[发明专利]一种具有高分辨率能够增强重建图像边缘特征的电阻抗层析成像方法

说明书

本发明公开了一种具有高分辨率能够增强重建图像边缘特征的电阻抗层析成像方法，该方法引入两个不同修正项函数，并结合最小二乘项共同构成目标函数，通过对初始的电导率变化值g进一步优化求解，得到最优电导率变化值本发明所提出的具有高分辨率能够增强重建图像边缘特征的电阻抗层析成像方法成像的质量更高，背景更清晰，重建图像伪影明显减小，重建图像中的夹杂物位置更加准确，夹杂物的尺寸更接近真实目标。

技术领域

本发明属于电学层析成像技术领域，具体涉及一种具有高分辨率能够增强重建图像边缘特征的电阻抗层析成像方法。

背景技术

电学层析成像技术(Electrical Tomography，ET)出现于上世纪八十年代后期，是一种基于电学特性(电导率/介电系数/复导纳/磁导率)敏感机理的过程层析成像技术，它通过边界测量值得出被测区域内介质的分布信息，进而对电学特性的分布信息进行成像。电学层析成像常用于工业检测领域，在生物医学成像领域也有广泛的应用前景。电学层析成像技术主要包括电阻层析成像(Electrical Resistance Tomography，ERT)、电阻抗层析成像(Electrical Impedance Tomography，EIT)、电磁层析成像(Electrical MagneticTomography，EMT)和电容层析成像(Electrical Capacitance Tomography，ECT)。与传统检测技术相比，EIT技术可以实现实时监测，并具有成本低、成像快、无辐射等优点已引起了人们的广泛关注。

电学层析成像逆问题(即图像重建过程)的求解具有高度非线性，通过线性化处理，可以将非线性问题转化为线性逆问题求解。由于获取的场域边界电压数量远小于求解场域的像素值，造成逆问题求解的不适定性。近年来，为了解决这些问题，人们展开了广泛的研究，各种算法相继提出。非迭代算法线性反投影算法(LBP)简单、计算量小，适用于快速动态过程的定性在线观察，但重构图像的精度不高，不能用于定性和定量分析。迭代算法Landweber算法，其收敛性较差，随着迭代次数的逐渐增加，算法整体趋于发散。Newton-Raphson算法作为一种静态图像重建算法，具有最优化思想，该算法具有快速收敛的特点，但却存在局部收敛、收敛性慢和线性收敛性等缺点。此外，该算法在每次迭代中计算灵敏度矩阵和Hessian矩阵需要花费大量时间，导致计算量大，严重影响算法的重建速度。共轭梯度算法利用共轭梯度方向进行迭代搜索，克服了 Landweber算法收敛性差的缺点。与Newton-Raphson算法相比，共轭梯度算法具有计算量小的优点，避免了Newton-Raphson算法局部收敛的缺点，但图像重建效果介于 Landweber算法和Newton-Raphson算法之间。近些年来随着人工智能的快速发展，基于神经网络的深度学习方法被提出用于图像重建。目前，正则化方法是电阻抗成像中最常用的方法，是检测电导率变化的有效方法。研究表明，通过在目标函数中加入额外的惩罚项，当惩罚项作为先验约束执行时，反问题的解具有稳定性。一般情况下，Tikhonov 正则化方法以L₂范数作为惩罚项，实现起来简单、快速，但在电导率不连续的情况下， Tikhonov正则化方法得到的连续解无法重建，导致逆问题的解过于光滑，失去了锐边的边缘信息，重建的图像在尺寸和位置上都不理想且图像变得模糊。因此，仍有必要开发一种提高Tikhonov方法重建性能的新方法。本发明提出了一种具有高分辨率能够增强重建图像边缘特征的电阻抗层析成像方法，该方法不仅有利于提高解的稀疏性，还能很好地保留夹杂物的边缘信息，提高图像重建的质量。

发明内容

本发明解决的技术问题是提出了一种具有高分辨率能够增强重建图像边缘特征的电阻抗层析成像方法，相比于传统图像重建方法，本发明所提出的方法通过引入两个不同修正项函数，有利于提高解的稀疏性，增强图像锐利的边缘特征，在图像重建质量方面展现出了优越的性能，明显的抑制了重建图像伪影，而且重建图像的边界清晰，重建的夹杂物位置、尺寸准确。