 |
| 第4章 静电直接速度分布成像方法 |
| 4.1 互相关基础理论 |
| 4.1.1 凝固流型假设 |
| 4.1.2 互相关测速原理 |
| 4.2 灰度相关速度分布重构法 |
| 4.3 直接速度分布重构法 |
| 4.3.1 互相关时空信息推导 |
| 4.3.2 基于互相关灵敏度的直接速度分布重构方法 |
| 4.3.3 直接速度分布成像正问题验证实验 |
| 第5章 静电层析成像系统与逆问题求解 |
| 5.1 静电层析成像系统 |
| 5.1.1 16电极静电传感器阵列 |
| 5.1.2 信号调理电路 |
| 5.1.3 数据采集系统 |
| 5.1.4 图像重构算法选取 |
| 5.2 离散颗粒速度分布重构 |
| 5.3 垂直管道颗粒落体速度分布重构 |
| 5.3.1 颗粒落体实验装置介绍 |
| 5.3.2 不同颗粒速度分布重构效果 |
| 第6章 直接速度分布重构方法在气力输送中的应用研究 |
| 6.1 气力输送实验平台介绍 |
| 6.2 感应电荷信号与转移电荷信号的特征分析 |
| 6.2.1 感应电荷信号分析 |
| 6.2.2 转移电荷信号分析 |
| 6.3 基于DWT滤波的直接速度分布重构方法 |
| 6.4 气力输送颗粒速度分布重构 |
| 第7章 总结与展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
（5）铝合金构件缺陷电涡流检测与定量化评估方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 术语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 铝合金构件缺陷检测研究现状 |
| 1.2.1 铝合金构件缺陷的形成 |
| 1.2.2 铝合金构件缺陷检测研究现状 |
| 1.3 电涡流无损检测研究现状 |
| 1.3.1 电涡流检测的发展 |
| 1.3.2 电涡流检测的特点 |
| 1.3.3 电涡流检测新技术 |
| 1.3.4 电涡流检测和定量评估研究现状 |
| 1.3.5 铝合金构件缺陷电涡流检测研究现状 |
| 1.3.6 存在的问题 |
| 1.4 论文的研究内容和创新点 |
| 1.4.1 课题的来源和意义 |
| 1.4.2 论文的研究内容 |
| 1.4.3 论文的创新点 |
| 1.5 本章小结 |
| 第二章 电涡流检测的理论基础 |
| 2.1 引言 |
| 2.2 电磁场基本理论 |
| 2.3 检测探头线圈的解析计算 |
| 2.4 探头线圈阻抗的理论计算 |
| 2.4.1 检测线圈的简化模型 |
| 2.4.2 线圈阻抗归一化 |
| 2.5 本章小结 |
| 第三章 电涡流检测系统和检测探头的仿真分析 |
| 3.1 引言 |
| 3.2 电涡流检测系统介绍 |
| 3.2.1 检测系统总体结构 |
| 3.2.2 线圈激励和信号采集 |
| 3.2.3 三维移动扫描平台 |
| 3.2.4 PC上位机 |
| 3.3 检测探头线圈的仿真分析 |
| 3.3.1 仿真模型构建和探头选型分析 |
| 3.3.2 探头线圈的仿真分析 |
| 3.4 激励频率仿真研究 |
| 3.5 本章小结 |
| 第四章 铝合金构件缺陷电涡流检测信号降噪预处理研究 |
| 4.1 引言 |
| 4.2 电涡流信号稀疏降噪分析 |
| 4.2.1 电涡流信号稀疏表征 |
| 4.2.2 K-SVD字典学习 |
| 4.2.3 降噪阈值选取 |
| 4.3 电涡流信号降噪实验分析 |
| 4.4 本章小结 |
| 第五章 基于KPCA和 ELM的铝合金构件缺陷电涡流检测分类与量化分析 |
| 5.1 引言 |
| 5.2 基于核的主成分分析特征提取方法 |
| 5.2.1 主成分分析方法 |
| 5.2.2 基于核的主成分分析方法 |
| 5.3 铝合金构件缺陷识别分类方法研究 |
| 5.3.1 人工神经网络 |
| 5.3.2 支持向量机 |
| 5.3.3 极限学习机 |
| 5.4 铝合金构件缺陷量化拟合方法研究 |
| 5.5 铝合金板缺陷识别分类实验分析 |
| 5.4.1 特征提取与识别分类 |
| 5.4.2 缺陷量化拟合分析 |
| 5.6 本章小结 |
| 第六章 铝合金构件缺陷稀疏电涡流成像检测研究 |
| 6.1 引言 |
| 6.2 稀疏电涡流成像理论 |
| 6.2.1 电涡流信号稀疏表征 |
| 6.2.2 观测矩阵构造 |
| 6.2.3 稀疏信号重构 |
| 6.3 检测图像缺陷边缘识别和定量分析方法 |
| 6.4 铝合金构件缺陷稀疏成像实验分析 |
| 6.4.1 缺陷全采样C扫描成像分析 |
| 6.4.2 缺陷稀疏信号重构算法分析 |
