公开(公告)号：CN111192337B

公开(公告)日：2022-11-15

申请号：CN201911345747.X

申请日：2019-12-24

Applicant: 东南大学

Inventor： 刘升恒 ,  李宇轩 ,  龚灏 ,  陈世泽 ,  陈上 ,  曹瑞松

IPC: G06T11/00

Abstract: 本发明提出一种基于稀疏贝叶斯学习的序贯多帧电阻抗成像图像重建算法，属于医学和工业检测技术领域。具体步骤为：首先利用内部电导率变化与相应边界电压变化的近线性关系，将序贯多帧电阻抗层析成像图像的重建建模成一个测量矢量逆问题求解，然后将解矩阵分解以便于基于结构感知的稀疏贝叶斯学习框架的使用，通过采用最大边缘似然方法优化对数代价函数来实现后验分布估计，电导率分布的解矩阵最后由最大后验概率估计给出。和直接利用结构感知稀疏贝叶斯算法等先前的方法相比，本发明降低了计算复杂度，并且具有更好的鲁棒性，同时进一步提高了图像重建的准确度，能够获得更高的图像分辨率。

公开(公告)号：CN111192337A

公开(公告)日：2020-05-22

申请号：CN201911345747.X

申请日：2019-12-24

Applicant: 东南大学

Inventor： 刘升恒 ,  李宇轩 ,  龚灏 ,  陈世泽 ,  陈上 ,  曹瑞松

IPC: G06T11/00

Abstract: 本发明提出一种基于稀疏贝叶斯学习的序贯多帧电阻抗成像图像重建算法，属于医学和工业检测技术领域。具体步骤为：首先利用内部电导率变化与相应边界电压变化的近线性关系，将序贯多帧电阻抗层析成像图像的重建建模成一个测量矢量逆问题求解，然后将解矩阵分解以便于基于结构感知的稀疏贝叶斯学习框架的使用，通过采用最大边缘似然方法优化对数代价函数来实现后验分布估计，电导率分布的解矩阵最后由最大后验概率估计给出。和直接利用结构感知稀疏贝叶斯算法等先前的方法相比，本发明降低了计算复杂度，并且具有更好的鲁棒性，同时进一步提高了图像重建的准确度，能够获得更高的图像分辨率。