《表2 随机流型的评价指标》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于数据驱动的卷积神经网络电容层析成像图像重建》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

对于随机流型的重建效果评价，选取了一个简单连通流型和一个复杂多孔流型及它们的互补流型，比较了CNN模型与LBP和Landweber算法的图像重建效果，结果如图6所示。可以看出：对于边缘模糊、颗粒分布复杂的随机流型，LBP算法只能大致重建出颗粒的分布情况，对局部细节基本无法重建；Landweber算法可以较好地反映流动形态，但仍存在局部失真情况；CNN算法能够较好地还原随机流型的内部细节，在整体介质分布上更接近原图，表明CNN算法有较强的泛化能力。表2给出了三种重建算法对选取的介质分布进行图像重建获得的相对图像误差、相关系数和相含量误差。通过比较可以发现：LBP与Landweber算法对四个介质分布进行重建时，在三个指标上表现比较接近；CNN模型对每个成像单元的误差更小，流型形状与原图更相似，总体上成像效果要优于LBP和Landweber算法，然而在对流型1b和流型2b进行重建的相含量误差略大于其他两种算法，但误差最大值仅为1.39%，准确度仍然较高，处于可以接受范围内。