| 6.4.3 缺陷稀疏成像观测数分析 |
| 6.4.4 缺陷边缘检测和量化分析 |
| 6.5 本章小结 |
| 第七章 结论与展望 |
| 7.1 本文主要结论 |
| 7.2 工作展望 |
| 致谢 |
| 参考文献 |
| 附录A 攻读博士学位期间取得的主要研究成果 |
| 附录B 攻读博士学位期间参与的科研项目 |
（6）基于分数阶卷积变换的图像重构技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景 |
| 1.2 研究的目的和意义 |
| 1.3 国内外研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.3.3 研究现状分析 |
| 1.4 主要研究内容 |
| 第2章 分数阶卷积变换的定义与性质 |
| 2.1 分数阶傅里叶变换 |
| 2.1.1 数学定义 |
| 2.1.2 离散算法 |
| 2.2 Gyrator变换 |
| 2.2.1 定义 |
| 2.2.2 离散算法 |
| 2.3 分数阶卷积变换 |
| 2.3.1 定义与性质 |
| 2.3.2 在信息处理技术中初步应用 |
| 2.4 本章小结 |
| 第3章 基于压缩感知的变换域图像重构技术 |
| 3.1 欠采样信号重构算法 |
| 3.2 分数阶变换域稀疏信号重构方法 |
| 3.2.1 基于分数阶傅里叶变换的重建方法 |
| 3.2.2 基于分数阶卷积变换的重建方法 |
| 3.3 分数阶变换域稀疏图像重构方法 |
| 3.4 本章小结 |
| 第4章 基于多强度图像的迭代重构算法 |
| 4.1 分数阶卷积变换域并行迭代重构算法 |
| 4.2 基于非等权重的迭代重构方法 |
| 4.3 图像重构算法抗噪性能分析 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
| 个人简历 |
（7）基于非凸压缩感知的ECT图像重建算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 论文研究背景及意义 |
| 1.2 论文研究现状 |
| 1.2.1 ECT技术发展及研究现状 |
| 1.2.2 CS理论研究现状 |
| 1.3 论文的主要工作及组织结构 |
| 1.3.1 主要工作 |
| 1.3.2 组织结构 |
| 第二章 ECT系统与压缩感知理论 |
| 2.1 ECT系统的构成及原理 |
| 2.2 ECT正问题 |
| 2.2.1 数学模型 |
| 2.2.2 正问题求解方法 |
| 2.3 ECT逆问题分析 |
| 2.3.1 归一化处理 |
| 2.3.2 归一化模型分析 |
| 2.4 传统图像重建算法 |
| 2.4.1 直接算法 |
| 2.4.2 迭代类算法 |
| 2.5 压缩感知理论 |
| 2.5.1 稀疏表示 |
| 2.5.2 观测矩阵 |
| 2.5.3 重构算法 |
| 2.6 本章小结 |
| 第三章 基于高斯随机矩阵的观测矩阵设计与优化 |
| 3.1 初始信号稀疏化 |
| 3.2 观测矩阵的设计 |
| 3.2.1 设计的理论基础 |
| 3.2.2 ECT系统中的灵敏度矩阵 |
| 3.2.3 基于高斯随机阵的观测矩阵优化 |
| 3.3 观测矩阵性能测试 |
| 3.3.1 评价指标 |
| 3.3.2 成像效果对比 |
| 3.4 本章小结 |
| 第四章 基于改进FOCUSS算法的ECT图像重建 |
| 4.1 基于压缩感知理论的ECT模型分析 |
| 4.2 改进FOCUSS算法 |
| 4.2.1 基本FOCUSS算法 |
| 4.2.2 正则化FOCUSS算法 |
| 4.2.3 基于正则化FOCUSS算法的改进 |
| 4.3 算法成像效果 |
| 4.4 本章小结 |
| 第五章 基于改进半阈值迭代算法的ECT图像重建 |
| 5.1 L_(1/2) 正则化的半阈值迭代算法 |
| 5.2 L_(1/2) 正则化的改进半阈值迭代算法 |
| 5.3 算法成像效果 |
| 5.4 本章小结 |
| 第六章 总结和展望 |
| 6.1 论文总结 |
| 6.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文及参与项目情况 |
（8）利用CDC的新型层析成像方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 背景及意义 |
| 1.2 电容层析成像原理介绍 |
| 1.3 图像重构算法的介绍 |
| 1.4 国内外研究现状 |
| 1.5 本章小结 |
| 1.5.1 本文工作的提出 |
| 1.5.2 本文主要研究内容 |
