电容成像技术及其应用

本书介绍了过程层析成像技术，特别是电容层析成像技术及其在热物理领域里的应用。具体内容包括：图像重建算法、传感器的设计及测量中的特殊标定方法等。本书可作为高等院校热能工程、工程热物理等专业高年级本科生、研究生的教学参考书，也可供相关研究领域的科技人员参考使用。

前言
第1章 绪论
1．1 过程参数检测的意义
1．2 过程成像技术的发展历史
1．3 过程成像技术的特点及分类
1．4 电容层析成像的研究热点与存在的问题及展望
1．5 本书的主要内容
第2章 电容层析成像技术
2．1 拉冬(Radon)变换和拉冬逆变换的基本原理
2．2 电容层析成像系统构成
2．3 电容传感器的结构
2．4 电容测量电路
2．5 电容层析成像正问题
2．6 电容层析成像逆问题
2．7 本章小结
第3章 多相流流型的电容层析成像图像重建算法
3．1 Tikhonov图像重建算法比较
3．2 图像重建算法比较与评价
3．3 基于模糊阈值分割的ECT图像重建方法
3．4 本章小结
第4章 电容层析成像传感器结构设计
4．1 电容层析成像传感器优化设计
4．2 小尺度电容层析成像传感器结构分析
4．3 本章小结
第5章 电容层析成像系统特殊标定方法研究与应用
5．1 内置电极标定法在代用炸药压制成型工艺中的应用
5．2 通道型多孔介质火焰测量中的标定方法研究
5．3 本章小结
第6章 结论与展望
6．1 结论
6．2 展望
参考文献

第2章 电容层析成像技术
　　2．6　电容层析成像逆问题
　　2．6．6　智能优化类图像重建算法
　　20世纪70年代以来，一些新颖的算法，通过模拟或揭示某些自然现象或过程而得到发展，其思想和内容涉及数学、物理学、生物进化、人工智能、神经科学和统计力学等方面，为解决复杂问题提供了新的思路和手段。这些算法独特的优点和机制，引起了国内外学者的广泛重视并掀起了该领域的研究热潮，且在诸多领域得到了成功应用。由于这些算法构造的直观性与自然机理，因而通常被称作智能优化算法。一些学者将这类算法引入到电容层析成像领域，并取得了较好的结果，其中主要包括人工神经网络、遗传算法、模拟退火算法等。
　　2．6．6．1　人工神经网络
由于图像重建是一个病态问题，传统的迭代类图像重建方法属于单准则方法，它只强调了重建图像与原始真实图像在投影空间的某种接近程度或重建图像所希望的某种特性，当重建对象或噪声变化时，其重建精度受到一定限制。因此，有必要同时对几个目标函数进行优化，以选择可能解中的好折中解。Warsito同时考虑图像具有熵、加权小二乘误差及局部平滑性能指标，以及测量的约束等准则和使网络能跳过局部极小而收敛于全局极小值的惩罚函数，使得修正的Hopfield网络初始步长较大，后续步长较小，以避免陷入局部极小点。由于引入了能量极小化、局部平滑性以及熵等准则，而这些准则都保证图像重建的局部或全局平滑性，这种平滑性对于抑制噪声是有利的。该方法具有较高的图像重建精度，也能用于三相流的图像重建，但由于其计算量大，其总的耗时很多，对实时性要求高的场合难以应用。
　　……