中文摘要：

电磁场分布是研究电磁场的重要因素，目前电磁场分布的绘制方法基本都是采用先理论建模再计算，通过计算结果绘制电磁场分布图，但此种方法有可能存在因理论建模过程中的某些简化，而对电磁场估算造成误差，尤其是对于复杂环境下的电磁场的研究，不能最大程度地还原电磁场的实际面貌。本研究力图通过图形生成技术和图象理解方法，将传感器测量到的复杂的实际数据直接转化为直观的电磁场图像（等位线，矢量图，云图，三维动态场等）；建立基于图像特征描述的电磁场模型，利用图像处理和模式识别等技术对电磁场的第一手测量数据进行分析处理，从而实现对电磁场特征参数的提取；利用广义似然比来评价模型对电磁场数据的拟和优度。本项目通过把模式识别理论、图像处理理论和电磁理论相结合，有望为电磁场尤其是复杂环境下的电磁场的研究提供新的途径，推动电磁场分布计算的发展。所以本项目有可能成为电磁场理论研究和应用的重要组成部分。

结论摘要：

电磁场分布是反映电磁场的重要因素，目前电磁场分布的绘制方法基本都是采用先理论建模再计算，通过计算结果绘制电磁场分布图，但此种方法有可能存在因理论建模过程中的某些简化，而对电磁场估算造成误差，尤其是对于复杂环境下的电磁场的研究，不能最大程度地还原电磁场的实际面貌。本研究通过图形生成技术和图象理解方法，将传感器测量到的实际数据直接转化为直观的电磁场图像；尝试基于图像处理技术的电磁场分析方法，利用图像处理和模式识别等技术对电磁场的第一手测量数据进行分析处理，从而实现对电磁场特征参数的提取。本项目通过设计空间电磁信号采集设备，对实际电磁场中有限处的相关数据进行采集测量。并针对特定的测量数据设计基于模糊逻辑理论和相关邻域信息的多层增强算法对采集到的反映被测物场二维/三维分布状态的瞬变电磁信号进行噪声抑制，进而增强图像特征、提高信噪比的效果。为了提高显示速度，本课题尝试采用基于梯度的非线性插值法进行场数据扩展，由于插值算法中，插值点数据会受其邻域内其他点特征值的控制，进而导致对于一些没有测量到的极值点特征无法正确恢复并显示的问题，本项目引入图像重构技术，对测量数据进行有效扩充，以便进行电磁场的可靠恢复。同时针对测量数据，利用图像分析的方式获得某些需要的特征量，如电场强度、磁场能量、损耗、发射功率、阻抗等，从而实现集总参数提取等功能，为下一步三维电磁场的动态仿真建模提供可靠的数据信息。此外，本项目进一步对通用性图像处理方法进行研究，在2013年使用基于模糊-PCNN模型的图像特征区域提取方法对特征数据进行检测和融合，进而提高数据的质量；并通过机器学习理论建立了基于BYY-RVM模型的方法对数据进行降维处理。此外，在2012年提出的基于颜色退化序列的图像质量评价方法，可以对图像质量进行分析。这些成果在一定程度上拓展了项目成果的应该用领域。在实现电磁场的三维动态可视化时，对于复杂的空间场，通过对空间域进行三角化，使用体元或面元把拓扑结构转化为统一的表达形式。同时针对三维重建时，图像的像素间会出现不利于图像的可视化分析的明显阶跃现象(块状效应)，提出了一种针对二值图像序列的基于三维物体表面全局信息的插值方法，有效地利用了三维物体的形状信息，用多种曲线自适应方法的将电磁场三维表面曲线拟合出来的。