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。

公开(公告)号：CN119916338A

公开(公告)日：2025-05-02

申请号：CN202510060322.3

申请日：2025-01-15

Applicant: 东南大学

Inventor： 郑丽霞 ,  李雨潇 ,  李宇轩 ,  万成功 ,  孙伟锋 ,  吴金 ,  赵霞

IPC: G01S7/4863 ,  G01S7/4865 ,  G01J1/44

Abstract: 本发明公开了一种基于倒置计数型TDC的阵列电路，包括由像素单元组成的像素阵列、数据输出模块、同步信号产生模块、时序控制电路、初末相检测模块；所述每个像素单元包括主动淬灭接口电路AQC、低误码倒置计数型时间数字转换器TDC、数据传输通路切换模块；初末相检测模块包括每个TDC内含有的初相检测模块以及阵列公用的公共末相量化模块。每个TDC内含有的初相检测模块，可以对STOP信号上升沿时的初相误差进行细分辨，而公共末相模块则可以量化EN信号下降沿到来时的公共末项误差，从而提高TDC分辨率。可以在弱光、长距离传输的应用场景中，在不违背系统工作光学约束的前提下，扩展系统成像距离、降低系统功耗、降低TDC误码率、提高精度和解决时间同步问题。