典型文献
自适应加权的多特征融合ECT图像重建算法
文献摘要：
为了解决电容层析成像(ECT)图像重建中电容值与介电常数这一非线性病态问题,提出一种自适应加权的多特征融合(AWMF)ECT图像重建算法,利用网络模型拟合电容张量和介电常数的非线性映射关系.首先,在网络模型中采用密集卷积网络(DenseNet),不仅缓解梯度消失现象,还融合不同通道的特征信息;添加挤压激励网络(SENet)自适应调整特征通道的权重,用以提取不同通道的关键特征,提高重建图像的精度.其次,构建树形聚合结构(TASN)网络模块,扩大感受野并提取丰富的多尺度特征信息,消除普通卷积所带来的伪影现象.在COMSOL5.3软件上建模仿真后,通过MATLAB2014a对图像进行重建.实验结果表明,重建图像误差系数降低至0.025 6,相关系数提高至0.971 7,与传统算法和CNN算法相比,具有更高的图像重建质量.
文献关键词：
电容层析成像技术;图像处理;密集网络;注意力机制
中图分类号：
作者姓名：
马敏;高晓波
作者机构：
中国民航大学电子信息与自动化学院 天津300300
文献出处：
引用格式：
[1]马敏;高晓波-.自适应加权的多特征融合ECT图像重建算法)[J].电子测量技术,2022(21):130-135
A类：
AWMF,TASN,COMSOL5,MATLAB2014a
B类：
自适应加权,多特征融合,ECT,图像重建算法,电容值,介电常数,病态问题,利用网络,模型拟合,张量和,非线性映射,映射关系,密集卷积网络,DenseNet,梯度消失,特征信息,挤压激励网络,SENet,自适应调整,关键特征,重建图像,建树,树形,感受野,多尺度特征,伪影,建模仿真,误差系数,传统算法,重建质量,电容层析成像技术,密集网络,注意力机制
AB值：
0.321014
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
