基于CNN⁃LSTM⁃CPO的ECT图像重建算法研究

来源：计量学报杂志2025年第6期北京时间：

作者：马敏, 张啟明

摘要：针对电容层析成像（ECT）中逆问题求解病态性导致重建图像精度低的问题，提出了一种基于卷积长短期记忆网络（LSTM）注意力机制的图像重建算法。该算法利用卷积神经网络（CNN）进行特征提取，引入SE注意力机制（SE Net）加强模型对重要信息的关注度。结合LSTM进行特征预测，能有效改善ECT传统算法的病态性；通过冠豪猪优化算法（CPO）对模型参数进行优化，解决了神经网络算法中存在的模型调参困难问题。仿真结果表明：改进算法（CNN-LSTM-CPO）相比LBP算法、Landweber 迭代算法、1D-CNN卷积网络，改进算法有效提高了重建质量。

关键词：机器视觉,电容层析成像,卷积神经网络,长短期记忆网络,冠豪猪优化算法,注意力机制,智能参数优化

基金资助：国家自然科学基金(62371452)