文献类型：期刊文章

作　　者：王琦[1] 张静薇[1] 张荣华[2] 薛峰军[3] 李秀艳[1]

Wang Qi;Zhang Jingwei;Zhang Ronghua;Xue Fengjun;Li Xiuyan(Tianjin Key Laboratory of Optoelectronic Detection Technology and System,School of Electronics and Information Engineering,Tianjin Polytechnic University,Tianjin 300387,China;School of Electrical Engineering and Automation,Tianjin Polytechnic University,Tianjin 300387,China;Wuhan Running Education Research Institute,Wuhan 430064,China)

机构地区：[1]天津工业大学电子与信息工程学院,天津市光电检测技术与系统重点实验室,天津300387 [2]天津工业大学电气工程与自动化学院,天津300387 [3]武汉奔跑吧教育研究院,武汉430064

出　　处：《仪器仪表学报》

基　　金：国家自然科学基金(61872269,61601324,61903273);天津市自然科学基金(18JCYBJC85300);天津市企业科级特派员项目(18JCTPJC61600)资助.

年　　份：2020

卷　　号：41

期　　号：1

起止页码：47-55

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：提出了一种基于贝叶斯理论的电磁层析成像(EMT)图像重建算法。传统的正则化方法仅仅能获得单一电导率的近似估计值,提供的模型信息量有限。统计概率方法可以获得大量合理的模型参数估计值,根据缺陷分布的稀疏性,将求解电导率划分为一系列块状结构,使用稀疏贝叶斯学习框架,将电导率分布的稀疏先验信息和噪声信息等统计信息引入到EMT图像重建中,可以得到电导率分布全面的统计描述。为验证该算法的有效性,将新方法与共轭梯度算法、总变差正则化算法进行比较,并基于EMT实验系统进行了缺陷成像实验。仿真和实验结果表明,含有统计信息的稀疏贝叶斯算法与传统算法相比,图像误差降低20%,有效提高了重建图像质量与精度。

关 键 词：电磁层析成像 稀疏贝叶斯 统计概率 图像重建

分 类 号：TG115.28] TP391.41]