关键词:
微波成像
电磁逆散射
压缩感知
LSM
CSI
摘要:
电磁逆散射微波成像在很多领域都有广泛的应用,如反恐成像,探地雷达,医学成像,无损探伤,气象预测等方面。但是电磁逆散射的算法大多有局限性,一种算法可能只能针对某一特殊场景成像,通用性不强,移植性较差,当成像场景改变之后,原来的算法出现精度低甚至不能成像的问题。所以寻求适用性更广的电磁逆散射算法对目标重构具有重大意义。首先,介绍了电磁逆散射成像的概念,应用背景,实际意义和当前的发展现状,描述了电磁逆散射涉及到的正,逆问题研究进展,以及解决电磁逆散射问题中涉及到的算法,正则化方法。之后对电磁逆散射涉及的基本理论进行了详细的介绍,包括解决正、逆问题涉及的常见算法,正则化的定义与策略。然后研究了低对比度下的成像方法,一种是结合压缩感知的TV方法,能够重构出未知目标的边缘信息。另一种是基于线性抽样方法的定量算法,基于线性抽样算法利用远场方程重构出待识别目标的外形,再推导出新的测量方程对未知目标进行定量重构。两种方法有各自的特点,并给出了仿真结果进行说明。接着研究了高对比度的成像方法,对比度源方法。基于CSI可以加入先验信息的优势,给出了两种对比度源初值选择的方法,后向传播方法和频率步进方法,并给出了仿真结果进行说明。其中频率步进方法的仿真结果显示,频率步进方法能解决在高对比度大尺寸目标下,后向传播方法不能准确重构目标的问题。最后提出了两种联合成像的方法,一种是基于迭代Born的压缩感知TV算法,结合了压缩感知的TV算法和迭代Born算法,能够突破两种方法的限制,将重构范围推广到更高的对比度,能够应用到更多的场景。另一种的基于线性抽样方法的CSI的优化方法,利用了线性抽样方法对重构区域进行分区,再利用定量的线性抽样算法重构的结果作为CSI方法的初值。该方法能够突破定量LSM算法的局限,能够对高对比度目标成像,对于较大背景成像具有快速性和准确性。