计量学报

作者：贾虎,王明泉,商奥雪

单位：中北大学 信息与通信工程学院,山西太原030051

关键词：计量学; 电磁计量; 电磁层析成像;深度学习;图像重建;自编码;MLP

电磁层析成像(electromagnetic tomography,EMT)传统算法由于物理模型的限制,导致重建数据缺失,使其逆问题存在着严重的不适定性和病态性。为解决重建图像普遍存在伪影多,质量差等问题,提出了一种基于MLP-AE的复合电磁层析成像算法。首先用待测物场信息作为输入送入自编码神经网络(AE)学习,得到编码数据;再对待测物场进行电磁激励获取电压数据;将电压数据作为输入,待测物场信息编码后的数据作为输出送入多层感知机神经网络(MLP)学习;最终解码实现端到端的图像重建。通过均方误差、结构相似性指数和成像时间评估所述算法的性能,并与线性反投影算法、Tikhonov正则化算法、Landweber迭代算法进行对比。实验结果表明,所述算法在单幅图像上:均方误差较以上传统算法分别降低了28.77%、22.57%、23.74%,结构相似性指数分别提升了17.54%、14.38%、15.44%,成像时间分别快了73.78%、98.63%、93.86%。所述重建算法对于待测物位置和形状的预测更为精确,时间大幅度减少,为之后进行实时精确成像提供了思路。

来源：2024年第8期

《计量学报》期刊编辑部

查看计量学报杂志2024年第8期