一种基于玻恩迭代法的训练正则化方法用于电磁成像
图像与视频处理
2022-11-23 v1 机器学习
摘要
针对电磁成像(EMI)应用，提出了一种基于训练的玻恩迭代法(TBIM)。所提出的TBIM由一个嵌套循环组成：外循环执行TBIM迭代步骤，而内循环执行一种基于训练的迭代收缩阈值算法(TISTA)。所采用的TISTA运行基于U-net架构设计的训练正则化网络实现的线性Landweber迭代。在TISTA中引入了归一化过程，使得TISTA训练可在所提TBIM内适用。在TISTA中迭代使用正则化网络是一个瓶颈，在训练过程中需要较高的内存分配。因此，每个TBIM步骤中的TISTA被分别训练。每个TBIM步骤中的TISTA正则化网络使用上一步TBIM的权重进行初始化。上述方法在运行少量TBIM步骤后实现了高质量图像恢复，同时在训练过程中保持了较低的内存分配。所提框架可扩展至牛顿或拟牛顿格式，其中在每次牛顿迭代中，优化一个随样本不同而不同的线性病态问题。本文给出的数值结果表明，与传统的基于稀疏的玻恩迭代法(SBIM)相比，所提TBIM具有优越性。
引用
@article{arxiv.2112.13367,
title = {A Trained Regularization Approach Based on Born Iterative Method for Electromagnetic Imaging},
author = {Abdulla Desmal},
journal= {arXiv preprint arXiv:2112.13367},
year = {2022}
}
备注
4 pages, Letter