基于模拟退火粒子群算法的MIT图像重建方法

doi:10.12068/j.issn.1005-3026.2021.04.011

东北大学学报（自然科学版） ›› 2021, Vol. 42 ›› Issue (4): 531-537.DOI: 10.12068/j.issn.1005-3026.2021.04.011

基于模拟退火粒子群算法的MIT图像重建方法

杨丹^1,2,3，芦甜^1,2，郭文欣¹，王旭¹

(1．东北大学信息科学与工程学院，辽宁沈阳110819; 2．东北大学辽宁省红外光电材料及微纳器件重点实验室，辽宁沈阳110819; 3．东北大学智能工业数据解析与优化教育部重点实验室，辽宁沈阳110819)

修回日期:2020-09-11 接受日期:2020-09-11 发布日期:2021-04-15
通讯作者: 杨丹
作者简介:杨丹(1979-)，女，辽宁营口人，东北大学副教授.
基金资助:
国家自然科学基金资助项目(51607029，61836011)；中央高校基本科研业务费专项资金资助项目(2020GFZD008，2020GFYD011).

MIT Image Reconstruction Method Based on Simulated Annealing Particle Swarm Algorithm

YANG Dan^1,2,3， LU Tian^1,2， GUO Wen-xin¹， WANG Xu¹

1. School of Information Science & Engineering， Northeastern University， Shenyang 110819， China; 2. Key Laboratory of Infrared Optoelectric Materials and Micro-Nano Devices， Northeastern University， Shenyang 110819， China; 3. Key Laboratory of Ministry of Education on Data Analytics and Optimization for Smart Industry， Northeastern University， Shenyang 110819， China.

Revised:2020-09-11 Accepted:2020-09-11 Published:2021-04-15
Contact: YANG Dan
About author:-
Supported by:
-

摘要/Abstract

摘要： 为了改善逆问题病态性又能提高图像重建质量，提出了一种基于模拟退火粒子群算法的MIT图像重建方法.根据Hessian矩阵的维度，构建了一种Tikhonov和NOSER型混合多参数正则化算法.将模拟退火算法和粒子群算法进行组合，以广义交叉准则构建目标函数，进行正则化多参数寻优.结果表明，所提方法不仅有效克服了MIT重建图像数值解的不稳定性，增强了抗噪性能，而且所获得的重建图像的质量优于Tikhonov正则化和混合正则化算法，为MIT技术应用提供了理论参考.

关键词: 逆问题病态性;图像重建;Hessian矩阵;模拟退火;粒子群算法

Abstract: In order to improve the ill-posed inverse problem and improve the quality of image reconstruction， a MIT image reconstruction method based on simulated annealing and particle swarm optimization was proposed. According to the dimensions of the Hessian matrix， a Tikhonov and NOSER hybrid multi-parameter regularization algorithm was constructed. The simulated annealing algorithm and particle swarm algorithm were combined， the objective function was constructed by the generalized cross criterion， and the regularized multi-parameter optimization was performed.The results show that not only the proposed method effectively overcomes the instability of the numerical solution of the MIT reconstructed image and enhances the anti-noise performance， but also the quality of the obtained reconstructed image is better than that of Tikhonov regularization and hybrid regularization algorithms， which provides a theoretical reference for the application of MIT technology.

Key words: ill-posed inverse problem; image reconstruction; Hessian matrix; simulated annealing; particle swarm optimization

中图分类号:

TP391.9

杨丹，芦甜，郭文欣，王旭. 基于模拟退火粒子群算法的MIT图像重建方法[J]. 东北大学学报（自然科学版）, 2021, 42(4): 531-537.

YANG Dan， LU Tian， GUO Wen-xin， WANG Xu. MIT Image Reconstruction Method Based on Simulated Annealing Particle Swarm Algorithm[J]. Journal of Northeastern University(Natural Science), 2021, 42(4): 531-537.

