一种基于深度学习的磁感应断层成像优化方法,包括以下步骤:1)获取数据,通过实验装置设备采集牛顿‑拉夫逊MIT电导率分布图;2)数据处理,根据物场内导体所处的位置和形状得出真实电导率图;3)构建Deep‑MIT生成对抗式网络,使用样本数据集训练网络,得到输入图与真实电导率分布图之间的非线性映射关系;4)将测试集中的数据通过训练过的网络生成对应的深度电导率分布图。本发明解决了传统磁感应断层图像重构中图像精度不高的问题,改善了图像中的伪影,且抗噪性强,降低对成像系统抗噪性的要求,成像速度快。
📄 2019113139176
📂 G06T5_00
👤 浙江工业大学
📅 2019-12-19