| 第2章 电容测量电路 |
| 2.1 电容检测芯片 |
| 2.2 ⅡC总线 |
| 2.3 Arduino的介绍 |
| 2.4 EVAL-AD7746的介绍 |
| 2.5 电容测量电路 |
| 2.5.1 单路电容通道测量 |
| 2.5.2 两路电容通道测量 |
| 2.6 本章小结 |
| 第3章 扩展电容测量电路 |
| 3.1 扩展容性输入范围 |
| 3.2 扩展电容量程电路 |
| 3.2.1 模拟开关MT8816 |
| 3.2.2 微处理器STM32 |
| 3.2.3 新型测量电容电路 |
| 3.3 本章小结 |
| 第4章 新型图像重构算法 |
| 4.1 目标函数 |
| 4.2 数值仿真 |
| 4.2.1 无噪声项数值仿真 |
| 4.2.2 含噪声项数值仿真 |
| 4.3 本章小结 |
| 第5章 结论与展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（9）流化床颗粒制备过程层析成像测量与优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 符号表 |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 流化床颗粒制备简介 |
| 1.2.1 颗粒制备工序 |
| 1.2.2 流化床分类 |
| 1.3 流化床颗粒制备过程监测技术研究现状 |
| 1.3.1 颗粒流态监测 |
| 1.3.2 流化床过程失流监测 |
| 1.3.3 颗粒制备过程关键参数测量 |
| 1.4 层析成像技术及其在流化床颗粒制备过程应用现状 |
| 1.4.1 电容层析成像技术 |
| 1.4.2 微波层析成像技术 |
| 1.4.3 电阻层析成像 |
| 1.4.4 磁共振成像 |
| 1.4.5 多传感器融合成像测量 |
| 1.4.6 层析成像技术对比 |
| 1.5 流化床过程优化控制技术发展现状 |
| 1.6 本论文研究目的和主要内容 |
| 第2章 WURSTER流化床内颗粒冷态流动ECT测量 |
| 2.1 引言 |
| 2.2 实验系统 |
| 2.2.1 实验用流化床 |
| 2.2.2 ECT传感器 |
| 2.2.3 静态测试实验 |
| 2.3 实验材料和工况设置 |
| 2.4 基于12-4-8组合电极ECT测量 |
| 2.4.1 颗粒分布 |
| 2.4.2 颗粒浓度波动分析 |
| 2.5 基于8-8组合电极ECT测量 |
| 2.5.1 Wurster导流管内颗粒成像测量 |
| 2.5.2 Wurster导流管内颗粒流动速度测量 |
| 2.6 WURSTER导流管内颗粒流动3D ECT测量 |
| 2.6.1 3D ECT成像 |
| 2.6.2 测量结果分析 |
| 2.7 本章小结 |
| 第3章 WURSTER流化床颗粒包衣过程ECT测量 |
| 3.1 引言 |
| 3.2 实验系统 |
| 3.3 结果与讨论 |
| 3.3.1 基于ECT成像的包衣过程流态识别 |
| 3.3.2 加湿-干燥实验 |
| 3.3.3 包衣实验 |
| 3.3.4 连续小波变换分析 |
| 3.3.5 包衣效果评价 |
| 3.4 本章小结 |
| 第4章 流化床内颗粒制备过程MWT测量 |
| 4.1 引言 |
| 4.2 实验系统 |
| 4.2.1 MWT传感器设置和图像重构 |
| 4.2.2 动态标定 |
| 4.2.3 实验材料和设置 |
| 4.3 结果与讨论 |
| 4.3.1 静态测量验证 |
| 4.3.2 冷态实验工况 |
| 4.3.3 顶喷流化床层析成像测量 |
| 4.3.4 底喷流化床层析成像测量 |
| 4.3.5 顶喷流化床失流的监测 |
| 4.4 本章小结 |
| 第5章 流化床包衣过程优化控制 |
| 5.1 引言 |
| 5.2 实验系统 |
| 5.3 流化床包衣过程典型特征分析 |
| 5.4 流态识别方法 |
| 5.5 包衣液蒸发 |
| 5.6 控制策略和实验系统 |
| 5.6.1 流化风速控制 |
| 5.6.2 包衣液流率设置 |
| 5.7 结果与讨论 |
| 5.8 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 论文创新点 |
| 6.3 未来工作展望 |
| 参考文献 |
| 附录A 电容层析成像二维敏感场计算 |
| 攻读博士学位期间发表的学术论文和科研成果 |
| 攻读博士学位期间参与的研究课题 |
| 致谢 |
（10）单像素成像系统快速成像方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.1.1 军事探测 |
