VBIM-Net：用于逆散射问题的变分Born迭代网络

最近的研究表明，将场类迭代方法与深度学习（DL）技术相结合在解决逆散射问题（ISPs）方面具有潜力。本文提出一种新型变分Born迭代网络，称为VBIM-Net，用于解决全波ISPs，显著改善了结构合理性和反演质量。所提VBIM-Net通过多个子网络层来模拟总电场和对比度在变分Born迭代方法（VBIM）中的交替更新。我们将对比度变化的解析计算嵌入每个子网络，将散射场残差转换为近似对比度变化，然后通过U-Net进行增强，从而避免了现有方法中匹配测量维度和网格分辨率的要求。VBIM-Net中每个层的输出总场和对比度在损失函数中受监督，对子网络中的变量施加软物理约束，这有利于模型性能。此外，我们设计了带有额外噪声的训练方案以增强模型的稳定性。大量在合成和实验数据上的数值实验结果均验证了所提VBIM-Net在反演质量、泛化能力和鲁棒性方面的有效性。这项工作为设计高效的场类DL方案提供了新的灵感。