2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩133頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、電學(xué)層析成像技術(shù)是一種無損可視化測量技術(shù),該技術(shù)具有響應(yīng)速度快、非侵入、可獲取二維/三維分布參數(shù)信息等優(yōu)點,在醫(yī)學(xué)及工業(yè)測量等領(lǐng)域具有廣闊的應(yīng)用前景。
   電學(xué)層析成像圖像重建算法的精度決定了該技術(shù)的成功應(yīng)用,而電學(xué)層析成像敏感場的‘軟場’特性及有限的投影數(shù)據(jù)決定了圖像重建算法的精度,本論文對上述兩方面問題進行了深入研究,以提高電學(xué)層析成像的重建圖像精度,主要工作及結(jié)果如下:
   1.醫(yī)學(xué)監(jiān)護用電阻抗層析成像系統(tǒng),由

2、于人體結(jié)構(gòu)的復(fù)雜性,其重建圖像的精度不高,針對人體對象電導(dǎo)率分布變化較慢的特點,研究了基于靈敏度系數(shù)矩陣更新的 Landweber迭代圖像重建算法,以期提高重建圖像精度。靈敏度系數(shù)矩陣更新時的初始圖像由 Landweber迭代法獲得,對采用不同迭代次數(shù)的初始圖像進行靈敏度系數(shù)矩陣更新的效果進行了比較,并且對靈敏度系數(shù)矩陣的更新次數(shù)進行了分析,仿真及實驗結(jié)果表明,該方法能有效提高圖像重建精度。
   2.驅(qū)動模式是指施加激勵電流或

3、電壓的方式,EIT的相鄰電極電流驅(qū)動模式導(dǎo)致電流集中分布于管壁,管道中心電流密度相對較小,致使管道中心物體的成像質(zhì)量差。本文針對16電極 EIT系統(tǒng),采用統(tǒng)一的相鄰電壓測量模式,依據(jù)其結(jié)構(gòu)對稱性,研究了8種電流驅(qū)動模式,并對不同驅(qū)動模式的等勢線分布、獨立測量數(shù)、測量電壓的動態(tài)范圍、邊界測量電壓的敏感性、重建圖像質(zhì)量進行了比較,經(jīng)過對各指標的綜合考慮,選取模式7為較優(yōu)的驅(qū)動模式。
   3.對電容層析成像的電容歸一化模型進行了深入

4、研究,提出了基于混聯(lián)模型及電力線分布的靈敏度矩陣計算方法,基于該靈敏度矩陣及混聯(lián)模型,導(dǎo)出了具有最佳迭代因子的 Landweber迭代算法,仿真及實驗結(jié)果表明,該算法重建圖像邊緣清晰、保真度高,并能較好地區(qū)分多個物體。
   4.電學(xué)層析成像是一個典型的非線性映射問題,小波神經(jīng)網(wǎng)絡(luò)結(jié)合了小波變換的局部化性質(zhì)及神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力,具有較強的函數(shù)逼近能力和容錯能力,收斂速度快。本文提出了基于小波神經(jīng)網(wǎng)絡(luò)的電容層析成像圖像重建算法,

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論