| 1.1.2 安防监控 |
| 1.1.3 图像增强 |
| 1.2 单像素成像系统研究内容 |
| 1.2.1 单像素成像平台的搭建 |
| 1.2.2 测量矩阵优化问题 |
| 1.2.3 信号的快速实时重构问题 |
| 1.3 研究现状 |
| 1.3.1 单像素成像系统研究现状 |
| 1.3.2 压缩感知理论研究现状 |
| 1.4 论文主要工作与章节安排 |
| 1.4.1 主要工作 |
| 1.4.2 章节安排 |
| 第二章 基础理论 |
| 2.1 引言 |
| 2.2 信号的稀疏表示 |
| 2.3 测量矩阵设计 |
| 2.3.1 有限等距性质 |
| 2.3.2 非相干性质 |
| 2.3.3 常用测量矩阵 |
| 2.4 信号重构算法 |
| 2.4.1 贪婪算法 |
| 2.4.2 凸优化算法 |
| 2.4.3 快速优化算法 |
| 2.5 本章小结 |
| 第三章 基于层次模型与导向先验的测量矩阵生成方法研究 |
| 3.1 引言 |
| 3.2 导向信息提取与层次模型建立 |
| 3.2.1 导向信息提取 |
| 3.2.2 层次模型 |
| 3.2.3 基于导向先验的非均匀编码 |
| 3.3 实验平台搭建 |
| 3.4 实验与分析 |
| 3.4.1 一维仿真信号 |
| 3.4.2 自然图像信号仿真实验 |
| 3.4.3 单像素成像实验 |
| 3.4.4 步长参数分析 |
| 3.5 本章小结 |
| 第四章 基于反馈模型的单像素成像系统测量矩阵生成方法 |
| 4.1 引言 |
| 4.2 反馈模型理论分析 |
| 4.2.1 测量矩阵分析 |
| 4.2.2 概率模型分析 |
| 4.3 基于反馈模型的测量矩阵生成 |
| 4.3.1 反馈信息提取 |
| 4.3.2 测量矩阵生成 |
| 4.4 实验与结果分析 |
| 4.4.1 一维仿真信号 |
| 4.4.2 自然图像信号仿真实验 |
| 4.4.3 单像素成像实验 |
| 4.5 本章小结 |
| 第五章 基于空间聚集约束的单像素成像系统视频生成方法 |
| 5.1 引言 |
| 5.2 基于帧差的视频生成框架 |
| 5.2.1 视频生成架构 |
| 5.2.2 视频帧差稀疏性分析 |
| 5.3 空间稀疏聚集算法(SCA) |
| 5.4 单像素成像系统平台搭建 |
| 5.5 实验与结果分析 |
| 5.5.1 一维仿真信号 |
| 5.5.2 自然图像仿真信号 |
| 5.5.3 仿真视频信号生成实验 |
| 5.5.4 单像素成像系统视频生成 |
| 5.6 本章小结 |
| 第六章 基于DCNN的单像素成像系统信号快速重构方法 |
| 6.1 引言 |
| 6.2 网络模型 |
| 6.2.1 模型简化 |
| 6.2.2 网络结构 |
| 6.3 深度网络训练 |
| 6.3.1 训练数据 |
| 6.3.2 损失函数 |
| 6.4 实验结果 |
| 6.4.1 网络收敛 |
| 6.4.2 无噪测量仿真实验 |
| 6.4.3 噪声测量仿真实验 |
| 6.4.4 单像素成像实验 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 论文工作总结 |
| 7.2 下一步工作展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
四、小波分析在层析图像重构中的应用研究（论文参考文献）
- [1]多相介质分布电容/微波层析成像仿真与实验研究[D]. 林勇磊. 中国科学院大学(中国科学院工程热物理研究所), 2021(02)
- [2]基于电容层析成像的计算成像方法研究[D]. 郭鸿博. 华北电力大学(北京), 2020(01)
- [3]大气光梯度先验特征建模与偏振层析去雾方法研究[D]. 邵子奇. 合肥工业大学, 2020(02)
- [4]时空信息综合的静电层析成像系统研究[D]. 张帅. 天津大学, 2019(01)
- [5]铝合金构件缺陷电涡流检测与定量化评估方法研究[D]. 邓为权. 昆明理工大学, 2019(06)
- [6]基于分数阶卷积变换的图像重构技术研究[D]. 窦佳音. 哈尔滨工业大学, 2019(01)
- [7]基于非凸压缩感知的ECT图像重建算法研究[D]. 刘亚楠. 中国民航大学, 2019(02)
- [8]利用CDC的新型层析成像方法研究[D]. 郭格. 华北电力大学(北京), 2019(01)
- [9]流化床颗粒制备过程层析成像测量与优化研究[D]. 车汉桥. 中国科学院大学(中国科学院工程热物理研究所), 2018(11)
- [10]单像素成像系统快速成像方法研究[D]. 彭杨. 国防科技大学, 2017(02)