计量学报

作者：温丽梅, 李成华, 山雨泽, 马敏

关键词：电学层析成像,流量测量,图像重建,Calderon方法,深度学习

基金：国家自然科学基金面上项目(62371452)

针对电容层析成像中逆问题的病态性所导致的重建图像失真和伪影问题，采用Calderon引导的深度学习方法设计了一种多尺度自适应残差网络结构，可自适应调整卷积核的大小，从而更好地捕捉多尺度信息，高精度地重建图像。研究发现，与灵敏度算法、直接成像算法和卷积神经网络相比，所提出的方法在视觉效果和客观评价指标方面都取得了较好的结果。实验结果表明，使用Calderon预成像结果作为多尺度自适应残差网络输入，图像相关系数（ C C O R R）达到0.94以上；与使用电容测量值作为网络输入相比， C C O R R提高了4.9%以上；降低了从流型中提取特征的难度，增强了网络识别能力，可获得更高的成像质量。

来源：2025年第10期

《计量学报》期刊编辑部

查看计量学报杂志2025年第10期