基于稀疏先验和膨胀残差网络的两阶段电容层析成像重建方法

来源：计量学报杂志2025年第10期北京时间：

作者：刘均芝, 张立峰

摘要：针对电容层析成像（ECT）图像重建过程中因不适定性导致图像重建精度低的问题，提出了一种基于稀疏先验和膨胀残差网络的两阶段图像重建方法。首先，利用重建信号的稀疏先验特性，引入 Bregman 距离构建目标函数，并通过贪婪 Kaczmarz 方法（GKM）求解以获得初始介电常数分布；随后，以U-Net神经网络模型为主干模型，引入全局残差模块对初始介电常数分布进行多尺度特征提取；最后，进行了仿真和静态实验，并与线性反投影（LBP）和U-Net模型进行了比较分析。结果表明：该算法不仅表现出优异的鲁棒性和稳定性，提高了图像重建精度，而且适用于实际的ECT成像系统。

关键词：多相流测量,电容层析成像,图像重建,稀疏重建,深度学习,膨胀残差网络,贪婪Kaczmarz法

基金资助：北京市自然科学基金项目(3242023)