基于带约束粒子群的电容层析成像图像重建算法

doi:10.12422/j.issn.1672-6952.2024.02.014

辽宁石油化工大学学报 ›› 2024, Vol. 44 ›› Issue (2): 91-96.DOI: 10.12422/j.issn.1672-6952.2024.02.014

• 信息与控制工程 • 上一篇

基于带约束粒子群的电容层析成像图像重建算法

焦园娜¹(), 左振华², 张雷雷³, 郭志恒¹, 阚哲¹()

^1.辽宁石油化工大学信息与控制工程学院，辽宁抚顺 113001
^2.中国石油天然气股份有限公司抚顺石化分公司烯烃厂，辽宁抚顺 113001
^3.抚顺石化工程建设有限公司，辽宁抚顺 113001

收稿日期:2023-05-05 修回日期:2023-07-11 出版日期:2024-04-25 发布日期:2024-04-24
通讯作者: 阚哲
作者简介:焦园娜（1996⁃），女，硕士研究生，从事电容层析成像图像重建算法方面的研究；E⁃mail：j964457939@163.com。
基金资助:
辽宁省教育厅一般项目(JYTMS20231448)

Capacitance Tomography Image Reconstruction Algorithm Based on Confined Particle Swarm

Yuanna JIAO¹(), Zhenhua ZUO², Leilei ZHANG³, Zhiheng GUO¹, Zhe KAN¹()

^1.School of Information and Control Engineering，Liaoning Petrochemical University，Fushun Liaoning 113001，China
^2.Fushun Petrochemical Company Olefin Factory，PetroChina Company limited，Fushun Liaoning 113001，China
^3.Fushun Petrochemical Engineering Construction Co. Ltd. ，Fushun Liaoning 113001，China

Received:2023-05-05 Revised:2023-07-11 Published:2024-04-25 Online:2024-04-24
Contact: Zhe KAN

摘要/Abstract

摘要：

粒子群工作时系统的鲁棒性很高，有助于解决图像重建的病态问题。但是，重建图像的像素较大，导致粒子维度较大，粒子在寻优过程中很难达到最优解。为了解决这一问题，对粒子的位置加入约束条件，以Tikhonov正则化图像重建算法成像作为粒子位置参考，约束粒子在Tikhonov正则化算法重建图像的一定范围内搜索，并用罚函数求解，提高粒子搜索速度；粒子群的惯性权重采用线性递减权值，从而实现惯性权值的自适应动态调整，提高算法的灵活性；将混沌算子加入粒子群位置搜索过程中，当粒子陷入局部最优时，混沌变量在一定范围内波动，降低最优解的错失率。仿真实验结果表明，与传统的LBP算法和Tikhonov算法相比，改进的粒子群算法的电容层析成像图像重建更精确，效率更高。

关键词: 电容层析成像, 约束粒子群算法, 罚函数, 混沌算子, 惯性动态权值

Abstract:

The robustness of the particle swarm system is great, which is very helpful for solving ill?conditioned problems such as image reconstruction. However, the large number of pixels in the reconstructed image leads to a large dimension of particle and it is difficult for the particle to achieve the optimal solution in the optimization process. In order to solve this problem, a constraint is added to the particle position, imaging by Tikhonov regularization algorithm is used as the reference of particle position. The search for particles is constrained to the range of Tikhonov regularization algorithm reconstructs the image. Using the penalty function to solve the constraint problem to improve the particle search speed. Linearly decreasing weights as inertial weights for particle swarms optimization to realize the adaptive dynamic adjustment of the inertia weight and improve the flexibility of the algorithm; the chaotic operator is added to the position search process of the particle swarm optimization, when the particle falls into the local optimum, the chaotic variable will fluctuate within a certain range, reducing the missed rate of the optimal solution. The simulation results show that The improved particle swarm algorithm is more accurate and efficient than the traditional LBP algorithm and Tikhonov regularization algorithm.

Key words: Electrical capacitance tomography, Constrained particle swarm optimization, Penalty function, Chaos operator, Inertial dynamic weigh

中图分类号:

TP393

焦园娜, 左振华, 张雷雷, 郭志恒, 阚哲. 基于带约束粒子群的电容层析成像图像重建算法[J]. 辽宁石油化工大学学报, 2024, 44(2): 91-96.

