基于级联视觉Transformer与多尺度特征融合的燃烧场温度层析成像

来源：电子与信息学报杂志2023年第10期北京时间：

作者：司菁菁, 王晓莉, 程银波, 刘畅

单位：1.燕山大学信息科学与工程学院 秦皇岛 0660042.河北农业大学海洋学院 秦皇岛 0660033.爱丁堡大学工程学院 爱丁堡 EH93JL4.河北省信息传输与信号处理重点实验室 秦皇岛 066004

摘要：可调谐二极管激光吸收光谱层析成像(TDLAT)是一种重要的光学非侵入式燃烧诊断技术，可实现燃烧场2维横截面气体温度和浓度等流场参数分布的重建。该文将视觉Transformer(ViT)与多尺度特征融合引入TDLAT领域，研究有限数量测量数据与整个测量空间温度分布的非线性映射，提出基于级联ViT与多尺度特征融合的燃烧场温度层析成像网络(HVTMFnet)。该网络提取并融合TDLAT测量数据的局部-全局相关特征，实现整个测量空间的层次化温度分布重建。仿真实验与实际TDLAT系统实验均表明，HVTMFnet重建图像的质量优于现有的基于卷积神经网络(CNN)和基于残差网络的温度层析成像方案。与基于CNN的温度层析成像方案相比，HVTMFnet的重建误差能够降低49.2%～72.1%。

关键词：可调谐二极管激光吸收光谱, 层析成像, 温度重建, 视觉Transformer

基金资助：河北省自然科学基金(F2021203027)，燕山大学基础创新科研培育项目(2021LGZD011)，河北省重点实验室项目(202250701010046)