| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 选题背景及研究意义 | 第13页 |
| 1.2 过程层析成像技术 | 第13-17页 |
| 1.3 ECT系统图像重建算法国内外研究现状 | 第17-18页 |
| 1.3.1 直接ECT图像重建算法的研究现状 | 第17-18页 |
| 1.3.2 迭代ECT图像重建算法的研究现状 | 第18页 |
| 1.3.3 其他ECT图像重建算法的研究现状 | 第18页 |
| 1.4 本文的创新性成果 | 第18-19页 |
| 1.5 本文的结构安排 | 第19-21页 |
| 第2章 电容层析成像系统结构与数学模型 | 第21-29页 |
| 2.1 电容层析成像系统的结构 | 第21-23页 |
| 2.1.1 电容传感器阵列 | 第22-23页 |
| 2.1.2 信号采集与处理系统 | 第23页 |
| 2.1.3 成像计算机系统 | 第23页 |
| 2.2 电容层析成像基本原理及其数学模型 | 第23-28页 |
| 2.2.1 电容层析成像基本原理 | 第23-25页 |
| 2.2.2 电容层析成像系统的数学模型 | 第25-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第3章 基于稀疏度自适应压缩感知的ECT图像重建算法 | 第29-43页 |
| 3.1 压缩感知的基本理论 | 第29-32页 |
| 3.1.1 压缩感知信号的稀疏表示 | 第30页 |
| 3.1.2 压缩感知信号的观测矩阵 | 第30-31页 |
| 3.1.3 压缩感知信号的重构过程 | 第31-32页 |
| 3.2 压缩感知形式的ECT系统模型的建立 | 第32-36页 |
| 3.2.1 稀疏基的选取 | 第33页 |
| 3.2.2 灵敏度矩阵的随机化改造 | 第33-36页 |
| 3.3 ECT图像稀疏度估计方法 | 第36-39页 |
| 3.3.1 信号稀疏度与重构误差的关系 | 第36-37页 |
| 3.3.2 基于LBP算法图像稀疏度预估方法 | 第37-39页 |
| 3.4 改进稀疏度自适应算法具体步骤 | 第39-40页 |
| 3.5 仿真实验与结果 | 第40-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第4章 基于CV水平集方法的ECT图像优化方法 | 第43-56页 |
| 4.1 水平集基本理论 | 第43-47页 |
| 4.1.1 曲线演化理论 | 第43-46页 |
| 4.1.2 水平集思想及演化方法 | 第46-47页 |
| 4.2 CV水平集模型 | 第47-52页 |
| 4.2.1 传统CV水平集模型 | 第47-48页 |
| 4.2.2 针对ECT系统的CV改进模型 | 第48-51页 |
| 4.2.3 改进水平集算法的实现步骤 | 第51-52页 |
| 4.3 仿真实验与结果 | 第52-54页 |
| 4.4 本章小结 | 第54-56页 |
| 第5章 压缩感知与水平集在ECT图像重建中的组合应用 | 第56-60页 |
| 5.1 稀疏度自适应压缩感知与CV水平集优化的ECT图像重建算法 | 第56-57页 |
| 5.2 仿真实验与结果分析 | 第57-59页 |
| 5.3 本章小结 | 第59-60页 |
| 第6章 结论与展望 | 第60-62页 |
| 6.1 结论 | 第60-61页 |
| 6.2 进一步工作的方向 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读学位期间发表的学术论文及参加科研情况 | 第67-68页 |
