公开(公告)号：CN111239210A

公开(公告)日：2020-06-05

申请号：CN202010143475.1

申请日：2020-03-04

Applicant: 东南大学

Inventor： 李健 ,  许传龙 ,  汤政 ,  许世朋 ,  孙先亮 ,  张彪

IPC: G01N27/22

Abstract: 本发明公开了一种电容层析成像复杂流型数据集建立方法，包括：采用随机噪声滤波的方法生成复杂流型的介质分布；使用数值法计算其对应电容向量，从而建立电容向量与介质分布相对应的数据集。采用随机噪声滤波的方法生成复杂流型的介质分布的步骤为：对管道内部的测量截面进行网格剖分；生成随机数矩阵；使用均值滤波器对生成的随机矩阵进行滤波使其平滑。本发明相比于现有其他数值模拟生成方式，采用随机数生成和多次滤波相结合的算法，可以建立复杂流型的数据集，适用性强。

公开(公告)号：CN111239210B

公开(公告)日：2022-03-25

申请号：CN202010143475.1

申请日：2020-03-04

Applicant: 东南大学

Inventor： 李健 ,  许传龙 ,  汤政 ,  许世朋 ,  孙先亮 ,  张彪

IPC: G01N27/22

Abstract: 本发明公开了一种电容层析成像复杂流型数据集建立方法，包括：采用随机噪声滤波的方法生成复杂流型的介质分布；使用数值法计算其对应电容向量，从而建立电容向量与介质分布相对应的数据集。采用随机噪声滤波的方法生成复杂流型的介质分布的步骤为：对管道内部的测量截面进行网格剖分；生成随机数矩阵；使用均值滤波器对生成的随机矩阵进行滤波使其平滑。本发明相比于现有其他数值模拟生成方式，采用随机数生成和多次滤波相结合的算法，可以建立复杂流型的数据集，适用性强。

公开(公告)号：CN114646671B

公开(公告)日：2025-04-11

申请号：CN202210155372.6

申请日：2022-02-21

Applicant: 东南大学

Inventor： 李健 ,  许传龙 ,  汤政 ,  张彪

IPC: G01N27/22

Abstract: 本发明提供了一种电容层析成像图像重建方法、模型、设备及存储介质，其中电容层析成像图像超分辨率重建方法，包括：采用第一级神经网络，进行由电容向量到低分辨率介质分布的非线性图像重建，其中第一级神经网络的输入为归一化电容向量重新排列所得的电容矩阵；第一级神经网络的输出为S1×1维介质分布列向量，S1为低分辨率介质分布图像的像素单元数量；采用第二级神经网络，进行由低分辨率介质分布到高分辨率介质分布的图像超分辨率重建；其中，第二级神经网络的输入为第一级神经网络的输出，输出为S2×1维介质分布列向量，S2为高分辨率介质分布图像的像素单元数量。本发明可在实现高空间分辨率ECT图像重建的同时，大大减少建立大样本容量数据集所需要的时间。

公开(公告)号：CN114646671A

公开(公告)日：2022-06-21

申请号：CN202210155372.6

申请日：2022-02-21

Applicant: 东南大学

Inventor： 李健 ,  许传龙 ,  汤政 ,  张彪

IPC: G01N27/22

Abstract: 本发明提供了一种电容层析成像图像重建方法、模型、设备及存储介质，其中电容层析成像图像超分辨率重建方法，包括：采用第一级神经网络，进行由电容向量到低分辨率介质分布的非线性图像重建，其中第一级神经网络的输入为归一化电容向量重新排列所得的电容矩阵；第一级神经网络的输出为S1×1维介质分布列向量，S1为低分辨率介质分布图像的像素单元数量；采用第二级神经网络，进行由低分辨率介质分布到高分辨率介质分布的图像超分辨率重建；其中，第二级神经网络的输入为第一级神经网络的输出，输出为S2×1维介质分布列向量，S2为高分辨率介质分布图像的像素单元数量。本发明可在实现高空间分辨率ECT图像重建的同时，大大减少建立大样本容量数据集所需要的时间。