Yuanna JIAO, Zhenhua ZUO, Leilei ZHANG, Zhiheng GUO, Zhe KAN. Capacitance Tomography Image Reconstruction Algorithm Based on Confined Particle Swarm[J]. Journal of Liaoning Petrochemical University, 2024, 44(2): 91-96.

图/表 4

参考文献 18

1	WANG H G，YANG W Q.Application of electrical capacitance tomography in circulating fluidised beds——A review［J］.Applied Thermal Engineerig，2020，176：115311.
2	CUI Z Q，XIA Z H，WANG H X.Electrical capacitance tomography using incomplete measurement set［J］.IEEE Access， 2019，7：79555⁃79564.
3	胡叶容.卷积神经网络在ECT图像重建上的应用［J］.电子技术与软件工程，2021（6）：88⁃89.
	HU Y R.Study on technical application of electrical capacitance tomography［J］.Electronic Technology and Software Engineering，2021（6）：88⁃89.
4	石峰，张保存，杜九懿，等.基于CPS危险化学品风险监控预警系统关键技术研究［J］.辽宁石油化工大学学报，2020，40（6）：85⁃90.
	SHI F，ZHANG B C，DU J Y,et al.Research on key technologies of risk monitoring and early warning system for hazardous chemicals based on CPS[J].Journal of Liaoning Shihua University，2020，40（6）：85⁃90.
5	祝光泉，杨海马，李筠，等.电容层析成像图像重建算法对比［J］.电子科技，2020，33（11）：41⁃45.
	ZHU G Q，YANG H M，LI J，et al.Comparison of image reconstruction algorithms for electrical capacitance tomography［J］.Electronic Science and Technology，2020，33（11）：41⁃45.
6	彭黎辉，陆耿，杨五强.电容成像图像重建算法原理及评价［J］.清华大学学报（自然科学版），2004，44（4）：478⁃484.
	PENG L H，LU G，YANG W Q.Image reconstruction algorithms for electrical capacitance tomography：State of the art［J］.Journal of Tsinghua University（Science and Technology），2004，44（4）：478⁃484.
7	赵玉磊，郭宝龙，吴宪祥，等.基于双粒子群协同优化的ECT图像重建算法［J］. 计算机研究与发展，2014，51（9）：2094⁃2100.
	ZHAO Y L，GUO B L，WU X X，et al.ECT image reconstruction algorithm based on double particle swarm optimization［J］.Journal of Computer Research and Development， 2014，51（9）：2094⁃2100.
8	严春满，陆根源，张道亮，等.基于改进粒子群优化的电容层析成像图像重建算法［J］.计算机工程学，2019，41（5）：879⁃884.
	YAN C M，LU G Y，ZHANG D L，et al.An image reconstruction algorithm for electrical capacitance tomography images based on improved particle swarm optimization［J］.Computer Engineering & Science，2019，41（5）：879⁃884.
9	张立峰，朱炎峰.基于粒子群优化极限学习机及电容层析成像的两相流流型及其参数预测［J］.计量学报，2020，41（12）：1488⁃1493.
	ZHANG L F，ZHU Y F.Two⁃phase flow regime and its parameter prediction based on particle swarm optimization extreme learning machine and electrical capacitance tomography［J］.Acta Metrologica Sinica，2020，41（12）：1488⁃1493.
10	WANG P，LIN J S，WANG M.An image Reconstruction algorithm for electrical capacitance tomography based on simulated annealing particle swarm optimization［J］.Journal of Applied Research and Technology，2014，13（2）：197⁃204.
11	彭黎辉.用于病态反问题求解的正则化方法算例分析［J］. 云南民族大学学报（自然科学版），2011，20（2）：79⁃85.
	PENG L H.A case study of the regularization methods for Ill⁃Posed inverse problems［J］.Journal of Yunnan University of Nationalities（Natural Sciences Edition），2011，20（2）：79⁃85.
12	SHI Y，EBERHART R C.Empirical study of particle swarm optimization［C］//Proceedings of the 1999 Congress on Evolutionary Computation⁃CEC99 （Cat. No.99TH8406）.Washington DC， USA：IEEE，1999：1945⁃1950.
13	居凤霞.粒子群优化算法的改进及应用［D］.广州：华南理工大学，2014.
14	田兴华.基于混沌映射的改进粒子群算法研究［D］.青岛：青岛大学，2020.
15	李德奎，魏兴民.新三维离散系统的动力学及混沌控制［J］.辽宁大学学报（自然科学版），2021，48（1）：61⁃66.
	LI D K，WEI X M.Dynamics and chaos control of a new three⁃dimensional discrete system［J］.Journal of Liaoning University（Natural Science Edition），2021，48（1）：61⁃66.
16	吴华伟，陈特放，胡春凯，等.一种改进的约束优化粒子群算法［J］.计算机应用研究，2012，29（3）：859⁃861.
	WU H W，CHEN T F，HU C K，et al.Improved constrained optimization particle swarm optimization algorithm［J］.Application Research of Computers，2012，29（3）：859⁃861.
17	何剑宇.基于粒子群优化算法的灰色预测模型GM（1，1）改进［J］.沈阳农业大学学报，2011，42（2）：253⁃256.
	HE J Y.The improvement on gray prediction model GM（1，1） based on particle swarm optimization algorithm［J］.Journal of Shenyang Agricultural University，2011，42（2）：253⁃256.
18	YANG W Q，PENG L H.Image Reconstruction algorithms for electrical capacitance tomography［J］.Measurement Science and Technology，2003，14（1）：1⁃13.

