一种基于遗传算法的X射线CT多相流检测方法

摘要

一种基于遗传算法的X射线CT多相流检测方法，该方法通过结合被检测多相流体系的相分布或介质分布规律构造具体遗传算法，可以实现对有限角度X射线投影数据的流场重构，其具体步骤包括：1)对被检测体系进行简化处理；2)对被检测区域进行几何剖分；3)X射线投影数据的采集；4)X射线投影方程组的离散化；5)构造具体遗传算法应用于图像重构过程；6)将数值解转化为被检测区域的相/介质分布图。本发明一方面能更好地完成多相流快速成像过程，另外一方面，结合体系物理特征构造具体遗传算法，实现了约束优化的求解过程，具有较强的抗测量噪声干扰的能力，有效控制了图像重构过程的不适定性，明显减弱了测量误差对重构结果的影响。

主权项

1.一种基于遗传算法的X射线CT多相流检测方法，其特征在于该方法按如下步骤进行：1)对被检测体系进行简化处理结合被检测多相流体系的相分布或介质分布规律，使之简化为二值或近似二值体系，整个空间的相/介质分布非0即1；2)对被检测区域进行几何剖分选择多相流体系的某一待测二维截面作为被检测区域，将被检测区域几何剖分成若干个单元子区域，设定各单元子区域的内部介质分布均匀，则所有单元子区域的介质分布赋值构成一个图像向量；3)X射线投影数据的采集利用X射线源、X射线检测器和数据采集控制设备采集有限角度下的扇形束X射线投影数据，不同角度的投影数据采集通过单个X射线源的旋转-发射交替进行，或者多个X射线源由电子开关控制依次发射完成；4)X射线投影方程组的离散化计算表征各条X射线与图像向量各分量之间相互关系的加权系数，将投影方程组离散化为线性方程组Ax＝b，其中：A表示关系系数矩阵，x表示图像向量，b表示投影向量，同时选择图像重构最优准则；所述的加权系数基于以下四种射线定义方式之一确定：①忽略射线宽度，当射线穿过一单元子区域时，取该单元子区域对应的加权系数为1，否则为0；②忽略射线宽度，当射线穿过一单元子区域时，取该单元子区域截得射线的长度作为表征其投影贡献的加权系数；③把射线看成具有一定宽度的粗线，取该射线覆盖各单元子区域的面积作为表征其投影贡献的加权系数；④把射线看成具有一定宽度的粗线，认为单元子区域的赋值集中于单元子区域的中心，射线经过该中心时该单元子区域对应的加权系数为1，否则为0；5)构造具体遗传算法应用于图像重构过程结合被检测多相流体系的相分布或介质分布规律构造具体遗传算法，设计基于流动物理模型的选择算子、交叉算子和变异算子，并引入多种群同时进化的计算方法，实现对图像向量的有效重构计算，所述遗传算法的具体构造步骤如下：①选择“排序选择”之选择算子和“单点交叉”之交叉算子；②引入基于节点的变异算子：执行每代遗传操作时等概率随机取空间若干节点，逐一统计节点所涉及区域内单元子区域0-1分布情况，记N(0)为0值单元子区域数目，N(1)为1值单元子区域数目；当N(0)、N(1)任一为0时，所涉及区域内各单元子区域变异率设定为0；当N(0)、N(1)均不为0时，所涉及区域内0、1值各单元子区域的变异率分别设定为：$p\left(0\right)=\frac{N\left(1\right)}{(N\left(0\right)+N\left(1\right))·N\left(0\right)}$ $p\left(1\right)=\frac{N\left(0\right)}{(N\left(0\right)+N\left(1\right))·N\left(1\right)};$ 6)将数值解转化为被检测区域的相/介质分布图将所求得的图像向量数值解转化为被检测截面的相/介质分布图并输出。