DeepNIS：用于非线性电磁逆散射的深度神经网络
信息检索
2019-05-01 v1
摘要
非线性电磁（EM）逆散射是一种定量且超分辨的成像技术，与传统的层析成像相比，其在成像过程中考虑了场景内部结构与 EM 波场之间更真实的交互作用。然而，它因其固有的强非线性、不适定性和高昂的计算成本而带来重要挑战。为应对这些困难，据我们所知，我们首次利用了深度神经网络（DNN）架构与非线性 EM 逆散射迭代方法之间的联系。这使得我们能够开发一种基于 DNN 的新型非线性 EM 逆问题方法（此处称为 DeepNIS）。所提出的 DeepNIS 由级联的多层复值残差卷积神经网络（CNN）模块组成。我们通过数值和实验证明，DeepNIS 在图像质量和计算时间方面均显著优于传统的非线性逆散射方法。我们表明 DeepNIS 可以学习一个近似底层 EM 逆散射系统的通用模型。预计 DeepNIS 将成为处理不同频带上的高度非线性 EM 逆散射问题、涉及大规模和高对比度物体的有力工具，而这类问题使用传统逆散射方法极难且不切实际地求解。
引用
@article{arxiv.1810.03990,
title = {DeepNIS: Deep Neural Network for Nonlinear Electromagnetic Inverse Scattering},
author = {Lianlin Li and Long Gang Wang and Fernando L. Teixeira and Che Liu and Arye Nehora and Tie Jun Cui},
journal= {arXiv preprint arXiv:1810.03990},
year = {2019}
}