原始流型图	基于Tikhonov算法图像重建	基于带约束粒子群算法图像重建
原始流型图	基于Tikhonov算法图像重建	r=0	r=4.7	r=50.0

中心流		迭代次数=1	迭代次数=12	迭代次数=35

层流		迭代次数=5	迭代次数=10	迭代次数=33

气泡流		迭代次数=3	迭代次数=18	迭代次数=42

原始流型图	基于Tikhonov算法图像重建	基于带约束粒子群算法图像重建
原始流型图	基于Tikhonov算法图像重建	r=0	r=4.7	r=50.0

中心流		迭代次数=1	迭代次数=12	迭代次数=35

层流		迭代次数=5	迭代次数=10	迭代次数=33

气泡流		迭代次数=3	迭代次数=18	迭代次数=42

原始流型图	重建流型图及评价指标
原始流型图	LBP算法	Tikhononv算法	无约束粒子群算法	带约束粒子群算法

中心流	I_E=0.355 3	I_E=0.234 4	I_E=0.203 4	I_E=0.025 8
	C_C=0.721 0	C_C=0.782 1	C_C=0.614 2	C_C=0.971 3

层流	I_E=0.457 4	I_E=0.458 1	I_E=0.404 5	I_E=0.254 5
	C_C=0.654 5	C_C=0.714 3	C_C=0.744 1	C_C=0.874 4

气泡流	I_E=0.943 1	I_E=0.543 7	I_E=0.581 0	I_E=0.247 7
	C_C=0.345 2	C_C=0.781 3	C_C=0.664 7	C_C=0.843 7

原始流型图	重建流型图及评价指标
原始流型图	LBP算法	Tikhononv算法	无约束粒子群算法	带约束粒子群算法

中心流	I_E=0.355 3	I_E=0.234 4	I_E=0.203 4	I_E=0.025 8
	C_C=0.721 0	C_C=0.782 1	C_C=0.614 2	C_C=0.971 3

层流	I_E=0.457 4	I_E=0.458 1	I_E=0.404 5	I_E=0.254 5
	C_C=0.654 5	C_C=0.714 3	C_C=0.744 1	C_C=0.874 4

气泡流	I_E=0.943 1	I_E=0.543 7	I_E=0.581 0	I_E=0.247 7
	C_C=0.345 2	C_C=0.781 3	C_C=0.664 7	C_C=0.843 7

流型	运行时间/s
流型	LBP算法	Tikhonov算法	无约束粒子群算法	带约束粒子群算法
中心流	0.446 7	0.431 2	5.172 7	2.713 4
层流	0.743 2	0.504 5	7.941 7	3.476 1
气泡流	0.612 4	0.552 1	9.471 3	3.547 4

基于带约束粒子群的电容层析成像图像重建算法

Capacitance Tomography Image Reconstruction Algorithm Based on Confined Particle Swarm

HTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 4

参考文献 18

相关文章 1

编辑推荐

Metrics