基于遗传算法的光学层析成像的结构优化

光学层析成像传感器结构由发光元件与感光元件组成,对重建图像的精度有重要作用。鉴于此,对扇形发光与感光元件的分布进行了优化研究。首先,将发光与感光元件的位置信息构建为角度向量。然后,引入灵敏场均匀性参数作为该结构的评价指标,并通过仿真实验验证了该指标的可靠性。最后,基于遗传算法对传感器结构进行优化,将角度向量作为优化对象来确定传感器结构,并将灵敏场均匀性参数作为适应度函数。在所获得的优化结构中,发光与感光单元分布不均匀,均匀性参数为0.288。多种具体分布的图像重建实验表明,该传感器优化结构在重建精度、图像准确性和噪声等方面均优于传统分布和随机分布。

基于改进Landweber算法的光学层析成像研究

光学层析成像技术由于其非接触性、结构简单、采样率高、安全性高、分辨率高等特性,在工业流体监测以及医学等领域得到广泛应用,同时在学术领域上也具有很高的研究价值。光学层析成像分为扫描阶段和图像重建阶段。在重建过程中,算法的性能往往决定着图像重建的质量。鉴于现有重建算法存在重建速度慢与图像质量不高等问题,提出一种基于预置矩阵的Landweber重建算法。该算法通过引入历史迭代信息、在迭代过程中添加预置矩阵和加速项而加快迭代速度,减小重建图像与真实图像的误差。对圆形测量场内5个特定分布进行实验仿真,对比所提改进算法与传统算法的性能。仿真结果显示,该算法的重建误差在5%左右,同时证实该改进算法相较于传统算法有显著性能提升,重建误差降低48%,图像质量得到显著提升。