参考文献

[1]Wang L.Screening and biosensor-based approaches for lung cancer detection［J］.Sensors，2017，17(10):2420-2442.
[2]Marmugi L，Renzoni F.Optical magnetic induction tomography of the heart［J］.Scientific Reports，2016，6(1):23962-23970.
[3]Zolgharni M，Ledger P D，Armitage D W，et al. Imaging cerebral haemorrhage with magnetic induction tomography:numerical modelling［J］.Physiological Measurement，2009，30(6):S187-S200.
[4]Wei H Y，Soleimani M.Hardware and software design for a national instrument-based magnetic induction tomography system for prospective biomedical applications［J］.Physiological Measurement，2012，33(5):863-879.
[5]Ma L，Spagnul S，Soleimani M.Metal solidification imaging process by magnetic induction tomography［J］.Scientific Reports，2017，7(1):1-11.
[6]Wei H Y，Soleimani M.A magnetic induction tomography system for prospective industrial processing applications［J］.Chinese Journal of Chemical Engineering，2012，20(2):406-410.
[7]Zhdanov S，Yoshioka M，Cross-well K.Electromagnetic imaging in three dimensions［J］.Exploration Geophysics，2003，34(2):34-40.
[8]Sun B，Yue S，Hao Z，et al.An improved Tikhonov regularization method for lung cancer monitoring using electrical impedance tomography［J］.IEEE Sensors Journal，2019，8(12):3049-3057.
[9]Yan C，Zhang D，Lu G，et al.An improved algorithm based on Landweber-Tikhonov alternating iteration for ECT image reconstruction［J］.Journal of Physics Conference Series，2018，1069:012178-012184.
[10]Gong B，Schullcke B，Krueger-Ziolek S，et al.Higher order total variation regularization for EIT reconstruction［J］.Medical & Biological Engineering & Computing，2018，56(8):1367-1378.
[11]Song X Z.A spatially adaptive total variation regularization method for electrical resistance tomography［J］.Measurement Science & Technology，2015，26(12):125401-125415.
[12]Liu X，Liu Z.A novel algorithm based on L₁-L_p norm for inverse problem of electromagnetic tomography［J］.Flow Measurement and Instrumentation， 2019，65:318-326.
[13]He W，Ran P，Xu Z，et al.A 3D visualization method for bladder filling examination based on EIT［J］.Computational and Mathematical Methods in Medicine，2012，2012:528096-528105.
[14]邓娟，王妍，赵舒，等.EIT系统分辨率和信噪比对图像重建的影响［J］.国际生物医学工程杂志，2015，38(3):143-147.(Deng Juan，Wang Yan，Zhao Shu，et al.Impact of measurement resolution and signal-to-noise of EIT system on reconstruction image ［J］.International Journal of Biomedical Engineering，2015，38(3):143-147.)
[15]Markovsky I，Luisa-Rastello M，Premoli A，et al. The element-wise weighted total least squares problem［J］.Computational Statistics & Data Analysis，2006，50(1):181-209.
[16]Kennedy J，Eberhart R.Particle swarm optimization［C］// Proceeding of the 1995 IEEE International Conference on Neural Networks.Perth，Australia，2011:1942-1948.
[17]Naik B B，Raju C P，Rao R S.A constriction factor based particle swarm optimization for congestion management in transmission systems［J］.International Journal on Electrical Engineering and Informatics，2018，10(2):232-241.
[18]Javidrad F，Nazari M.A new hybrid particle swarm and simulated annealing stochastic optimization method［J］.Applied Soft Computing，2017，60:634-654.

基于模拟退火粒子群算法的MIT图像重建方法

MIT Image Reconstruction Method Based on Simulated Annealing Particle Swarm Algorithm

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	李稷，徐安军. 炼钢车间多天车动态调度仿真方案[J]. 东北大学学报:自然科学版, 2020, 41(12): 1699-1707.
[2]	张丽杰，刘建昌，谭树彬. 复杂建筑火灾中的人员疏散路径多目标规划[J]. 东北大学学报:自然科学版, 2020, 41(6): 761-766.
[3]	曲兴田，张昆，王学旭，王宏一. 基于混合循环算法的复杂装配体装配序列智能规划[J]. 东北大学学报:自然科学版, 2019, 40(12): 1767-1772.
[4]	张丽杰，刘建昌，谭树彬. 基于背景场的粒子群优化多出口疏散策略[J]. 东北大学学报:自然科学版, 2019, 40(9): 1222-1227.
[5]	王海芳，李新庆，乔湘洋，祁超飞. 3-SPS/S踝关节并联康复机构控制系统仿真[J]. 东北大学学报:自然科学版, 2019, 40(3): 310-315.
[6]	陈星池，黄淑春，赵海，王晓漫. 基于极限学习机的中医脉象识别方法[J]. 东北大学学报:自然科学版, 2017, 38(9): 1226-1229.
[7]	张旭辉，夏毅敏，刘杰，谭青. 围压作用下TBM双刃中心滚刀破岩特性研究[J]. 东北大学学报:自然科学版, 2017, 38(6): 839-844.
[8]	马辉，武爽，曾劲，张文胜. 直裂纹悬臂梁系统阻尼特性分析[J]. 东北大学学报:自然科学版, 2017, 38(4): 546-550.
[9]	崔婀娜，陈星池，赵海，李晗. 一种新的羽毛球拍挥拍轨迹识别方法[J]. 东北大学学报:自然科学版, 2017, 38(1): 27-31.
[10]	周淑文，陈庆明，孙大明. 基于EMB系统的整车ABS滑模变结构控制[J]. 东北大学学报:自然科学版, 2016, 37(7): 994-997.
[11]	马辉，曾劲，吴志渊，秦朝烨. 基于LS-DYNA模拟碰撞诱发的裂纹扩展[J]. 东北大学学报:自然科学版, 2015, 36(11): 1653-1657.
[12]	王超，王建辉，顾树生，张宇献. 基于优化支持向量机的带钢延伸量软测量研究[J]. 东北大学学报:自然科学版, 2015, 36(8): 1084-1088.
[13]	顾天奇，罗祖德，胡晨捷，林述温. 测量数据的曲线曲面拟合算法[J]. 东北大学学报（自然科学版）, 2021, 42(3): 408-413.
[14]	李娟莉，姜朔，谢嘉成，孙梦祯. 基于采煤机截割路径的动态三维地质模型构建方法[J]. 东北大学学报（自然科学版）, 2021, 42(5): 706-712.
[15]	周红亮，刘洪娟. 结合DNA编码的快速混沌图像加密算法[J]. 东北大学学报（自然科学版）, 2021, 42(10): 1391-1399.